SIM-Karten-Anschlussprüfung
Fehler an SIM-Karten-Anschlüssen vor anspruchsvollen Oberflächen erkennen
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Eine SIM-Karten-Halterung ist eine flache Schale mit sechs oder acht Kontakten, die das mühelose Ein- und Ausstecken der SIM-Karte (Subscriber Identity Module) ermöglicht und gleichzeitig die Karte während der Verwendung sicher hält. Diese Lösungen kommen in vielen mobilen Anwendungen zum Einsatz.
Die Oberfläche einer SIM-Karten-Halterung kann viele Fehler aufweisen, einschließlich Kratzer, Druckstellen und Verformungen. Diese können auf der häufig schwarzen oder dunklen Oberfläche schwer zu finden und zu erkennen sein.
Das Auffinden dieser Mängel ist für herkömmliche industrielle Bildverarbeitung schwierig und erfordert in der Folge oft mehr als ein Gerät zur automatisierten optischen Inspektion (AOI). Und selbst dabei wird nur eine beschränkte Erkennungsfähigkeit erzielt. Selbst mit mehreren AOI-Geräten kann nur eine begrenzte Fehleranzahl programmiert werden.
Die Deep-Learning-Defekterkennung von Cognex eignet sich perfekt zur Erkennung von Abweichungen auf SIM-Karten-Anschlüssen. Das Defekterkennungstool wird anhand eines Bildsatzes mit fehlerfreien SIM-Karten sowie eines Bildsatzes mit fehlerhaften SIM-Karten trainiert. Nach dem Training erkennt es viele Fehler am Steckverbinder genau, während rein kosmetische Abweichungen, welche die Funktion nicht beeinträchtigen, die Prüfung bestehen.
Herkömmliche industrielle Bildverarbeitung kann nur eine begrenzte Zahl an Fehlertypen, die in gleichbleibender Position auftreten, erkennen. Das Deep-Learning-Defekterkennungstool erkennt hingegen viele verschiedene Fehler, unabhängig davon, wo sie sich auf dem geprüften Artikel befinden. Durch die Fähigkeiten des Defekterkennungstools ist es möglich, die Zahl der erforderlichen Bildverarbeitungsinspektionsstationen zu reduzieren. Das senkt die Kosten, während ein hoher Grad genauer Defekterkennung erzielt wird.
