Vérification des insertions avant l’assemblage et inspection esthétique des modules de batterie
Vérifiez l’intégrité des batteries avant l’assemblage final des téléphones portables
Produits connexes
Un environnement de programmation graphique pour l'analyse d'images industrielles basée sur le deep learning
Optimisé par le logiciel de vision basé sur le deep learning In-Sight ViDi
Lors de la vérification des insertions avant l’assemblage, le contenu des téléphones est inspecté pour détecter d’éventuels défauts avant que la coque ne soit assemblée. Les batteries peuvent être endommagées lorsqu’elles sont glissées dans le boîtier. La localisation et l’inspection des batteries sont difficiles en raison de l’arrière-plan confus et chargé des téléphones. Le logiciel de vision basé sur le Deep Learning simplifie la détection et la caractérisation automatiques des défauts sur les surfaces métalliques des batteries.
Cognex Deep Learning permet aux fabricants de vérifier l’intégrité des batteries avant l’assemblage final des téléphones et de faire la différence entre les anomalies esthétiques et fonctionnelles. Grâce à l’outil de détection des défauts en mode supervisé, un ingénieur peut entraîner le logiciel sur de bonnes et mauvaises images présentant des défauts indiqués. L’outil apprend l’aspect normal des batteries, dont les variations naturelles acceptables, à partir de ces images. Les paramètres peuvent être continuellement ajustés lors de la phase d’apprentissage et la période de validation jusqu’à ce que le modèle détecte et segmente correctement toutes les images comportant des anomalies fonctionnelles. Une fois déployé, l’outil de détection des défauts identifie et rejette les batteries présentant des défauts
