Bewerten Sie die Fehlermodi der Testergebnisbilder automatisch mit Hilfe des Bruchcodeassistenten. Die optische Inspektion berechnet die Prozentwert von verbleibenden Materialresten zum gesamten Bereich der Verbindungsstelle. Das Ergebnis und ein Bild mit grafischer Überlagerung werden zusammen mit der Messung im System gespeichert.
Sie benötigen keinen Bedienereingriff, um die Fehlermodi der Testergebnisse bewerten zu können. Mit Deep Learning und einer selbstlernenden Bibliothek trainieren wir ein neuronales Netzwerk in der Bildverarbeitung. Das System lernt Funktionen, mit denen der Klassifizierer zwischen Fehlern unterscheiden kann. Durch vorherige Klassifizierung des Fehlermoduskriteriums kann die Bilderkennung ohne Unterstützung eine vollautomatische Bewertung durchführen.
Bediener müssen die Bewertungen nicht bestätigen, indem sie die Fehlermodi am Ende eines vollautomatischen Laufs akzeptieren oder bearbeiten. Deep Learning bestimmt automatisch die Art des Zug- oder Schercodes basierend auf bestimmten Standards für Fehlermodi, z. B. dem JEDEC-Standard 22-B116. Anschließend berechnet es automatisch den Prozentsatz des verbleibenden Bindungsmaterials in der Region von Interesse und identifiziert den Fehlermodus anhand von Klassifizierungen.
In Ausnahmefällen ist ein geringfügiger Eingriff eines Bedieners erforderlich, um die Einstufung zu klassifizieren. Klassifizierungsfehler wie leere, sehr kleine oder zu große Bondflächenabheber, entsprechende Goldbereiche oder Bindungsbereiche zeigen automatisch Benachrichtigungen zur Identifizierung für den Bedieners an. Sie können diese Fehlermeldungen auf einer Remote-Workstation während oder nach der Einstufung einfach klassifizieren und anpassen.
Local support and parts, global presence, world-class testers
Niederlande
J.F. Kennedylaan 14b
5981 XC
Panningen
The Netherlands
Deutschland
Am Haupttor / Bürocenter
06237
Leuna
Germany
Vereinigte Staaten
170 Commerce Way
Suite 200
Portsmouth, NH 03801
United States
72/7 M.12 Soi. Soonthornwipak
Bangpla, Bangphli,
10540 Samut Prakan
Thailand
Taiwan
No. 157, Zhongzheng
6th St., Hukou
Township, Hsinchu
County 303,
Taiwan (R.O.C.)
Suzhou
Room 2012
Haichuang Mansion,
No.288 Dengyun Road,
High-tech district, Kunshan,
Jiang Su, China
Kontaktieren Sie Ihren lokalen Vertreter
Xyztec develops world-class bond testing technologies and works together with global partners to provide local support worldwide.
J.F. Kennedylaan 14b
5981 XC
Panningen
The Netherlands
Dirk Schade