镭晨炉前AOI
设备原理：
通过高精度彩色工业相机不停板实时抓取板卡图像，采取卷积神经网络算法处理图像，智能判定元器件不良。
适合产品：
主板类：TV主板、服务器主板、PC主板
电源类：泛电源板、适配器、工业电源、能源板
控制类：工控板、家电控制板
电表类：仪表板
其他：汽车电子、通信类等
设备架构：横跨式
横跨式结构，可快速架设，高度、宽度可调节；
无需改造线体，在线设备，沿用原有产线，节省成本；不
停线检测，避免启停或运动机构震动造成的插件不良；自
动跟踪板卡，检测效果不受板卡密度和线体速度影响；
架设位置：波峰焊炉前
节省成本，及时纠正错漏反，减少维修成本和维修工时；
提高效率，过炉前未上锡，直接维修节拍效率高，有效提高过炉后的直通率；
板卡美观，炉后维修需要拆锡，容易引入二次不良，且对板卡外观造成负面影响；
1、深度学习算法，编程简单检出率高；
2、实现一键编程，元器件焊点自动搜索，快速编程；
3、通用智能模型，基于大数据的训练；
4、路径规划减少FOV拍照个数，更短拍摄路径;
5、模式多样化，支持远程制 版、混板生产、在线检测；
6、一键导出数据，统计报表 全面详细，数据对接MES系统；
7、面向工业4.0，集中管理减少人员；
8、实用训练工具，设备自主学习进化；
产品特点一：核心算法创新
采用卷积神经网络算法，解决编程时间长、误报高两大传统算法痛点
智能算法：基于大数据深度学习，一键搜索元器件焊点，自动编程，智能识别元件焊点不良
传统算法：颜色、边缘、特征等检测对比算法等算法 OCR文字识别算法
产品特点二：易学易操作
智能算法，自动框选元器件（电容、二极管、插座）；
离线编程，轻松修改、调试；
在线编程：测试的同时可以对版式文件进行编辑；
编程时间：10-15min；调试时间：10-15min；
换线时间短，直接调用已有版式文件；
声音报警，提示位号、错误器件及类型；
产品特点三：检出能力强
基于大数据训练的模型，元器件的识别准确率高，检出能力及泛化强，能矫正焊点多样化偏差引起的报警，降低误报。
波峰焊工艺下的BOTTOM面，焊点元件变化较大，需要算法可以认知不同的NG与不同的OK，且不能漏测
卷积神经网络更类似于人的判别方式，针对多样化的测试情景可以有效识别，保证检 出率的情况下，降低误报率
对特征模糊识别能力强，有效检出焊锡上的锡洞，不受引脚、器件干扰
泛化能力强，能兼焊点多形状，对于焊点的多样化、颜色有细微差异，不规则焊点，误报率低
产品特点四：检测速度快
采用不停线流动拍照检测模式，解决产能高，带载具与否问题
在线检测，无需停线，检测时间不受产线速度影响，产线速度可达1.8m/min；
自动跟踪，检测效果不受板卡密集程度和距离影响，板卡流出设备，即出结果；
检测场景可兼容带治具或裸板生产；
产品特点五：检测模式多
结合工厂生产模式的多样化，设计多种检测模式，支持检测多机型生产、替代料、角度旋转；
支持拼板检测 支持混板检测 支持任意角度、任意位置旋转识别
产品特点六：测试数据详细
测试数据实时保留，可导出详细数据报表，有利于工艺改善和生产追溯；
相机自动读取条码（条形码，点状码）；
数据完整：包括整体统计数据，及每一片检测板卡的所有检测信息；
一键导出：便于回溯，数据可与MES系统实现有效对接
产品特点七：集中管理，远程服务
支持远程编程、调试、管理，节省换线时间，支持一对多复判
远程调试、控制及集中管理：减少工作中断，提高工作效能
远程离线编程，提前编程
远程支持：快速响应维护
复判工作站：一对多复判
产品特点八：检测范围广
AI工具训练模型，设备端可自主训练特殊器件，可自动识别，提高检测精度
快速学习新器件及焊点
调试程序，调节阈值治标不治本 通过训练，让设备认识器件不同形态，真正降低误报率
测试能力快速迭代、不断升级
产线控制盒
自动/手动控制接驳台皮带线的启停、正反转，确保不良品及时维修；
板卡、检测等异常时输出报警，控制警示灯报警
预留一组交互接口，可根据现场需求进行设计
控制盒体积小，便于安置
NG板卡跟踪器
在出现NG板卡的时候，可以通过看LED灯判断NG板卡位置；
设备报警后对不良板进行位置追踪，引导员工快速定位维修；
提高维修效率，避免板卡紧挨时漏修或修错；
设置简单，直接放在产线上，可随时移动；
中文版
English