صعوبات المشروع
عناصر الكشف المعقدة: جودة إنتاج لوحات PCB أمر بالغ الأهمية لأداء المنتجات الإلكترونية. هناك العديد من عناصر الكشف ، بما في ذلك جسر اللحام ، ومفاصل اللحام الباردة ، ومفاصل اللحام المفتوحة ، والدبابيس المفقودة. يمكن أن يسبب جسر اللحام دوائر كهربائية في الدائرة ، وقد تؤدي مفاصل اللحام الباردة إلى سوء الاتصال أثناء استخدام المنتج ، وتجعل مفاصل اللحام المفتوحة اتصال الدائرة غير فعالة ، وتؤثر الدبابيس المفقودة بشكل مباشر على الاتصال الكهربائي للمكونات. الأنواع المتنوعة من هذه العيوب تزيد من تعقيد وصعوبة الكشف.
الخصائص المعقدة لأهداف الكشف: أهداف الكشف ليست فقط صغيرة للغاية في الحجم ولكن أيضًا تختلف في الشكل وكمية كبيرة. الحجم الصغير يفرض متطلبات عالية للغاية لدقة معدات الكشف. تتطلب الأشكال المختلفة خوارزميات الكشف المستهدفة، ويعني عدد كبير من الأهداف أنه يحتاج إلى معالجة كمية هائلة من البيانات. قد يؤدي أي انحراف في أي رابط إلى نتائج كشف غير دقيقة.
صعوبة في توحيد ظروف الإضاءة وإطلاق النار: نظرًا للمواصفات المختلفة لمنتجات لوحة PCB، فمن الصعب التحكم في بيئة الإضاءة ومسافة إطلاق النار التي تناسب جميع المنتجات أثناء الكشف الفعلي. سيكون لشدة الإضاءة المختلفة والزوايا ومسافات التصوير تأثير كبير على جودة الحصول على الصور، وبالتالي التداخل مع تحليل الكشف اللاحق والحد من دقة واستقرار الكشف.
ارتفاع تكلفة نظام التحكم في حركة المنتج: لتحقيق فحص شامل من لوحات PCB ، مطلوب نظام التحكم في حركة المنتج لمساعدة الكاميرا في التصوير متعدد الزوايا وشاملة. ومع ذلك، فإن أنظمة التحكم في حركة المنتج عالية الدقة باهظة الثمن، مما لا يزيد فقط من تكلفة الاستثمار المسبق للمشروع ولكنه يشكل أيضًا تحديًا للفوائد الاقتصادية للمشروع.
حلول
يتم اعتماد كاميرا المسح الضوئي الخطي وطريقة التصوير متعددة المصادر الضوئية، جنبًا إلى جنب مع تقنية التعلم العميق وحساب دمج خوارزمية الصورة لتحقيق تحديد المواقع الدقيقة للعيوب الشائعة على لوحات PCB. يمكن للكاميرا المسح الضوئي خط مسح سطر بسطر مع دقة عالية للحصول على صور واضحة من لوحات PCB. مصدر الضوء المتعدد يضيء لوحات PCB من زوايا وكثافة مختلفة ، مما يسلط الضوء بشكل فعال على خصائص العيوب من أنواع مختلفة. يتم تدريب خوارزمية التعلم العميق بكمية كبيرة من بيانات العينة، وتتعلم باستمرار الأنماط المميزة للعيوب المختلفة. خوارزمية الصورة مسؤولة عن المعالجة المسبقة واستخراج الميزات للصور التي تم جمعها. يتم دمج الاثنين مع بعضهما البعض لتحسين دقة الكشف بشكل مشترك. بالنسبة للعيوب المعقدة، يتم تحسين خوارزمية التعلم العميق باستمرار أثناء عملية الإنتاج ، ويتم تراكم عينات عيوب جديدة باستمرار ، ويتم ضبط معلمات الخوارزمية لتحسين دقة التعرف المباشر تدريجيًا.
تأثيرات التنفيذ
بعد التطبيق العملي ، حقق هذا الحل نتائج ملحوظة. تشير البيانات الإحصائية الشهرية إلى أن تأثير التعرف على النموذج قد وصل إلى دقة 99.9%. هذا يعني أنه في عدد كبير من اكتشافات لوحة ثنائي الفينيل متعدد الكلور ، يمكن تحديد الغالبية العظمى من العيوب بدقة ، وضمان جودة المنتج بشكل فعال ، والحد من معدل المنتج المعيب ، وتحسين كفاءة الإنتاج والفوائد الاقتصادية.
إخلاء المسؤولية: هذه مقالة أصلية لموقع الويب الخاص بي، يرجى الإشارة إلى الرابط المصدر: https://www.mindvision.ltd/sys-nd/53.html
