Prüfung der Kondensatorlötung
Erkennung von Lötfehlern mit Deep Learning
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Kondensatoren sind wichtige elektronische Bauteile, die in Inverter, Ladegeräte und andere Kreisläufe von Elektrofahrzeugen (EV) gelötet sind. Sie können auch mit Superkondensatoren oder Ultrakondensatoren verbunden sein. Der geringe Widerstand und die hohe Strombelastbarkeit dieser elektrischen Lötverbindungen sind für den EV-Betrieb wesentlich. Die Effizienz des Fahrzeugs leidet, wenn eine Kondensatorverbindung schwach ist und schlecht leitet. Bricht eine wichtige Verbindung vollständig zusammen, kann dies schwerwiegende Störungen nach sich ziehen. Liegt zum Beispiel in der Hilfsbatterie eine kaputte Verbindung vor, muss das Fahrzeug möglicherweise vollkommen abgeschaltet und gewartet werden.
Lötverbindungen können völlig unterschiedlich aussehen, ohne die Funktion zu beeinflussen, während nicht annehmbare Verbindungen ähnlich wie funktionierende aussehen können. Aufgrund der Folgen von Verbindungsproblemen müssen gelötete Teile mit vermuteten Mängeln oft herausgenommen und geröngt werden, um ihre Verbindungen zu prüfen, was zusätzliche Kosten und Verzögerungen nach sich zieht.
Die Deep-Learning-Defekterkennungs- und Klassifizierungstools von Cognex werden anhand vielfältiger guter und fehlerhafter Lötverbindungsvariationen geschult und lernen die genaue Klassifizierung, um funktionelle Fehler von rein kosmetischen zu unterscheiden. Der Einsatz eines beispielbasierten Ansatzes anstelle der traditionellen regelbasierten Bildverarbeitung verkürzt die Zeit für die Anwendungsentwicklung.
