PRÜFUNG DER VERKAPSELUNG VON HIGH-POWER-LEDS
Erkennen von verschiedenen Fehlern während des LED-Verkapselungsprozesses
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Für Beleuchtungs-Anwendungen in der Automobilindustrie eingesetzte Hochleistungs-LEDs durchlaufen nach dem Aufkleben auf das Substrat einen Verkapselungsprozess (Potting). Dieser Vorgang bietet sowohl Schutz für jede Matrize als auch einen Diffusionsfilter, um das abgegebene Licht abzuschwächen. Hochgeschwindigkeitsdosiermaschinen füllen jedes LED-Gehäuse mit einem Verkapselungsmaterial, das aus einer Mischung aus Epoxid und Phosphor besteht. Nach der Dosierung werden automatisierte Prüfungen durchgeführt, um eine gleichbleibende Qualität zu gewährleisten.
Bei diesem Vorgang kann es zu einer Vielzahl von Defekten kommen, wie z. B. Luftblasen, Risse, zu viel, zu wenig oder fehlendes Verkapselungsmaterial und Fremdkörper. Kleinere Mängel werden innerhalb einer bestimmten Toleranz akzeptiert, andernfalls werden sie aussortiert und müssen repariert oder entsorgt werden. Auf Grund der Vielfalt und der unterschiedlichen Grenzwerte in Bezug auf die Mängel ist dieser Prüfungsprozess zu komplex für herkömmliche regelbasierte Bildverarbeitungswerkzeuge.
KI-basierte Lösungen von Cognex helfen Herstellern von High-Power-LEDs bei der Identifizierung und Klassifizierung bedeutender Verkapselungsfehler. Diese fortschrittliche Bildverarbeitungslösung wird anhand einer Reihe von Bildern trainiert, die sowohl gute (OK) als auch nicht gute (NOK) Ergebnisse zeigen. So kann die Software Anomalien überspringen, die innerhalb des Toleranzbereichs liegen und jene erkennen, bei denen es sich wirklich um erhebliche Mängel handelt. Das Lokalisierungstool identifiziert den Zielbereich (ROI), der geprüft werden soll. Nach Festlegung des ROI erkennt das Defekterkennungstool alle wesentlichen Mängel in diesem Bereich.
Das Klassifizierungstool kategorisiert mehrere Fehlertypen. Die Produktionsleitung kann mithilfe dieser Informationen den Ertrag ihrer fertigen LEDs steigern und die Klassifizierungsinformationen nutzen, um Produktionsprobleme zu erkennen und zu beheben, wodurch sich die Rentabilität und die Gesamteffizienz der Betriebsanlagen (OEE) gesteigert werden.
