汽车电子零部件焊点检测

项目背景：

全球领先的汽车零部件生产商，基于产品可靠性要求，需对复杂背景下的激光焊进行质量检测，包括虚焊、半边焊、漏焊、缺焊等。德斯戈为客户开发的传统算法结合深度学习视觉检测系统，在有效保障检出率的同时，大幅度降低了误判，提升了产线良率和产能。

客户需求：

检测焊点漏焊、缺焊、Pin脚安装不到位

解决方案

检测过程：

检测异常和外观缺陷检测

需通过了解目标区域的各种外观，即可分割缺陷或其他感兴趣的区域。 

只需通过了解物体的正常外观（包括其显著但可容忍的变化），即可识别复杂表面上的划痕、不完整或不正确的装配，甚至是织物上的编织问题。 

验证效果：

随机从产线收集5个良品与5个不良焊点的产品进行验证检测效果，下图为1号不良焊点产品检测结果，系统检测出此缺焊检测的不良。

2号不良焊点产品检测结果，系统检测出此缺焊的不良。

3号不良焊点产品检测结果，系统检测出此缺焊的不良。

4号不良焊点产品检测结果，系统检测出此缺焊的不良。

5号不良焊点产品检测结果，系统检测出此缺焊的不良。

OK产品检测结果，检测时未出现误报。

通过取5个不良与5个良品，分三人取放产品各测试三次验证检测重复稳定性；1-5号产品为不良，6-10号产品为良品；

检测结果中不良产品都能稳定检测出，有一个OK产品测试9次出现了一次误报NG，此结果原因为检测得分接近临界阈值，因产品焊锡形态多样性，需要更多不同焊锡形态的产品进行训练学习，加强深度学习检测模型的成熟度。

相同技术案例

LTCC元件印刷工艺的外观瑕疵检测 LTCC元器件上市企业，需对叠层片的印刷工艺进行品质管控，包括开路、短路、异物、颗粒、脏污等瑕疵类型。

医疗传感器模组的外观缺陷检测 糖尿病医疗传感器解决方案商，在生产制程中需要对产品的外观缺陷进行品质管控。

LED芯片封装外观瑕疵检测 LED芯片封装生产商需要成品模组进行品质管控，包括复杂背景下出现的黑白点、线状刮伤、异物、缺口等。