Inspección de soldaduras de punto

Clasifique con precisión la calidad de la soldadura por puntos minimizando los falsos positivos

Spot Weld Inspection

Productos relacionados

In-Sight D900

In-Sight D900

Impulsado por el software para visión basado en el Deep Learning In-Sight ViDi

ViDi software with all defect detection tools

VisionPro Deep Learning

A breakthrough in complex inspection, part location, classification, and OCR

Para garantizar una conexión eléctrica firme, se deben soldar por puntos entre sí o a los terminales. La soldadura es fusionar dos metales para formar una conexión firme. Es importante que la soldadura se fusione adecuadamente, que tenga un volumen adecuado pero no excesivo y que su forma y posición sean correctas. Los fabricantes suelen a tener muchas líneas de producción para diferentes piezas electrónicas y necesitan garantizar que todas las conexiones sean seguras.

Debido a que las soldaduras por puntos tienen una gran variación y falta de uniformidad en su apariencia, que incluyen la forma, la posición, el color, la reflectividad, la textura y las marcas en la superficie, las inspecciones pueden tener un alto índice de falsos positivos, también conocidos como excesos. Los excesos causan que piezas adecuadas sean descartadas. Las buenas soldaduras incorrectamente marcadas como defectuosas tienen que pasar por una inspección manual, que es extremadamente lenta en comparación con las velocidades de la línea de producción, y aun así a menudo resulta en defectos de soldadura incorrectamente identificados.

Las piezas también varían entre sí en su tamaño, color y otras características. La amplia gama de variaciones y la dificultad de diferenciar entre conexiones buenas y malas hacen que la visión artificial basada en reglas no sea práctica.

Los usuarios entrenan la herramienta de detección de defectos de deep learning de Cognex con una amplia selección de conexiones soldadas por puntos sin defectos para aprender la variación completa de las piezas normales. A medida que la herramienta escanea las soldaduras de punto, analiza y marca las que están fuera del rango aceptable, minimizando los falsos positivos.

A partir de eso, la herramienta de clasificación de deep learning de Cognex puede entrenarse en una serie de defectos de soldadura etiquetados y aprender a categorizar tipos de defectos específicos, como malas formas, ampollas, fisuras, quemaduras o contaminaciones superficiales. Estos defectos categorizados se pueden usar en el control del proceso más adelante para minimizar los defectos con el tiempo.

Productos destacados de Cognex

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex