一、项目背景

       陶瓷基片是MLCC等电子元器件的原材料之一，由于其精密的特性，对于产品质量要求很高。本案通过光学的方式呈现诸如气孔，裂纹，粘附，脏污等影响产品质量的各类缺陷，并通过深度学习和图像处理算法加以识别和分类。

二、项目方案

       设备整体运行采用皮带线式结构，检测过程如行云流水，搬运采用伺服PPU机械手完成，达到60pcs/min的速度，不间断作业。

三、项目效果

1.    检测气孔，缺损，裂纹，斑点，粘附，伤痕等10余种类型的缺陷；

2.    不同型号和检测标准实现简洁的参数配置，能够一键切换；

3.    自定义分类和检测标准，实现OK, 返修，NG三种分类，并通过机械手自动放置于对应料仓；

4.    具备统计，逐片追溯功能，方便调试和生产工艺的监控；

5.    缺陷漏检率低于1%，严重缺陷检出率100%；

6.    误判率低于8%。