Produtos Eletrônicos

Inspeção de Solda no Ponto da Bobina de Voz do Smartphone

Assegure a soldagem correta dos fios de entrada para as almofadas de contato de saída

Smartphone voice coil spot weld inspection fail examples

Produtos Relacionados

In-Sight D900

In-Sight D900

Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Ambiente de programação gráfica para análise de imagem industrial baseada em deep learning

A bobina de voz em um smartphone é o que vibra o diafragma do alto-falante para fazer um som. Ela responde a um sinal elétrico que vem de dois fios de entrada flexíveis conectados às almofadas de contato de saída através da soldagem por pressão térmica. Os fios de entrada são finos, portanto, a margem de erro em uma boa solda é extremamente pequena.

Existem muitos defeitos possíveis:

  • Fio quebrado ou ausente
  • Soldagem excessiva, o que pode encurtar a vida útil do fio
  • Pouca soldagem, o que cria um contato fraco que pode separar
  • Solda ausente, o que coloca o fio no local certo, mas desconectado
  • Conexão incorreta, posicionando o fio conectado ao local errado na almofada de contato de saída

Conexões com pouca solda ou solda em excesso podem passar na inspeção elétrica, mas depois falham prematuramente no uso em campo. A inspeção visual pode detectar de forma mais confiável esses defeitos.

A ampla variedade de problemas de soldagem possíveis torna extremamente difícil para os sistemas de visão tradicionais serem programados para encontrar todos eles. O fundo contra o qual o fio e a solda são vistos é variável e as almofadas de contato de saída também são texturizadas, aumentando a complexidade da imagem. Lotes diferentes de almofadas de contato podem ter uma aparência diferente, mudando o fundo e levando a uma queda repentina na precisão.

Além disso, boas soldas de ponto podem variar amplamente em forma, cor, textura e outras características. Usar os sistemas de visão baseados em regras tradicionais para identificar esta ampla variedade de soldas aceitáveis leva a uma alta taxa de falsos positivos, que precisam ser inspecionados manualmente.

A detecção de defeitos com o Cognex Deep Learning é ideal para detectar anomalias nas conexões do SIM card. A ferramenta de detecção de defeitos é treinada tanto em um conjunto de imagens de SIM cards sem defeitos bem como defeituosos. Uma vez treinada, ela detecta com precisão uma ampla variedade de defeitos no conector ao passar por marcas puramente estéticas que não afetam a função.

Os sistemas de visão tradicionais só conseguem detectar um número limitado de tipos de defeitos que ocorrem em uma posição fixa, enquanto a ferramenta de detecção de defeitos com Deep Learning define e detecta uma ampla variedade de diferentes tipos de defeitos, independentemente de onde estão no item que está sendo inspecionado. Por causa dos recursos da ferramenta de detecção de defeitos, é possível reduzir o número de estações de inspeção de visão necessárias, o que reduz os custos de testes, ao mesmo tempo em que atinge altos níveis de detecção precisa de defeitos.

 

Exemplos de aprovação e reprovação na inspeção da solda de ponto na bobina de voz do smartphone

 

PRODUTOS COGNEX EM DESTAQUE

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex

TEM ALGUMA PERGUNTA?

Os representantes da Cognex estão disponíveis em todas as regiões do mundo para ajudar com as suas necessidades de visão e leitura industrial de códigos de barras

Fale Conosco