마우스 다이오드와 같은 구성 요소가 전기 연결에 간섭 없이 장착되려면 솔더 레지스트를 베어 보드에 깨끗하게 적용해야 합니다. 땜납의 작은 결함조차도 배선 파손, 단락 및 기타 전기적 문제를 일으킬 수 있습니다. 이러한 결함은 정반사 눈부심으로 인해 크기, 모양 및 모양이 다양합니다. 이러한 조건에서 상당한 부품 변동을 허용하는 자동 검사를 프로그래밍하는 것은 어렵습니다.
코그넥스 딥러닝은 동일한 조명 조건에서 다른 방법으로 검사하기 어려울 때 다이오드의 솔더 레지스트를 신속하게 식별합니다. 조립 검증 및 부품 위치 도구는 솔더 레지스트의 대표 이미지 세트를 학습하여 "양호" 및 "불량" 솔더의 정상적인 모양을 학습합니다. 런타임 동안 공구 고정 장치 및 위치는 반사 눈부심의 변화에도 불구하고 PCB에 저항합니다. 검사의 두 번째 단계에서 솔더 레지스트를 검사하여 브리징, 피킹 또는 갭과 같은 기능적 이상을 찾아야 합니다. 감독 모드에서 결함 감지 도구를 사용하여 사용자는 알려진 "양호" 납땜 및 라벨이 부착된 결함이 있는 "불량" 납땜의 대표적인 세트에 대해 도구를 훈련할 수 있습니다.
코그넥스 딥러닝은 이러한 이미지를 기반으로 마우스 다이오드의 자연스러운 질감과 땜납의 정상적인 모양을 학습합니다. 검증 테스트 중에 학습 세트에 이미지를 추가하여 추가 예제를 반영하고 모델을 최적화할 수 있습니다. 교육 및 검증 단계에서 다양한 파라미터를 조정하여 외관 변화를 고려하여 땜납에 결함이 있는 모든 다이오드를 정확하게 감지할 수 있습니다.
COGNEX 제품 적용 솔루션 참조 : www.xvision.co.kr
머신 비전 관련 문의처 ☞ (주)아이디맥스 02-838-1170
공장 자동화를 위한 인공지능 딥러닝 : www.newbrain.co.kr 기술영업문의 : sales@idmax.co.kr
자동인식 전문기업 IDMAX : www.idmax.co.kr 기술영업문의 : sales@idmax.co.kr
자동인식 바코드 스캐너 AS 전문
http://www.barcodeas.co.kr