自动缺陷检测与分类系统(ADC) 鲲鹏

成都数之联科技有限公司

共 1363字,需浏览 3分钟

 ·

2020-11-10 20:21

商品详情

商品亮点
  • 不间断,不疲劳;
  • 速度快,平均1秒至少可判5张以上;
  • 准确率及稳定性远高于人员;
  • 实时监控各不良状况,可进行Alarm;
  • 一键不良统计,助力不良分析。
商品说明
版本: V1.0 交付方式: 解决方案
适用于: Windows/Linux 上架日期: 2020-09-18
数之联自动缺陷检测与分类系统基于机器视觉和图像识别等AI算法技术,提供AI自动缺陷检测和分类判图服务,旨在解决工厂人工作业判图结果不稳定,效率低,人工成本高等问题。
核心功能:
采用机器视觉检测技术,利用CCD工业相机模拟人眼对表面外观进行缺陷检出和尺寸测量;通过对图像的抓取,参数的分析,数据的对比,准确对被检测部件的瑕疵点进行定位;通过系统触发检测报警、界面呈现和反馈动作,同时生成详细检测报告。主要系统核心业务如下:
1. 缺陷检出:系统自动对AOI等生产检测设备生成的图像进行缺陷检测,根据模型学习训练标准对缺陷类型CODE进行判决,并标注缺陷的位置、大小等信息,辅助人工复判,系统检测出的每个缺陷都可以声音和灯闪的形式提示,可以输出一个信号给检验机用于停机。
2. 缺陷分类:基于深度视觉处理引擎,突破传统图像处理技术的瓶颈,提供高精准的缺陷分类结果,即时显示缺陷,标注缺陷的类别等信息。
3. 缺陷判定:系统依据客户生产业务规则,对缺陷后道输出规则进行处理并输出最终类型判定结果,动态显示缺陷map并用不同颜色区别类型,可以回放和查询历史记录和报表。
4. 数据交互:ADC系统通过直连、DBLink、Tibco RV等通信连接方式与生产作业环境中DFS、EDA、MES等各个系统交互对接,获取ADC需要的数据源及回传判图结果。

用户案例

T社
3D Cover Glass表面缺陷检测
某面板厂模组工厂在来料3D Cover Glass外观检测过程中,通过光学设备进行图像采集后依靠人力目视全检,检出效率低,检出准确率低。
通过对光学器件厂商提供的图片进行预处理、缺陷定位、分类、判定以及结果输出,将检测分类结果推送至物流系统并分发至不同Port进行后续处理,提升检测效率同时保证了后续制程的正常进行。
检测效果:
不良检出率:≥98%
过检率:≤2%
检出时长:4s/张(图片大小>80M)
C社
布匹检测
布匹生产工艺
1,有翻布、前处理、染色、后处理四个主要环节;
2,前处理又有以下环节:拉毛、剪毛、烫布、上柔、定型烘干
3,后处理根据订单不同可能也有以上环节的部分;
整个过程涉及 色差、褶皱、破损、结头、异物嵌入等织物各类缺陷,人工检测根本难以覆盖
缺陷种类:
色差、褶皱、破损、结头、异物嵌入等织物各类缺陷
检测准确率95%以上。
可生产缺陷报表分析,软件功能定制化。
M社
PCB焊后检测
电子元器件微组装工艺过程中,需要通过AOI设备拍照的方式完成对焊接质量的检测,但需要投入大量人员对图片进行目视检测,同时不同人员的技术水平不一致导致缺陷识别不准确,检测效率低下。
通过图片缺陷检测分类系统,利用机器学习方法,建立图像自动识别模型,对PCB生产过程中所产生的立碑、焊迹残留、偏移等主要缺陷的自动识别。
检测效果:
分类精确度:98%
浏览 9
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报