Kosmetische Prüfung von LED-Chips mit automatisierter optischer Prüfung (AOI)
Erkennung von Defekten in der transparenten Kunststoffverpackung von Toilettenpapier
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Nachdem die LED-Chips auf dem Wafer hergestellt wurden, müssen sie auf Oberflächenfehler wie Risse, Absplitterungen und dunkle Flecken untersucht werden, da diese Mängel die Qualität und Leistung der LED beeinträchtigen können. Da diese Arten von Defekten variieren und an verschiedenen Stellen auftreten können, ist eine regelbasierte Bildverarbeitung für die Hochgeschwindigkeitsprüfung nicht geeignet. Außerdem können normale Abweichungen auftreten, welche die Qualität des LED-Chips nicht beeinträchtigen, sodass es für das System wichtig ist, diese kleinen Fehler zu ignorieren. Angesichts der Größe und der Menge der LED-Chips, die tagtäglich verarbeitet werden, ist das Prüfen durch den Menschen weder effizient noch praktisch.
KI-basierte Bildverarbeitungssysteme und Software von Cognex helfen Herstellern bei der Identifizierung und Klassifizierung echter LED-Chip-Fehler. Diese erweiterte Bildverarbeitungslösung wird anhand einer Reihe von Bildern trainiert, die sowohl gute als auch nicht gute (NOK) Ergebnisse zeigen, so dass die Software nur signifikante Fehler markiert. Das Lokalisierungstool erkennt den Zielbereich (Region of Interest, ROI). Nach Festlegung des ROI erkennt das Defekterkennungstool den Fehler in diesem Bereich. Das Klassifizierungstool kategorisiert dann die Fehlertypen. Die Produktionsleitung kann mithilfe dieser Informationen nicht nur den Ertrag ihrer fertigen LEDs steigern, sondern auch die Klassifizierungsinformationen dazu nutzen, Produktionsprobleme zu erkennen und zu beheben, wodurch wiederum die Rentabilität gesteigert wird.
