Prüfung der Smartphone-Lautsprechermembran

Richtige Haftung akustischer Membranen für einen korrekten Klang gewährleisten

Smartphone speaker diaphragm defect inspection fail example

Ähnliche Produkte

In-Sight D900

In-Sight D900

Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse

Die Membran in einer akustischen Einheit eines Smartphones ist die wichtigste Komponente zur Klangerzeugung. Fehler oder Schäden an der Membran stören die Klangerzeugung und verringern die Sprach- und Musikqualität. Die Membran ist ein dünner, biegsamer Kunststoff, der durch zusätzliche Metall- oder Kunststoffstäbe versteift ist. Die Membran und die Versteifungsstäbe werden als Einheit von der Schwingspule in Vibration versetzt.

Die Membran muss zuerst beleuchtet und von der Seite geprüft werden, um sicherzustellen, dass sie an ihren Kanten fehlerfrei ist und gut am Substrat haftet. Falten, Blasen, Fremdkörpereinschlüsse, überschüssiger Kleber und Befestigungsfehler an den Versteifungsstäben beeinträchtigen die Fähigkeit der Membran, zu vibrieren und Töne genau wiederzugeben. Die Membran wird anschließend von oben geprüft. Dazu wird eine zweite Beleuchtungseinstellung verwendet, um die Versteifungsstäbe unter der Membran sichtbar zu machen.

Die Membran wird anschließend von oben geprüft. Dazu wird eine zweite Beleuchtungseinstellung verwendet, um die Versteifungsstäbe unter der Membran sichtbar zu machen. Die Größe und Form der Membran kann je nach Modell variieren. Sogar bei demselben Modell können Muster, Form und Material der Versteifungsstäbe je nach Lieferant in unvorhersehbarer Weise von einer Charge zu anderen variieren. Es ist schwierig, herkömmliche industrielle Bildverarbeitung für alle möglichen Membranformen und die Anordnung der Versteifungsstäbe zu programmieren. Dies ist neben den vielen möglichen Defekten, Formen und Stellen mit überschüssigem Kleber sowie weiteren Bedenken für standardmäßige Bildverarbeitungssysteme fast unmöglich vorherzusagen.

Das Defekterkennungstool von Cognex Deep Learning wird anhand eines Satzes von gekennzeichneten Bildern guter und schlechter Membrankanten und Verklebungen von Verstärkungsstäben trainiert. Das Erkennungstool kann ein viel breiteres Spektrum an Abweichungen der Kanten oder Verstärkungsstäbe erkennen und markieren als herkömmliche industrielle Bildverarbeitung, während rein kosmetische Abweichungen die Prüfung bestehen. Nachdem das Defekterkennungstool trainiert ist, beträgt seine Erkennungsrate von Anomalien über 99 %, was deutlich höher als bei jeglicher programmierten herkömmlichen Bildverarbeitungsprüfung ist.

Empfohlene Cognex-Produkte

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex