Detección Multi-Clase de Defectos de Pines y Polvo en Conectores de Alta Velocidad
Verificación de calidad final automatizada detectando pines faltantes, rotos y doblados más pequeños residuos en conectores automotrices de alta densidad
Un fabricante líder global de interconexiones necesitaba automatizar la verificación de calidad final de conectores automotrices de alta densidad. El desafío era inmenso: cada pin individual necesitaba estar claramente alineado, múltiples clases de problemas de pines tenían que ser detectados (faltantes, rotos, doblados), y pequeños residuos de cualquier forma, color y orientación tenían que ser detectados—todo mientras se mantenía un tiempo de ciclo de 1 segundo.
Aprovechamos el OV80i con un lente telecéntrico y luz anular para una imagen extremadamente clara e identificación precisa de partículas de polvo.
Detalles de la Aplicación
- Industria: Electrónica / Automotriz
- Aplicación: Conector de matriz de alta velocidad
- Desafío Principal: Gran variedad de partículas de polvo extremadamente pequeñas
- Tiempo de Entrenamiento: ~2h configuración/entrenamiento
- Precisión: 100% de precisión
Testimonio del Cliente
"Esto fue difícil ya que las partículas de polvo siempre eran únicas y había múltiples clases de pines defectuosos. Fue genial lo rápido que logramos que esto funcionara y usar la versión multi-modelo fue una gran ventaja."
— Operador de Línea
El Problema
El cliente produce conectores de alto valor usados en sistemas críticos. Una sola falla, como un pin doblado o partícula de polvo, podría causar una falla del sistema. Esto era desafiante por múltiples razones:
- • Ubicación: Las partículas de polvo podían estar en cualquier lugar dentro de las piezas
- • Modos de falla: Los pines podían fallar de múltiples maneras incluyendo faltantes, doblados y rotos
- • Variación: La forma, color y orientación de las partículas eran desconocidos
- • Bajo contraste: Algunas partículas podían confundirse con los fondos
La Solución
Desplegamos una celda de calidad que usó el OV80i junto con óptica especializada para reducir la distorsión y mejorar la consistencia de la imagen.
Proceso de Configuración
Paso 1: Configuración del Hardware
- • Cámara: OV80i a una distancia de trabajo de 85mm
- • Lente: Lente telecéntrico de 0.3x de magnificación
- • Luz: Luz anular coaxial
Paso 2: Configuración de Alineación e Inspección
Alinear la pieza usando nuestra herramienta de detección de bordes—removiendo cuidadosamente el ruido innecesario que aumenta el tiempo de inspección.
Definir 40 ROIs separados para cada pin para obtener mejor rendimiento y 6 secciones para captura general de residuos. Múltiples regiones de inspección mejoran el rendimiento.
Paso 3: Etiquetar y Entrenar
Solo se usaron 4 imágenes para etiquetado y entrenamiento, incluyendo tanto clasificación de múltiples defectos de pines como segmentación para identificación de residuos a nivel de píxel.
Dado que identificamos múltiples ROIs, cada uno es tratado independientemente para propósitos de entrenamiento, aumentando la cantidad percibida de datos siendo ingeridos por el modelo. El etiquetado tomó ~15-20 minutos y el entrenamiento ~10 minutos a través de ambos modelos.
Tipos de Defectos Detectados
Pruebas y Rendimiento
El rendimiento fue probado en configuraciones de producción del mundo real y comparado con inspectores manuales. Después de 45 inspecciones durante unas pocas horas, tuvimos 0 rechazos excesivos. Durante las semanas siguientes, trabajamos con inspectores de calidad para acordar un conjunto de prueba de alta calidad para que cada vez que se hicieran avances o cambios en el modelo, pudiéramos probar continuamente contra un benchmark sólido.
| Inspección | Total | Rechazos Excesivos | Fallados | Precisión |
|---|---|---|---|---|
| OV80i | 45 | 0% | 0% | 100% |
Dé el Siguiente Paso Hacia Cero Defectos
Vea cómo Overview AI puede transformar su inspección de calidad de conectores y electrónica.
Solicitar una Demo