AoI-深度學習

特性

• 3D表面對焦不易，必須克服景深。
• 瑕疵沒有固定發生的位置。
• 瑕疵種類多，不易分類。
• 檢查時間要比人工快。

案例二 某電路載板廠自動真空包裝系統

解決方案重點

• 整合工序上面不同機台
• 整合機械手臂
• AOI檢查移動中的ORCode
• AOI辨識標籤、乾燥劑
• AOI辨識打帶正確與否
• AOI辨識真空破包

特性

• 多個工站: 方檢機、噴印、置放試紙乾燥包 、打帶、真空包裝、自動夾取入箱。
• 必須整合多部PLC依序運作。
• AOI檢查噴印內容、缺料、打帶、真空破包。

案例三 工業濾心氣泡檢查

解決方案重點

• 設計讓相機在X-Y table移動中拍攝
• 自動加壓產生氣泡
• 移動中判斷氣泡的出現
• XY table記錄氣泡出現的座標
• 將檢查時間縮短至3分鐘內完成

特性

• 各種規格不同濾心、長度也不一樣。
• 隨著不同加壓，氣泡大小與出現位置也會不同。
• 人工檢查一支濾心約需要18分鐘。

自動加壓過程中，相機移動中藉由AI偵測氣泡的出現，氣泡可以小至0.05mm左右

案例四 汽車零件-微管內壁瑕疵檢查

解決方案重點

• 採用工業內視鏡(自帶光源)
• 機台機構設計可以固定內視鏡與導管
• 將內視鏡取像藉由影像擷取卡導到PC
• 導入AI學習各種瑕疵樣態
• 自動分類

特性

• 小於 5mm微細管檢查瑕疵。
• 光線不容易集中進入管內，增加檢查的難度。
• 瑕疵種類多，不易分類。
• 檢查時間必須比人工快。

案例五 靶材OCR辨識

解決方案重點

• 相機與光源的選擇
• 導入AI，不斷的參數調整與訓練

特性

• 使用過的靶材，表面非常骯髒。
• 多種靶金屬材質都需要做OCR辨識。
• 檢查時間不能比人工慢。