「实例」说话｜集中式AI检测助力产能提升

电子元器件的不断小型化使施耐德电气等众多制造商能够制造出尺寸更小、重量更轻、运行更快速、更高效的配电和电气保护产品。但与此同时，制造微型电子元器件也面临着各种新的检测挑战。例如，尺寸的缩小导致焊接需要更高的精度，如果考虑从温度到元件放置等多种不同条件，这个过程会变得更加复杂，每个条件的变化都会影响电子设备中焊接点的最终质量，这使得传统焊接检测系统难以投入使用。

 *不同类型的点焊，从左到右：针脚到针脚、焊线到针脚/焊盘、焊线到焊线

施耐德电气有限公司是一家全球化电气企业，为100多个国家的能源及基础设施、工业、数据中心及网络、楼宇和住宅市场提供整体解决方案。

施耐德电气位于保加利亚普罗夫迪夫的电气智能化工厂，就面临着这样棘手的焊接检测难题：

▪ 焊接产品缺陷类型、大小和位置存在较大差异，导致产品质量不一致

▪ 传统机器视觉检测误报率过高，致使导致合格零件被丢弃，原材料使用效率低

▪ 缺乏利用检测结果数据优化工艺的能力，导致生产效率低下

集中式AI检测解决方案

存在大量变化的缺陷对于基于规则的机器视觉而言过于棘手，康耐视结合施耐德电气的焊接应用特性，为其提供了In-Sight D900视觉系统与DataMan读码器系统相结合的集中式AI检测解决方案。它够利用AI来自动识别缺陷并为缺陷分类，识别同类物体上视觉相似但有差异的缺陷，以确定它们是真正的缺陷，还是可接受的异常。同时还能利用AI 技术进行实时“边缘”学习，提供快速、准确的结果。

*In-Sight D900视觉系统

康耐视集中式AI检测解决方案在施耐德电气智能化工厂投入使用后，帮助工厂改进了焊接流程的管理，提高了生产效率，并显著降低了制造过程中的损失：

▪ 避免了过度检测，减少了生产线上的报废

▪ 检测过程实现自动化，提高了生产线的生产力

▪ 减少原材料消耗，工厂每年节省40,000欧元费用

*康耐视In-Sight D900视觉系统执行焊接检测

康耐视的深度学习解决方案，是以先进的机器学习算法为基础，经过现场测试、优化且可靠的技术。在电子行业的应用中，除了上述提及的焊接缺陷检测，无论是元件定位、外观检测、分类还是字符识别应用，其都能够快速部署并实现自动化检测。更多深度学习技术在电子行业中的应用信息，您可以登入康耐视官网进行了解。