Дефектоскопия на базе AI применяется для контроля SMT (технологии поверхностного монтажа), а также монтажа микросхем в DIP-корпусах в основном при производстве ноутбуков и серверов.
Автоматическая оптическая инспекция (AOI) может быть высокоэффективным способом контроля, но многие производители выставляют параметры на чрезмерно высокий уровень, что приводит к избыточной чувствительности машины. Это вызывает необходимость в ручной работе, которую приходится проводить для повторного контроля выбракованной автоматикой продукции.
В попытке обеспечить более качественную дефектоскопию, для проведения которой не требуются привлекать людей, в Wistron задействовали базу, содержащую порядка 150 тысяч изображений для обучения системы AI на основе глубокого обучения 15-ти моделям распознавания дефектов на линии SMT. Время распознавания не превышает 0.01 с. На линии для контроля монтажа микросхем в DIP-корпусах, задействован AI, обученный на 130 тысячах изображений.
Первый шаг в использовании AI для дефектоскопии - выявить какие дефекты следует искать, второй шаг - это разметка данных. В Wistron собрали более 1 млн изображений, но из них выбрали только 150 тысяч, которые представляют различные виды дефектов. Источник: digitimes.com
----
За новостями микроэлектроники и полупроводников удобно следить в телеграм-канале RUSmicro
За новостями робототехники и ИИ удобно следить в телеграм-канале prorobots - основные новости; телеграм-трансляции, посвященных робототехнике, больше новостей - в телеграм-канале prorobotsRealTime - подпишитесь прямо сейчас.