電子制造行業正逐步邁向高度“數智化”時代，越來越多的企業開始采用AI機器視覺技術進行缺陷檢測和品質管控。

由于良品率極高，在大量正常的產品中，收集缺陷樣本既耗時又低效。而模擬制造缺陷品也絕非易事，產品缺陷形態多變，還可能出現各種無法預測的異常情況，傳統的缺陷模擬方法往往難以應對，這無疑增加了檢測的成本和難度。

良品學習

阿丘科技的良品學習模式，擁有非監督分類與非監督分割兩大功能，無需缺陷樣本，通過學習良品的共性特征，即可自動識別異常，找出不良品。

此功能經由真實工業場景打磨，已落地部署并批量復制，惠及電子制造行業各類生產工藝的品質管控。

只訓練良品圖，縮短樣本收集和模型上線的時間

具有防呆效果，適用于檢測無法預測的未知缺陷

精度準確率高，可檢出低至7*7像素的細小缺陷

經典應用集錦

電子制造業涵蓋豐富多樣的產品品類，其工藝流程復雜且精密，涉及眾多關鍵組件。阿丘科技的AI良品學習算法和方案，幫助工廠解決缺陷樣本難收集問題，有效檢出產品的細小缺陷和形態隨機的未知異常。

01

5G通信-端子外觀缺陷檢測

精確檢出所有外觀缺陷，項目落地后實現0漏檢。

02

電子元器件-激光光路檢測

檢出激光雜斑、多光線等缺陷，已部署上線，完成批量復制。

03

半導體-LED晶圓檢測

檢出殘膠、表面凸起、針痕、DBR污染、邊緣崩邊等10+種缺陷。

04

線材-線芯缺陷檢測

檢出短路無芯片，焊接不良連錫，太靠邊線皮，退錫不良未上錫，芯片偏移等15+種缺陷。

05

FPC-電極缺陷檢測

檢出劃痕、破損、褶皺、臟污等缺陷。

如果您正面臨缺陷圖片難收集的問題，阿丘科技的良品學習算法和方案正是您的理想之選。