深度学习助力外观瑕疵检测自动化收藏

随着电子行业产品应用领域的飞速发展和市场规模扩大，对精密连接器的要求越来越高，逐步向微型化、高频率高速度无线传输、智能化等方向发展，需要精密连接器更小巧，更精密、更趋于完美这也促使精密连接器对生产质量和精度的要求逐步提升，产品质量检测在精密连接器生产步骤中成为至关重要的环节。

今天就来介绍一个电子制造行业精密连接器检测的相关案例，如何快速解决复杂检测难题并实现自动化客户鸿腾精密(Foxconn Interconnect Technology，FIT)是富士康科技集团最早成立的事业群，其关键产品包含缆线组件、连接器、主动式光纤电缆、嵌入式光学模块、可插拔的收发器模块、天线、无线充电产品与组件、音频、电力与缆线配件等，是全世界技术趋势的先驱者，为消费者提供富有吸引力的用户体验。

挑战精密连接器的生产过程工序复杂，检测要求繁琐传统检测方法是用电子显微镜放大和人工目视检测外观瑕疵的方式，长期下来作业员识别率降低，无法保证精密连接器缺陷检测的质量和效率由于人工检测的方法导致标准不一致，易发生质量问题，会给企业带来不利影响。

传统检测方法没有实现检测自动化，因而产生了大量人工成本

人工外观瑕疵检测解决方案

VisionPro Deep Learning是专为制造业设计的深度学习视觉软件它是以优秀的机器学习算法套件制成的经过现场测试、优化且可靠的软件解决方案康耐视基于深度学习算法的VisionPro Deep Learning，在其综合检测能力、开发周期等各方面性能上，非常贴合FIT自动化生产线的检测要求。

VisionPro Deep Learning的深度学习算法针对工业图像分析进行了优化，只需较少的瑕疵图像样本和较短的标注训练时间即可完成验证VisionPro Deep Learning不但顺利解决了对于传统机器视觉过于繁重、复杂或者昂贵的应用，而且其灵活的图形化程序设计环境，使FIT的工程师们能够构建灵活自定义的深度学习解决方案。

检测画面效果目前FIT已在自动化瑕疵检测设备中成功部署了60多套VisionPro Deep Learning在实际运行中，其性能表现出色：· 整体检测能力大大提升，漏检率控制在< 0.1%、过杀率< 1~2%，机台判定标准一致，完全避免了人为因素导致的检验问题。

· 节省了100多位现场作业人员，检测结果不但更客观稳定，还大大降低了企业生产成本· 实现了无人化智能工厂，FIT的精密连接器可以轻松应对未来的各种复杂应用挑战，并为FIT抓住不同连接器终端市场的多样化发展趋势，提供了持续的创新技术支持，推进企业智能制造战略的实施。

自动化外观检测设备

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。