Detecção e Classificação de Defeitos Estéticos de Moldagem em CI
Identifique e classifique automaticamente os defeitos de moldagem para aumentar o rendimento e a lucratividade
Produtos Relacionados
Ambiente de programação gráfica para análise de imagem industrial baseada em deep learning
Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning
O sucesso ou o fracasso de um produto CI depende da qualidade do processo de moldagem, que protege os chips dos danos infligidos por forças externas e umidade. Defeitos como rachaduras, dilapidações ou ocos podem ser incorporados na superfície de moldagem enquanto um chip está sendo moldado. A inspeção humana muitas vezes não percebe rachaduras minúsculas ou espaços ocos de baixo contraste. Também é muito desafiador para os sistemas de visão convencionais baseados em regras detectar a região defeituosa com uma definição clara do defeito. Existem vários tipos de defeitos, como rachaduras, bordas irregulares e deformações. Muitas anomalias também são defeitos; no entanto, os sistemas de visão baseados em regras não podem diferenciar com eficácia uma anomalia menor que está dentro da tolerância de um defeito claro que indica que o chip deve ser jogado fora. A incapacidade de classificar padrões de defeitos inibe as equipes de produção de compreender rapidamente onde há potenciais problemas.
As ferramentas do Cognex Deep Learning ajudam fabricantes a identificar e classificar defeitos de moldagem reais. Esta solução de visão avançada é configurada usando uma série de imagens que representam resultados bons e Não é Bom (NG), permitindo que o software omita anomalias que estão dentro da tolerância e sinalizando aquelas que são defeitos realmente significativos. A ferramenta de localização da Cognex identifica a região de interesse (ROI). Uma vez que a ROI é definida, a ferramenta de detecção de defeitos identifica o defeito dentro daquela área. A ferramenta de classificação então categoriza vários tipos de defeitos. Usando essas informações, os gerentes de produção não apenas aumentam o rendimento de seus CIs acabados, mas também usam as informações de classificação para resolver problemas de produção e corrigi-los, o que aumenta a lucratividade.
