MLCC检查

提高MLCC自动检测率，同时降低过杀率

相关产品

看见D900

由In-Sight ViDi基于深度学习的视觉软件驱动

VisionPro深度学习

在复杂检测、零件定位、分类和OCR方面取得突破

多层陶瓷电容器（MLCC）由带有金属化端子的堆叠电容器块组成，用于连接到集成电路板。MLCC患有各种可能的制造缺陷，包括终止涂层中的裂缝，水疱，碎片，污染和空隙。这些电容器存储显着的能量，因此失败不仅影响缺陷的MLCC，而且会损坏相邻的组件或集成电路板本身。

mlcc规模小，数量大。它们可能有各种细微的缺陷，在外观和位置上有很大的不同。此外，它们有光泽的表面，限制了传统机器视觉的有效性。德国必威

因此，人工检查仍然起着重要作用。自动光学检查(AOI)机器检查所有电容器的六面，然后由人检查电容器的统计抽样的一面。但是AOI机器的过度杀伤率很高，而人工检查对于一般使用来说太慢了。整个过程昂贵、缓慢、容易出错，并且不会产生有助于过程改进的有用数据。

康耐视打造了专门用于MLCC检测的美容光学检测(COI)机器，该机器结合了定制照明和深度学习视觉工具。首先，为MLCC检测定制的照明模块将无关表面变化最小化，同时揭示电容器本体和端子上容易忽略的缺陷。

在AOI机器对MLCCs进行检查后，再由COI机器对其进行检查，以减少假阳性和将好的部件从生产中撤出的数量。与人工检查相比，这种机器可以提供更好的速度、精度和工艺改进数据。

Cognex深度学习的分类工具是在各种无缺陷和有缺陷mlcc的标记图像上进行训练的。分类工具学习分类范围广泛的可能的缺陷，以及学习正常零件的全部变化。一旦经过训练，它可以扫描每个MLCC部件，并立即标记出任何超出可接受范围的部件，或识别出之前标记为缺陷的良好部件。

这些分类的缺陷也可以用于上游工艺控制，随着时间的推移将零件缺陷最小化。