當今電子制造行業質檢領域由於產量大、生產工藝管控各異等原因，導致生產廠商在實施零部件的質量檢測時，無法通過傳統的檢測方法來達到降本增效的要求。行業需要更加智能的檢測技術來滿足高產出、高效率的自動化檢測解決方案。

電子制造業檢測難點

⊙ 傳統手動特徵抓取效率低下：隨着質量要求的提高，同一批工件在表面尺寸特徵的精准抓取上面臨挑战；

⊙ 人工抓取一致性差：依賴手動抓取表面特徵時，常因失敗需要人工確認和重測，導致時間和勞力成本增加；

⊙ 人工抓取工件表面特徵時，個人操作差異導致特徵質量不一致，影響檢測准確性。

海克斯康解決方案

海克斯康的 Metus 軟件融合了自主研發的 Hex.AI 技術，其 Hex.AI 算法庫融合深度學習和傳統計算機視覺圖像處理算法，通過前置處理、後置過濾增加缺陷檢測的多樣性，始終能夠從容應對不同缺陷在不同環境下成像後的多元化檢測應用場景。

作爲一款成熟的復合式影像產品，Metus 已成爲多行業解決復雜疑難質量檢測問題的有效工具，適合用於絕大部分材料和尺寸的檢測任務，無縫對接半導體封裝、電子制造、新能源、智能穿戴設備產業、醫療器械等精密檢測領域的需求。

AI技術自動化抓取工件表面尺寸特徵，滿足更高的質量檢測標

Metus AI 自動尋找工件表面特徵的應用利用了先進的機器學習技術，能夠快速准確地識別和定位工件表面各種特徵。通過高分辨率相機和圖像處理技術，該應用能夠捕捉工件表面的微小細節，並利用AI算法進行分析和識別。

新能源汽車電池極片表面毛刺特徵抓取

減少傳統手動操作失敗的重復工作，提高檢測效率和准確性

Metus AI 自動尋找工件表面特徵的應用適用於多種復雜邊界的智能抓取場景，例如點、线、圓、弧等邊緣要素的抓取，可替代人工手動操作，檢測速度更快，同時減少人工抓邊產生的差異性，提升復雜邊界抓取的准確性與穩定性。AI檢測單個檢測要素的效率比人工檢測單個檢測要素的效率可提升至98.75%。

手動抓取表面特徵圓（偏差大）  

 AI抓取表面特徵圓（准確）

實現特徵抓取的標准化處理，保證檢測結果的一致性和可靠性

相比於傳統的機器視覺工件表面特徵抓取的技術，AI 自動尋找工件表面特徵的精准度遠超過人工機器視覺判斷的准確度，可實現100%全自動檢測並保證亞像素級的檢測精度，緩減由於人工判斷標准不一致的差異性而導致檢測效果的差異性，使得檢測結果的一致性和可靠性得到有效保證。

AI 尋邊亞像素級檢測

結果可追溯

Metus在進行模型訓練時，會記錄每一個工件表面特徵的檢測結果，包括檢測時間、檢測位置、特徵類型等信息並可將檢測的結果實時輸出到數據輸出表。用戶可追溯AI抓邊模型的標注、訓練以及檢測結果，從而保證檢測的質量信息有記錄，可查詢，可跟蹤，協助用戶優化生產工藝和流程，提高生產效率和產品質量。

模型標注、訓練和檢測結果信息追溯

---

標題：當AI遇見電子制造，這檢測效率太震撼了

地址：https://www.utechfun.com/post/317508.html