板对板连接器检查
确保pcb之间的BTB连接正常
![BTB连接器检查合格和不合格示例](http://m.czl106.com/library/media/industry/consumer-electronics/btb-connector-inspection.jpg?sc_lang=en&h=250&w=350&la=en&hash=97CEF812E9BEC85C725A9177D8AF4666)
板对板(BTB)连接器提供两个印刷电路板(pcb)之间的信号连接,而无需使用电缆,从而节省了紧凑配置中的空间。BTB连接器一侧有引脚,另一侧有触点,必须与PCB上相应的端子相匹配。每个都由一个模制塑料底座组成,底座上有许多金属触点。
带有损坏元件或污染物的BTB连接器可以通过电气测试,并作为可接受的标准发出。这些部件在使用中往往不可靠,并导致难以在现场调试的间歇性故障。目视检查更可靠,可以标记出这些微小的缺陷。
模制底座可能存在各种缺陷,包括烧伤、短射、灰尘、划痕、变形和外来夹杂物,以及错位、弯曲或丢失引脚或触点。这些缺陷中的许多都很难被人眼在高速和大量的检查中识别出来。
人工检查擅长检测这些连接器中的裂纹或成型缺陷,但只能以所需的速度检查零件样品。典型的检查程序是自动光学检查(AOI),使用传统的基于规则的视觉工具检查每个连接器,然后人工检查连接器的抽样。
AOI机器可能有很高的假阳性或过量率,而人工检查的吞吐率很低,即使是在相对较小的被检查样本上。
康耐视深度学习提高了产量和准确度,有助于满足市场需求。Cognex深度学习的缺陷检测工具在一组标记好的和坏的BTB连接图像上进行训练。然后,它可靠地检测并标记连接器上的任何异常,确保只有没有缺陷的连接器才能移动到电路板组件上。
BTB连接器检查需要处理不可预测的变化,而康耐视AOI机器中的深度学习可以更快、更准确地识别这些变化。与传统的基于规则的机器视觉相比,即使在严格的吞吐量要求下,深度学习也可德国必威以保持高速检测。
这意味着所有产品都可以通过AOI机器进行检验,而不需要人工检验人员进行后续统计样本。基于aoi的检查速度是人工检查员的两倍,并且准确率消除了对大多数人工检查员的需求。