企業新聞
Company News
三姆森正式推出人工智能檢測軟件—S-Gamma V1.0深度學習檢測系統
隨著AI人工智能技術的快速發展，人工智能也逐步開始在工業領域中應用，三姆森科技首次將深度學習技術應用到3C領域的缺陷檢測設備，開發出以人工智能深度學習技術為主的S-Gamma缺陷檢測系統V1.0版本，核心開發成員由國際知名教授、人工智能領域國際知名專家、IEEE院士聯合互聯網資深團隊主導開發。該系統可用于缺陷識別、物體分類、定位等功能應用，其可用于3C產品及零部件、半導體、LED、醫藥、汽車等行業，其結合傳統算法實現對以下類型產品進行高精密外觀缺陷檢測：
1、金屬加工件：手機按鍵、攝像頭圈、卡托、Type-C外殼、充電器插頭等及部分精密加工件；
2、玻璃制品：手機后蓋、屏幕玻璃、液晶面板、顯示器等）、
3、塑膠制品：手機納米材料后蓋、充電器塑膠外殼等塑膠制品；
4、整機及模組外觀：手機整機外觀檢測、屏幕點亮后外觀檢測、攝像頭模組六面體外觀檢測、Type-C插頭外觀檢測、電池模組外觀檢測等；
3C行業常見檢測產品
3C行業常見檢測缺陷
深度學習不同于傳統工業機器視覺，不需要專業人員的定制開發算法，前期只需要一部分NG和OK樣本圖片用于缺陷標注訓練即可完成模型的建立， 后期遇到新增缺陷類型時，只需要完成新類型缺陷樣本訓練優化模型就能夠完成新缺陷檢測。
深度學習檢測流程
深度學習在外觀缺陷檢測領域的應用，其克服了傳統算法被復雜背景干擾的問題以及無法對缺陷類型穩定分類等問題，因此在缺陷檢測領域中，深度學習具有更多的優勢。
深度學習與傳統算法的對比
案例一：金屬件外觀缺陷檢測案例分享
檢測產品:
手機充電器PIN
檢測內容:
檢測產品5個面共6種缺陷：劃傷、點傷（凹點）、缺口、臟污、亮印、模印
檢測要求:
1.缺陷產品漏檢率0.3 %以內，
2.產品過殺率5%以內；
3.臟污缺陷：對菲林卡，小于0.1mm²以內OK；
4.點傷、劃傷：0.02~0.08 mm²2個以上NG，0.08~0.1 mm²1個NG。
產品缺陷分析:
1.產品表面結構為粗糙面（類似磨砂質地），為電鍍成型后的階段，表面粗糙有很多凹坑影響成像質量
2.劃傷缺陷為表面凹狀類缺陷，可能已傷及電鍍層，缺陷凹坑形狀較細并且都是比較深的，形狀不一，位置不同
3.點傷類缺陷是表面凹狀類缺陷，面積較小，但分布比較多，深淺不一
4.模印缺陷為產品制作是模具上造成的缺陷，在電鍍后檢測時，產品表面已經沒有太大差異，缺陷比較輕微的人眼也較難識別。
5.臟污亮印缺陷為產品表面，電鍍層上面存在的臟污和亮印，未傷及電鍍層
檢測方案:
采用直線式設備,機械手上下料,5個工位檢測，治具可以旋轉,光源頻閃，分步拍照產品表面缺陷,深度學習算法處理圖像,全面實現外觀缺陷檢測，根據檢測結果自動擺滿托盤,自動疊盤收料，如圖所示；
設備外形圖
檢測工位
檢測效果:
案例二：Type-c外觀缺陷檢測案例分享
檢測產品:
Type-c連接器
檢測內容:
檢測產品鋁屑不良、缺pin、塑料屑異物、塑料損傷、舌片底部金屬絲、舌片端子漏B點等外觀缺陷；
檢測要求
1.缺陷產品漏檢率0%，
2.產品過殺率5%以內；
檢測方案:
采用直線式自動設備，對接客戶自動化產線，共有4個檢測工位，產品通過直振上料，移載到檢測工位進行拍照檢測，利用深度學習算法跟傳統算法相結合的方式，對產品缺陷進行檢測識別，再根據檢測效果進行OKNG分類，如圖所示；
設備外形圖
檢測工位
檢測效果:
檢測效果1
檢測效果2
檢測效果3
檢測效果4
案例三：字符外觀缺陷檢測案例分享
檢測產品:
鐳射字符缺陷檢測
檢測內容:
檢測產品黑點、白點、異色等外觀缺陷；
檢測要求:
1.缺陷產品漏檢率0.5%，
2.產品過殺率5 %以內；
3.黑點：0.1mm²2個以上NG，0.15 mm²1個NG。
檢測方案:
該設備采用料盤整盤上料的方式上料，機械手一次性將整盤產品從料盤內取出放置到檢測治具，檢測治具通過底部真空將產品吸平并固定在治具上，帶有XY軸的拍照系統對產品進行逐一拍照，采集到圖像聽過S-Gamma缺陷檢測系統進行檢測判斷，并將其結果輸出到分類機構進行產品分類。
檢測效果:
檢測效果1
檢測效果2
深度學習是人工智能的革命性的突破，大幅提高了機器學習、機器視覺、智能分析處理能力,帶來行業的變革、人工智能的熱潮，深度學習應用到外觀缺陷檢測，使缺陷檢測變得不再復雜、改變了傳統算法易受復雜背景等因素的影響、更準確的提高的產品的缺陷分類，深度學習技術的應用將產品檢測的檢出率、漏檢率、過殺率等指標不斷提升，防止不良產品流出到客戶端，實時的數據反饋系統能夠及時的將產品數據反饋出來，對提升改善品質提供參考依據。
