기판 간(BTB) 커넥터는 케이블을 사용하지 않고 두 개의 인쇄 회로 기판(PCB) 간에 신호 연결을 제공하므로 좁은 구성에서 공간을 절약할 수 있습니다. BTB 커넥터의 한쪽에는 판이 있고 다른 한쪽에는 PCB의 해당 단자와 일치해야하는 접점이 있습니다. 각각은 많은 금속 접점을 고정하는 성형 플라스틱베이스로 구성됩니다.
손상된 요소 또는 오염 물질이 있는 BTB 커넥터는 전기 테스트를 통과하고 허용 가능한 것으로 발송될 수 있습니다. 이러한 부품은 종종 사용 시 신뢰할 수 없으며 현장에서 디버깅하기 어려운 간헐적인 오류를 유발합니다. 육안 검사는 더 신뢰할 수 있으며 이러한 사소한 결함을 표시합니다.
몰딩된 베이스는 화상, 쇼트샷, 먼지, 긁힘, 변형 및 이물질 개재물뿐만 아니라 잘못 배치되거나 구부러지거나 누락된 핀 또는 접점을 포함한 다양한 결함으로 고통받을 수 있습니다. 이러한 결함 중 상당수는 검사에 필요한 빠른 속도와 부피로 사람의 눈으로 식별하기 어렵습니다.
수동 검사는 이러한 커넥터의 균열 또는 성형 결함을 감지하는 데 적합하지만 필요한 속도로만 부품 샘플을 확인할 수 있습니다. 일반적인 검사 절차는 기존의 규칙 기반 비전 툴을 사용하여 각 커넥터를 검사한 다음 커넥터 샘플링을 사람이 검사하는 자동 광학 검사(AOI)입니다. AOI 기계는 높은 오탐 또는 과잉 비율을 가질 수 있지만 수동 검사는 검사된 비교적 작은 샘플에서도 처리 속도가 낮습니다.
코그넥스 딥러닝은 볼륨과 정확도를 모두 향상시켜 시장 수요를 충족하는 데 도움이 됩니다. 코그넥스 딥러닝의 결함 검출 툴은 양호한 BTB 연결과 불량한 BTB 연결의 라벨링된 이미지 세트를 학습시킵니다. 그런 다음 커넥터의 어느 곳에서나 이상을 안정적으로 감지하고 표시하여 결함이 없는 커넥터만 기판 조립품으로 이동하도록 합니다.
BTB 커넥터 검사는 예측할 수 없는 변동을 처리해야 하며, AOI 머신 내의 코그넥스 딥러닝은 이러한 변동을 보다 빠르고 정확하게 식별할 수 있습니다. 기존의 규칙 기반 머신 비전과 비교하여 딥 러닝은 엄격한 처리량 요구 사항에서도 고속 검사를 유지할 수 있습니다. 이는 모든 제품이 인간 검사관의 후속 통계 샘플 없이 검사를 위해 AOI 기계를 통과할 수 있음을 의미합니다. AOI 기반 검사 속도는 인간 검사자의 두 배이며 정확도는 대부분의 인간 검사자의 필요성을 제거합니다.
'자료실 > 이미지' 카테고리의 다른 글
| DataMan 370 Series를 이용한 토크 컨버터 및 엔진 밸브 추적성 (0) | 2024.03.28 |
|---|---|
| VisionPro와 코그넥스 산업용 카메라를 이용한 스태킹 정렬 (0) | 2023.06.16 |
| DataMan 150/260 Series를 이용한 성능 및 코드 품질 피드백 (0) | 2023.01.06 |
| 바코드 리더기와 인사이트 비전 시스템을 이용한 포장 추적성 (0) | 2023.01.06 |
| 휴대형 바코드 리더기를 이용한 키팅(Kitting) 프로세스 개선 (0) | 2022.10.14 |
