Ispezione di saldature a punti su bobine vocali di smartphone

Assicurare la corretta saldatura dei fili di ingresso alle piastre di contatto di uscita

Smartphone voice coil spot weld inspection fail examples

Prodotti Correlati

In-Sight D900

In-Sight D900

Alimentato dal software di visione basato sul Deep Learning In-Sight ViDi

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Ambiente di programmazione grafica per l'analisi di immagini industriali basata sul deep learning

La bobina vocale di uno smartphone è ciò che fa vibrare il diaframma dell'altoparlante per produrre un suono. Risponde a un segnale elettrico che proviene da due fili di piombo flessibili collegati alle piastre di contatto di uscita mediante saldatura a pressione di termite. I fili di piombo sono sottili, quindi il margine di errore per una buona saldatura è estremamente ridotto.

Vi sono numerosi difetti possibili:

  • Filo rotto o mancante
  • Sovra-saldatura, che può accorciare la vita del filo
  • Sotto-saldatura, che crea un contatto debole a rischio di separazione
  • Saldatura mancata, che lascia il filo nella giusta posizione, ma non collegato
  • Collegamento errato, che lascia il filo collegato alla posizione sbagliata sul pad di contatto dell'uscita

Le connessioni con saldature insufficienti o eccessive possono superare l'ispezione elettrica ma poi fallire prematuramente nell'uso sul campo. L'ispezione visiva può rilevare in modo più affidabile questi difetti.

L'ampia gamma di possibili problemi di saldatura rende estremamente difficile la programmazione per l’individuazione totale della visione artificiale tradizionale. Lo sfondo su cui si vedono il filo e la saldatura è variabile, e anche le piastre di contatto di uscita sono testurizzate, in aggiunta alla complessità dell'immagine. Lotti diversi di piastre di contatto possono avere un aspetto diverso, cambiando lo sfondo e portando a un improvviso calo della precisione.

Inoltre, le saldature a punti conformi possono variare ampiamente in forma, colore, consistenza e altre caratteristiche. L'uso della visione artificiale tradizionale basata su regole per individuare questa vasta gamma di saldature accettabili porta a un alto tasso di falsi positivi, che poi devono essere ispezionati manualmente.

Ottieni una Demo

Il rilevamento di difetti del Deep Learning di Cognex è ideale per individuare le anomalie sulle connessioni delle schede SIM. Lo strumento di rilevamento di difetti si allena su un insieme di immagini di schede SIM prive di difetti e su un insieme di immagini di schede SIM difettose. Una volta addestrato, rileva accuratamente una vasta gamma di difetti nel connettore mentre supera segni puramente estetici che non influenzano il funzionamento.

La visione artificiale tradizionale può rilevare solo un numero limitato di tipi di difetti che si verificano in una posizione fissa, mentre lo strumento di rilevamento di difetti con Deep Learning definisce e rileva una vasta gamma di diversi tipi di difetti, indipendentemente da dove si trovano sull'articolo ispezionato. Grazie alle capacità degli strumenti di rilevamento di difetti, è possibile ridurre il numero di stazioni di ispezione visiva necessarie, il che abbassa i costi dei test, pur raggiungendo alti livelli di preciso rilevamento di difetti.

 

Esempi di ispezione superata e non superata della saldatura a punti della bobina vocale dello smartphone

 

Prodotti Cognex presentati

OTTIENI L’ACCESSO AD ASSISTENZA E FORMAZIONE IN MERITO AI PRODOTTI E MOLTO ALTRO ANCORA

Entra a far parte di MyCognex