← Tất cả tài liệu
So sánh công nghệ
AOI dựa trên quy tắc so với kiểm tra bằng deep learning
Chúng tôi đã có thiết bị AOI. Có lý do gì để chuyển sang kiểm tra bằng AI?
Khác biệt thể hiện rõ khi ánh sáng thay đổi hoặc xuất hiện lỗi mới. Với phương pháp dựa trên quy tắc, phải viết lại thuật toán; với deep learning, chỉ cần huấn luyện. Lợi ích rõ nhất ở những dây chuyền mà phát hiện nhầm (overkill) nhiều đến mức vẫn phải để người kiểm tra lại.
Thuật ngữ
- AOI (Automated Optical Inspection)
- Thiết bị chụp ảnh chi tiết và phán định ngoại quan
- Dựa trên quy tắc
- Phán định theo điều kiện do con người định nghĩa — ngưỡng, quy tắc hình dạng
- Phát hiện nhầm (overkill)
- Chi tiết đạt bị phán định là lỗi. Làm tăng nhân công kiểm tra lại
- Bỏ sót lỗi (underkill)
- Chi tiết lỗi bị phán định là đạt. Dẫn đến lỗi lọt ra ngoài
- Phân vùng (segmentation)
- Tách vùng lỗi theo từng pixel để xác định vị trí và diện tích
Khác biệt thực sự
- Thay đổi ánh sáng và vị trí
- Dựa trên quy tắc: nhạy cảm / deep learning: ổn định
- Loại lỗi mới
- Dựa trên quy tắc: cần cập nhật thuật toán / deep learning: huấn luyện với ~5 ảnh
- Vân bề mặt phức tạp (BGA, QFN)
- Dựa trên quy tắc: khó phân loại / deep learning: phân loại được
- Định lượng lỗi
- Khó với phương pháp dựa trên quy tắc / deep learning cho ra diện tích và vị trí theo từng pixel
- Độ phân giải phát hiện
- Dựa trên quy tắc thường cần từ 5 pixel / DSTEK nhận diện ở mức 2–3
Khi nào không cần chuyển đổi
- Một sản phẩm duy nhất, ánh sáng cố định và tập lỗi không đổi trong nhiều năm — phương pháp dựa trên quy tắc là đủ.
- Tương tự với các công đoạn chỉ đo kích thước, không phán định ngoại quan.
- Ngược lại, nếu biến thể sản phẩm thay đổi thường xuyên, loại lỗi liên tục tăng, hoặc nhân sự bị dồn vào việc kiểm tra lại các sản phẩm bị phát hiện nhầm, thì lợi ích là rõ ràng.
Sản phẩm và giải pháp liên quan
Tài liệu