效益

优化的影像判读能力

SUALAB的深度学习技术采用人工智能神经网络学习PCB图像，相较于传统视觉技术，该瑕疵检测系统可以分析複杂的影像，大幅提升自动化视觉检测的影像判读能力和准确度，并可将瑕疵进行自动分类。根据图像的复杂程度，深度学习算法初期需要的图像数据有所不同，一般提供50-100张即可。这意味着即使是针对每个客户公司不同的瑕疵标准，该系统也能够灵活应对。

此类相机具有高帧率，可满足实时检测的需求。

相机: Manta G-032

高品质Manta相机为PCB检测精确度和稳定性倍添助力

碁仕科技的AI瑕疵检测系统中配备的Manta G-032C相机是一款分辨率为(656 x 492) 30万像素的高品质工业相机，其80 fps的速度可以满足正常需求，一般经过15分钟时间就可建立对应神经网络模型。在实际的生产线上，每秒钟可实时处理所采集的80张图像。

“我们为此款PCB检测演示应用选择Manta相机主要是考虑到实时检测环境下的高速要求，这需要我们以较小的图片尺寸快速的传递图像，而该款相机拥有较快的帧率，可完全满足检测的速度需求。” 碁仕科技总经理Ken Chou强调。“此外，Allied Vision品牌相机的德国品质和稳定性使得其成为AI检测算法的最佳匹配。事实上，根据应用的不同，几乎所有的Allied Vision系列相机均可做为PCB系统检测的理想选择。例如，如果客户对检测的成像质量要求很高的情况下，也可使用Allied Vision的高分辨率相机系列，例如Prosilica GT。”

了解更多

亮点

可靠的工业级相机可在80帧/秒的速度下获取图像

PCB 缺陷可被实时检测、标记和分类

大幅提升自动化视觉检测的影像判读能力和准确度