行业案例 | 缺陷自动检测及分类(ADC)解决方案

发布日期:2022-08-02    浏览次数:160

在生产制造过程中,传统人工缺陷检测的方式已经无法满足检测需求,智能化的检测技术逐渐发挥着越来越重要的作用。以在电子行业应用率较高的AOI(自动光学检测)技术为例,AOI是先将疑似缺陷产品检出,然后由人工判别缺陷种类和缺陷位置,虽然已融入自动化生产步骤,但仍然有检测过程耗时耗力、成本高的不便之处。

明治传感器推出的自动缺陷检测及分类 (ADC,Automatic Defect Classification) 解决方案,可以将在生产过程中产生的不良问题,例如不良种类、不良大小、位置等,进行综合计算和缺陷的自动分类;对一些干扰因素,如环境干扰、设备故障等进行及时修正和改善,避免不良品的继续产生。同时,也为后续的返工(Rework)、返修(Repair)等工艺操作提供指导,提高效率,降低整个系统的不良率,及时减少返工和返修的工作量,显著提升缺陷辨识率、缺陷分类正确率和检测效率。

这套方案架构被应用于某半导体龙头企业的液晶面板缺陷检测中,实现了99%缺陷识别和自动分类,人力成本节约了近80%。


方案价值


√ 提升速率

缺陷识别速度从人工分类的2~3s/张提升到250ms/张,产品良率提升5%-6%,漏检率<0.5%,可节省80%的缺陷分类人力成本;通过缺陷类型训练与迭代,缺陷识别率最高可达99%以上。


√  缺陷判定与分类

通过模型训练系统具备缺陷判别知识,ADC可进行缺陷自动分类与判别,能够全覆盖实时检测各种产品缺陷。此外,系统同时通过传感设备修正错误结果,实时将修正结果反馈到 ADC,让模型得到持续学习,提升缺陷判别效果。


训练有素的模型甚至可以检测到肉眼几乎看不见的微小缺陷,工程师们已经得心应手地使用深度学习技术来发现微芯片、变压器、显示器、CPU和其他制造部件中的潜在异常——其中包括许多非常小的部件,还可应用于太阳能电池表面的缺陷分析、PCB假点检测与分析等。


上一篇:行业知识 | 激光位移传感器组合应用的计算方法

下一篇:七夕快到了,连传感器都是成双成对的