大数跨境

矩案例 | 电子元器件焊锡饱满度检测和歪片检测

矩案例 | 电子元器件焊锡饱满度检测和歪片检测 矩视智能
2022-08-19
0

任何产品在生产的时候或多或少都会产生少数外观不良,电子元器件当然也不例外。


用电烙铁焊接元件是基本的装配工艺,焊点在电子产品中具有重要的作用,焊点质量的好坏紧密关系到产品的使用性能和可靠性,而电子元件焊点检测则是保证电子产品出厂质量的关键环节,电子元件焊点检测技术是保障电子产品质量与可靠性的关键技术。


传统的手工焊接方式常常导致焊点一致性较差,焊接缺陷难以避免;然而,就算是装配行业进入了表面组装时代,因为其装配过程需要通过锡膏印刷、元件贴片和再流焊接的程序,而这些程序也较难于精细控制,也会导致发生较多的焊接缺陷。如果这些焊接缺陷不能被及时发现和修复,将对产品的可靠运行产生极大的影响。作为保障焊点质量的关键环节,焊点检测对产品的成败起着举足轻重的作用。


各种电子产品中的元器件均有自身特点,所以检查时要按各元器件的具体要求确定检查内容。


为帮助大家深入了解,今天,小矩为大家分享合作伙伴运用矩视智能低代码平台完成的“电子元件焊锡饱满度检测和歪片检测”检测的案例。



电子元件焊点缺陷分析


  //  

短 路:不在同一条线路的两个或以上的点相连并处于导通状态。


起皮 :线路铜箔因过分受热或外力作用而脱离线路底板。


少锡:焊盘不完全,或焊点不呈波峰状饱满。


假焊:焊锡表面看是波峰状饱满,显光泽,但实质上并未与线路铜箔相熔化或未完全熔化在线路铜箔上。


脱焊:元件脚脱离焊点。


虚焊:焊锡在引线部与元件脱离。


角焊:因过分加热使助焊剂丢失多引起焊锡拉尖现象。


拉尖:因助焊剂丢失而使焊点不圆滑,显得无光泽。


元件脚长:元件脚露出板底的长度超过1.5-2.0mm。


盲点:元件脚未插出板面。



电子元件焊锡

饱满度和歪片检测案例


01

检测物


电子元件焊锡



02

检测项目


检测焊锡饱满度和中间的方形焊片是否歪片

03

技术要求


准确率99%以上,过杀率1%以内,漏检率千分之一以内,没有焊锡或者脱落的情况必须要检出;

将检测结果通过TCP通讯发给PLC,上位机实现逻辑判断和不良的剔除。

04

检测难点


焊锡饱满度检测需要经过大量学习,传统视觉无法准确检测,因为焊锡效果变化性大,焊后特征面不规则。

05

方案设计


标签分类

客户收集30张以上代表性的图像并上传矩视智能低代码平台,采用目标定位功能,根据检测需求,分别进行标签分类。

根据客户提供样本图片,缺陷类型分为焊锡OK、焊锡NG、歪片NG、歪片OK。


标注缺陷

云平台支持同一模型下,同时检测同一张图片内的多种缺陷,并对其进行分类。

所以,上传图像后根据标签对元件的所有缺陷类型进行缺陷特征标注,并利用深度学习技术训练模型,实现对标记特征缺陷的定向识别检测。


训练测试

利用一个带标签的图像集作为训练集,对卷积神经网络开展训练,模型会自动学习样本中不同等级元件缺陷的特征,模型训练成功后,利用已有训练模型,对未标注图像进行测试,未标注图像自动标注成功,很容易对不同特征的元件进行分类。


06

检测前后对比


情况①:焊锡OK、歪片NG

拍摄原图

测试效果图


情况②:焊锡OK、歪片OK

拍摄原图

测试效果图


情况③:焊锡NG、歪片NG

拍摄原图

测试效果图


情况④:焊锡NG、歪片OK

拍摄原图

测试效果图


07

项目效果



结论:焊锡效果变化性大,焊后特征面不规则,适合用AI检测。



矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台,始终秉承0成本、0代码、0门槛、0硬件的产品理念。

平台以人工智能技术为核心,在机器视觉应用开发环节,为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、3D测量、视频开发等上百项通用功能,致力于成为全球用户量最多,落地场景最广泛的机器视觉低代码平台。

现在长按下方二维码,即可获得立即免费试用机会!


如果您有相关检测需求
可扫码申请  ·  免费试用
👇👇👇
申请后我们会有工作人员第一时间与您联系
请耐心等待!

—往期回顾—


更多功能正在开发中,最新信息会第一时间在官方公众号进行公布,大家持续关注哦!

【声明】内容源于网络
0
0
矩视智能
1234
内容 312
粉丝 0
矩视智能 1234
总阅读0
粉丝0
内容312