Inspección de la soldadura por puntos de la bobina del audio del teléfono inteligente

Asegurar la correcta soldadura de cables de entrada en las almohadillas del contacto de salida

Smartphone voice coil spot weld inspection fail examples

Productos Relacionados

In-Sight D900

In-Sight D900

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

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Entorno de programación gráfica para análisis de imágenes industriales basado en el Deep Learning

La bobina del audio en un teléfono inteligente es lo que hace vibrar al diafragma del altavoz para generar sonido. Responde a una señal eléctrica que proviene de dos cables de entrada flexibles conectados a las almohadillas de contacto de salida mediante soldadura apresión contermita. Los cables de entrada son finos, por lo que el margen de error para una buena soldadura es ínfimo.

Existen muchos defectos posibles:

  • Cable roto o ausente
  • Soldadura excesiva, lo que puede acortar la vida útil del cable
  • Poca soldadura, que crea un contacto débil que puede separarse
  • Error de soldadura, que coloca el cable en el lugar correcto, pero desconectado
  • Error de conexión, donde el cable está conectado al lugar equivocado de la almohadilla de contacto de salida

Las conexiones con poca o mucha soldadura pueden aprobar una inspección eléctrica, pero fallarán en forma prematura durante su uso en campo. La inspección visual puede detectar estos defectos en forma más consistente.

La amplia variedad de problemas de soldadura posibles hace que sea extremadamente difícil programar la visión artificial tradicional para que los detecte todos. El fondo sobre el que se ven el cable y la soldadura es variable, y las almohadillas de contacto de salida también son texturizadas, lo que aumenta la complejidad de la imagen. Diferentes lotes de almohadillas de contacto pueden tener un aspecto diferente, lo que cambia el fondo y genera una caída repentina de la precisión.

Además, las soldaduras por puntos buenas pueden variar mucho en cuanto a forma, color, textura y otras características. El uso de la visión artificial tradicional basada en reglas para identificar esta amplia variedad de soldaduras aceptables conduce a un alto índice de falsos positivos, que luego deben ser inspeccionados manualmente.

La detección de defectos de Cognex Deep Learning es ideal para detectar anomalías en las conexiones de las tarjetas SIM. La herramienta de detección de defectos se entrena con un conjunto de imágenes de tarjetas SIM sin defectos y otro de imágenes de tarjetas SIM defectuosas. Una vez entrenada, detecta con precisión una amplia variedad de defectos en el conector y aprueba marcas estéticas que no afecten la función.

La visión artificial tradicional solo puede detectar una cantidad limitada de tipos de defectos que suceden en una posición fija, mientras que la herramienta de detección de defectos de Deep Learning define y detecta una amplia variedad de tipos distintos de defectos, sin importar su ubicación en el artículo inspeccionado. Las capacidades de la herramienta de detección de defectos posibilitan disminuir la cantidad de estaciones de inspección de visión necesarias, lo que reduce los costos de los análisis a la vez que se alcanzan altos niveles de precisión en la detección de defectos.

 

Ejemplos de aprobado y fallo de inspección de soldadura por puntos de bobina del audio del teléfono inteligente

 

Productos destacados de Cognex

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex