智能手机音圈点焊检测
确保正确地将引线焊接到输出接触垫上
智能手机中的音圈是振动扬声器振膜以发出声音的组件。它回应两根柔性引线的电信号，这两根引出线通过热压焊接连接到输出接触垫上。引线很细，合格焊接的错误率非常高。
可能出现许多缺陷：
- 断裂或缺失引线
- 过度焊接，这可能会缩短引线寿命
- 焊接不足，造成接触不良，可能会分离
- 漏焊，使引线处于正确的位置，但没有连接起来
- 错误连接，引线连接到输出接触垫的错误位置上
欠焊或过焊的连接可能会通过电气检测，但在现场使用时却过早地失效。视觉检测可以更可靠地发现这种缺陷。
由于可能出现的焊接问题范围很广，传统的机器视觉很难通过编程来发现所有问题。查看引线和焊接的背景是可变的，输出的接触垫也有纹理，增加了图像的复杂性。不同批次的接触垫可能看起来不同，改变了背景，导致精度突然下降。
此外，合格点焊在形状、颜色、纹理和其他特征上可能有很大差异。使用基于规则的传统机器视觉来识别这种范围广泛的可接受焊接，会导致很高的误报率，然后需要人工检测。
settings
获取产品演示
cgnx_pdf
下载电子设备深度学习应用指南
康耐视深度学习的缺陷探测非常适合检测 SIM 卡连接的异常情况。该缺陷探测工具使用一组无缺陷的 SIM 卡图像以及一组有缺陷的 SIM 卡图像进行训练。经过训练后，就能准确地检测出连接器上的各种缺陷，同时让不影响功能的纯粹外观标记通过。
传统的机器视觉只能检测有限的、出现在固定位置的缺陷类型，而深度学习缺陷探测工具可以定义和检测广泛的不同类型的缺陷，无论这些缺陷在被检测物品上的什么位置。由于缺陷探测工具的功能强大，有可能需要减少所需的视觉检测站数量，从而降低测试成本，同时实现高水平的准确缺陷探测。
