Automatische Bruchkode Erkennung

Automatische Analyse

Optische Bildverarbeitung

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.

Deep learning

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.

Bedienerfreier Arbeitsplatz

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.