案例速递 | 如何让像素级缺陷无处隐藏？思谋ViMo二极管缺陷检测来解疑

动态资讯

近日，思谋在某消费电子设备生产高新技术企业的二极管生产线中，成功落地了缺陷检测项目。

该项目是以思谋SMore ViMo智能工业平台为核心，通过基于深度学习的精细分割算法，识别缺陷图像颗粒度低至4像素，实现了二极管的多种像素级缺陷检测，产品缺陷检出率超过99%，产线效率提升了400%，为客户每年节省成本超过300万元。

1►项目痛点：缺陷种类多难分类 细微缺陷检测精度要求高

二极管全称为晶体二极管，主要特性是具有单向导电性。作为一种常用的基础元器件，二极管在电子电路设计中经常被用于防反、整流、稳压等多种场景。二极整个工艺过程可以看做是多个零件的组装、测试过程，主要是进行芯片、焊料、塑料环、引线的封装。在经过多个的生产环节后，缺陷检测的终检环节对于保证二极管出厂质量极其关键。

然而，二极管作为一种体积极小的电子元件，往往容易在生产过程中出现诸多细小断裂的缺陷，影响二极管的使用性能。在思谋此次落地的这个客户生产线上，过往主要采用传统视觉算法进行缺陷检测，造成漏检率极高，同时存在大量误检，需要增加很多人力做复判，极大增加了人力成本。在具体的缺陷检测中，主要面临着以下痛点问题：

1.缺陷类型繁多，精准分类难：存在断裂、气泡、发黑、发黄等11种缺陷，质检时需要根据缺陷特征进行精确的缺陷分类统计，用于改善涂胶材料配比。

2.部分缺陷极其细微，检测难度高：断裂，气泡等细微缺陷，传统视觉算法检测难以达到精度要求。

2►思谋方案：基于深度学习算法 轻松突破检测难局

通过在客户现场的实际调研，思谋针对客户面临的痛点问题制定了检测方案。一方面，针对缺陷类型繁多，精准分类难的问题，搭载思谋SMore ViMo智能工业平台中基于深度学习的多分类算法，并通过产线上真实的数据集去训练、测试和验证模型，对二极管具体的缺陷问题和类别进行精准分类，构建出了缺陷快速学习、准确分类、精准判别的一套方案。通过应用思谋方案，精准识别包括断裂、气泡、发黑、发黄等多种缺陷，实现产品质检过检率≤2%，漏检率≤0.01% 。

另一方面，针对部分缺陷极其细微，检测难度高的痛点问题，应用思谋SMore ViMo智能工业平台中基于深度学习的语义分割算法，识别二极管缺陷图像颗粒度低至4像素，并以有监督学习下的卷积神经网络分析方法为主进行模型的迭代优化，完美解决了传统视觉算法检测严重依赖人工提取大量特征，而且对于与非缺陷样本差异较小并具有噪声的缺陷样本难以检测的问题。

△二极管细微缺陷实现精准检测

此外，为了便于客户在产线上快速部署该方案，思谋SMore ViMo智能工业平台中的Vi-Lab运行管理系统可直接快速进行机器视觉项目交付，便于客户快速部署产线，支持一键导入Vi-Studio方案设计系统产生的算法模型。同时，该方案和客户已有设备之间支持无缝对接，单个产品检测只需50ms，助力完成产线自动化、智能化作业。

3►项目成果：像素级缺陷高精全检 助力消费电子制造业升级

基于SMore ViMo智能工业平台，该项目顺利帮助客户提升了产品良率，整体产线效率和人力成本均得到有效改善，产线效率提升了400%，为客户每年节省成本超过300万元，真正帮助客户实现了产线升级。值得一提的是，依托思谋强大的深度学习能力和一站式服务能力，该方案可以规模化落地在细微缺陷检测的所有行业领域。

目前，以二级管为代表的电子信息产品制造业，正从低成本优势向成本+质量并重的方向变化并取得突破。基于市场需求的新特点，二级管这类电子元器件正在向超微化、数字化、智能化、绿色化方向发展，思谋将始于SMore ViMo智能工业平台，从视觉检测切入，助力类似二级管产品的多个细分工业领域实现智能制造。