INSPECCIÓN DE ENCAPSULADO LED DE ALTA INTENSIDAD
Identifique distintos defectos durante el proceso de ensapsulado LED
Productos relacionados
Entorno de programación gráfica para análisis de imágenes industriales basado en el Deep Learning
Impulsado por el software para visión basado en el Deep Learning In-Sight ViDi
LED de alta intensidad utilizados para aplicaciones de iluminación automotriz atraviesan el proceso de encapsulado (moldeo) después de unirse al sustrato. Esta operación proporciona tanto protección a cada matriz (troquel) como un filtro difusor para atenuar la luz emitida. Máquinas dispensadoras de alta velocidad llenan cada paquete LED con un encapsulante hecho de una mezcla de epoxi y fósforo. Se realizan inspecciones automatizadas después de la dispensación para garantizar la consistencia en la calidad.
Este proceso puede generar una variedad de defectos, como burbujas de aire, grietas o encapsulado excesivo, insuficiente o faltante, y contaminantes extraños. Se aceptan pequeños defectos dentro de una cierta tolerancia; de lo contrario, se rechazan y deben repararse o descartarse. Dada la variedad y los niveles de umbral de defectos, este proceso de inspección es demasiado complejo para las herramientas tradicionales de visión artificial basada en reglas.
Las soluciones basadas en la IA de Cognex ayudan a los fabricantes de LED de alta intensidad a identificar y clasificar defectos de encapsulado significativos. Esta solución avanzada de visión se entrena con una serie de imágenes que representan tanto los resultados buenos como los malos (NG), lo que permite al software filtrar las anomalías que están dentro de un rango aceptado y marcar sólo defectos verdaderamente significativos. La herramienta de localización identifica la región de interés (ROI) para la inspección. Una vez definida la ROI, la herramienta de detección de defectos identifica defectos importantes dentro de esa área.
La herramienta de clasificación clasifica los diferentes tipos de defectos. Con esta información, los gerentes de producción no solo pueden aumentar el rendimiento de los LED terminados, sino que también utilizan la información de clasificación para abordar y corregir los problemas de producción, lo que aumenta la rentabilidad y la eficiencia de equipos operacionales (OEE) en general.
