在生產(chǎn)制造過程中,傳統(tǒng)人工缺陷檢測的方式已經(jīng)無法滿足檢測需求，智能化的檢測技術逐漸發(fā)揮著越來越重要的作用。以在電子行業(yè)應用率較高的AOI(自動光學檢測)技術為例，AOI是先將疑似缺陷產(chǎn)品檢出，然后由人工判別缺陷種類和缺陷位置，雖然已融入自動化生產(chǎn)步驟，但仍然有檢測過程耗時耗力、成本高的不便之處。

明治傳感器推出的自動缺陷檢測及分類(ADC，Automatic Defect Classification)解決方案，可以將在生產(chǎn)過程中產(chǎn)生的不良問題，例如不良種類、不良大小、位置等，進行綜合計算和缺陷的自動分類；對一些干擾因素，如環(huán)境干擾、設備故障等進行及時修正和改善，避免不良品的繼續(xù)產(chǎn)生。同時，也為后續(xù)的返工(Rework)、返修(Repair)等工藝操作提供指導，提高效率，降低整個系統(tǒng)的不良率，及時減少返工和返修的工作量，顯著提升缺陷辨識率、缺陷分類正確率和檢測效率。

這套方案架構被應用于某半導體龍頭企業(yè)的液晶面板缺陷檢測中，實現(xiàn)了99%缺陷識別和自動分類，人力成本節(jié)約了近80%。

√

方案價值

提升速率

缺陷識別速度從人工分類的2~3s/張?zhí)嵘?50ms/張，產(chǎn)品良率提升5%-6%，漏檢率<0.5%，可節(jié)省80%的缺陷分類人力成本;通過缺陷類型訓練與迭代，缺陷識別率最高可達99%以上。

缺陷判定與分類

通過模型訓練系統(tǒng)具備缺陷判別知識，ADC可進行缺陷自動分類與判別，能夠全覆蓋實時檢測各種產(chǎn)品缺陷。此外，系統(tǒng)同時通過傳感設備修正錯誤結果，實時將修正結果反饋到 ADC,讓模型得到持續(xù)學習，提升缺陷判別效果。

訓練有素的模型甚至可以檢測到肉眼幾乎看不見的微小缺陷，工程師們已經(jīng)得心應手地使用深度學習技術來發(fā)現(xiàn)微芯片、變壓器、顯示器、CPU和其他制造部件中的潛在異常——其中包括許多非常小的部件，還可應用于太陽能電池表面的缺陷分析、PCB假點檢測與分析等。

明治傳感器是一家專注于工業(yè)級光電傳感器和深度學習技術的創(chuàng)新企業(yè)，主要聚焦在高精度定位、深度學習、精密測量、以及避障安全方案，為3C電子、新能源、半導體制程、醫(yī)療電子和服務機器人行業(yè)提供精密智能和AI傳感技術。

明治傳感器核心團隊匯聚了一批業(yè)界資深科學家和工程師，由扎根工業(yè)傳感領域20年的專家?guī)ш牐瑩碛泻诵膶＠^120項，超過20項發(fā)明專利。明治產(chǎn)品迭代速度快，每年在世界各地安裝的傳感器總數(shù)逾6,000,000只，在AI4.0時代用創(chuàng)新傳感技術向用戶提供精密智能和AI傳感的產(chǎn)品，助力全球用戶在工業(yè)4.0時代成為智慧工業(yè)和萬物互聯(lián)的行業(yè)領先者。