Ispezione del diaframma di altoparlanti di smartphone
Assicurarsi che i diaframmi acustici siano correttamente incollati per un suono preciso
Prodotti Correlati
Software di visione basato sul deep learning con tutta la potenza di In-Sight ViDi
Ambiente di programmazione grafica per l'analisi di immagini industriali basata sul deep learning
Il diaframma nell'unità acustica di uno smartphone è il componente chiave per la generazione del suono. Qualsiasi difetto o danno al diaframma interferirà con la generazione del suono e diminuirà la qualità della voce e della musica. Il diaframma è una plastica sottile e flessibile irrigidita da un supporto di barre di metallo o di plastica. Il diaframma e le barre di irrigidimento agiscono come un'unità quando sono messi in vibrazione dalla bobina vocale.
Il diaframma deve essere prima illuminato e ispezionato lateralmente per assicurarsi che sia privo di difetti lungo il suo bordo e che sia incollato correttamente al substrato. Grinze, bolle, inclusioni estranee, colla eccessiva e difetti nell'attacco alle barre di irrigidimento influenzano la capacità del diaframma di vibrare e riprodurre accuratamente il suono. Il diaframma viene poi ispezionato dall'alto, utilizzando una seconda configurazione di illuminazione per rendere visibili le barre di irrigidimento sotto il diaframma.
Il diaframma viene poi ispezionato dall'alto, utilizzando una seconda configurazione di illuminazione per rendere visibili le barre di irrigidimento sotto il diaframma. La dimensione e la forma del diaframma possono variare a seconda del modello. Anche nel contesto dello stesso modello, la sagoma, la forma e il materiale delle barre di irrigidimento possono variare imprevedibilmente da un lotto all'altro a seconda del fornitore. È difficile programmare la visione artificiale tradizionale per ogni possibile forma del diaframma e disposizione delle barre di irrigidimento. Questo aspetto associato alla gamma di possibili difetti, alle possibili forme e alle posizioni di colla in eccesso, nonché ad ulteriori problematiche è quasi impossibile da prevedere per i sistemi standard di visione artificiale.
Lo strumento di rilevamento di difetti del Deep Learning di Cognex si addestra su una serie di immagini etichettate di bordi conformi e non conformi e su adesioni di barre di irrigidimento. Lo strumento di rilevamento è in grado di rilevare e segnalare una gamma molto più ampia di anomalie sia nelle barre di bordo che in quelle di irrigidimento rispetto a quanto non sia in grado di fare la visione artificiale tradizionale, pur superando le variazioni puramente cosmetiche. Una volta che lo strumento di rilevamento dei difetti è addestrato, il suo tasso di rilevamento delle anomalie è superiore al 99%, un dato significativamente superiore a qualsiasi ispezione tradizionale programmata di visione artificiale.
