电子产品

MLCC 检测

提高 MLCC 自动化检测率并减少误报

MLCC Inspection

相关产品

In-Sight D900

In-Sight D900

采用 In-Sight ViDi 技术的深度学习式视觉软件

ViDi software with all defect detection tools

VisionPro Deep Learning

A breakthrough in complex inspection, part location, classification, and OCR

多层陶瓷电容器 (MLCC) 由带连接集成电路板的金属化端子的堆叠电容器模块组成。MLCC 可能会遇到各种制造缺陷,包括裂纹、起泡、碎屑、污染以及端接涂层中的空隙。这些电容器可存储大量能量,因此故障不仅会影响有缺陷的 MLCC,还会损坏相邻的组件或集成电路板本身。

MLCC 是大批量生产的小零件。它们会有外观、位置差异很大的各种微小缺陷。此外,它们还有反光表面,会限制传统机器视觉的效率。

因此,人工检测仍然发挥着重要作用。自动化光学检测 (AOI) 机器可检测所有电容的所有六个面,然后由人工检测对电容器进行统计采样的一面。但是 AOI 机器有很高的误报率,而人工检测对于一般生产来说又太慢。整个流程昂贵、慢、易出错,而且不会产生可帮助改进流程的有用数据。

获取报价

康耐视专门为 MLCC 检测设计了外观光学检测 (COI) 机器,其中结合了定制照明和深度学习视觉工具。首先,一个为 MLCC 检测定制的照明模块可在最大程度减少不相关的表面差异的同时,显示电容器主体和端子上容易被忽略的缺陷。

MLCC 经过 AOI 机器检测后,再由 COI 机器检测,以便减少误报和报废的合格件数量。与人工检测相比,这款机器有更好的速度、准确度,并可提供流程改进数据。

使用各种无缺陷和有缺陷的 MLCC 的标记图像对康耐视深度学习分类工具进行训练。分类工具学习分类各种可能的缺陷,并学习正常零件的各种差异。经过训练后,它即可扫描所有 MLCC 零件,即时标记超出可接受范围的零件,或之前被标记为缺陷的合格零件。

缺陷分类还可用于上游流程控制,有助于最大程度减少零件缺陷。

精选康耐产品

获取产品支持和培训以及更多

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

联系我们
Loading...