為什麼光子學裝配難以檢測
元件很小，材料既透明又呈鏡面反光，缺陷沒有固定形狀，而不良又稀少到沒有可供學習的樣本庫。上述每一點都會讓標準的規則式方案失效。
應用
四項檢測，每項都有已釋出的操作指南
這些不是能力宣傳。每一項都連結到一份分步指南，展示該特定缺陷的配置、對位、標註與判定規則。
配置
在相機上配置，由您的團隊完成
一項檢測的建立方式是：拍攝您的產品、對準某個特徵、標註樣例、設定判定規則。無需整合商、無需程式碼，產品變型時也無需重新程式設計。
為什麼在這裡要用 AI
讓這一類別與眾不同的四點
- 缺陷是光學的，檢查是視覺的
- 耦合損耗、散射損耗與可靠性失效在上游通常都有可見的成因：一處傾斜、一個空洞、一個粗糙表面、一道裂紋。在裝配階段抓住可見成因，遠比在封裝之後的終測階段抓住光學症狀便宜。
- 不良稀少，這打破了常規做法
- 光子學產線以良率為目標，因此很少有可供訓練的缺陷影象庫。只用合格品的異常檢測，以及針對特定需覆蓋不良的合成缺陷生成，正是為這種情況而存在。
- 元件小、透明且鏡面反光
- 這三種特性單獨出現就足以擊敗簡單照明，而它們同時出現在同一個元件上。這首先是照明與光學問題，其次才是軟體問題，所以我們從缺陷出發反推方案。
- 產量正在攀升
- 資料中心光模組需求已把光模組與光引擎的產量推高到顯微鏡下抽樣人工檢查無法跟上的程度。自動化這項檢查越來越是產能問題，而不只是品質問題。
在產線上執行 Overview AI 的製造企業
在產線上執行 Overview AI 的製造企業
FAQ
Frequently asked questions
自動化光子學檢測覆蓋哪些內容？
在產線上，它覆蓋決定光學元件能否達到規格的裝配與表面檢查：光模組中發射與接收元件的對位、光纖陣列粘接處的環氧膠分佈與傾斜、會表現為散射損耗的波導表面粗糙度，以及光纖帶中的斷裂、分層或微空洞。這些都是具有光學後果的外觀缺陷，因此值得在封裝和測試之前就發現。
這與光纖檢測顯微鏡是一樣的嗎？
不一樣，而且在選型時這個區別很重要。光纖檢測顯微鏡是技術人員對準聯結器端面、在現場或工位上逐個檢查的手持式或臺式儀器。本頁講的是固定式線上檢測：相機安裝在工序上方，由產線觸發，對每一件產品做出判定，並把結果傳送給 PLC。如果您需要用於現場作業的行動式顯微鏡，那屬於另一類產品，我們並不生產。
為什麼 AI 檢測適合光子學元件？
因為這些缺陷的變化方式無法用程式設計規則窮舉。環氧膠兩次流佈絕不相同，玻璃裂紋沒有固定形狀，而表面粗糙度是一種紋理，而不是對某條邊界的測量。基於規則的工具需要高度可重複的特徵和精確的閾值，因此在這裡力不從心。相反，用合格與不合格樣品訓練出的模型學習的是可接受範圍，這才讓這類缺陷從理論上可行變成實際可自動化。
如何拍攝透明且高反光的光學元件？
靠光照幾何，而不是更強的光。玻璃同時具備透明與鏡面特性，因此單一漫射或單一直射光源會產生掩蓋缺陷的高光，也會產生看起來像缺陷的反射。多角度採集（有時稱為 2.5D）從多個方向照明併合成影象，使系統讀取表面斜率而不是原始亮度。對於劃痕和表面粗糙度，暗場往往是正確答案：光滑表面保持暗色，只有缺陷把光散射進鏡頭。
光纖陣列需要遠心光學嗎？
如果是測量而不僅僅是檢出，通常需要。光纖陣列是一組必須在整個畫幅寬度上相互比較的特徵，而標準鏡頭會略微從側面觀察外側位置，因此節距和位置會引入向邊緣遞增的誤差。遠心光學可以徹底消除這種透視。如果檢查內容只是環氧膠是否有空洞或是否缺少某根光纖，配合適當照明的標準鏡頭通常足夠，而且便宜得多。
訓練一項檢測需要多少產線資料？
比多數團隊預想的要少。界限清晰的分類任務，每類 8 到 20 個樣本通常就能訓練出可用效果。當不良本身就很稀少時（光子學產線的典型情況），異常檢測只用合格品訓練即可。對於尚未出現過的特定稀有缺陷，合成缺陷生成會把逼真的樣例疊加到您自己產品的影象上，使模型無需等待廢品積累即可訓練和驗證。