在手机生产制造领域中,由于手机产量大,LCD检测机台被十分广泛的用于检测手机制造过程中的手机屏幕是否存在质量缺陷。手机屏幕在手机组装完成后,LCD检测机台会对手机屏幕进行缺陷测试,测试通过的成品标记OK,流入下一道制程;测试不通过的成品标记NG,需要进行人工二次检测,防止不良品流传到下一流程,对手机产线良率产生大的影响。传统的LCD检测机台接入产线,通过对在产品进行拍照,图片存储,自动根据捕捉的缺陷图像进行判断,从形状、颜色、长度、宽度、长宽比来确定被检测的目标是否符合标准,对于大量的图片数据如不能及时检测,极有可能造成漏检;另外,现有的LCD检测机台判断准确率不高,检测效率低。
一般情况,从屏幕制造工厂采购的手机屏幕Module组件,均是经过QC认证,即:出厂到手机生产制造工厂的LCD或AMOLED屏幕,在手机厂商上游行业——屏幕制造厂商处均是通过质量认证的;但由于生产过程中,手机屏幕的产量极大,难免出现质检原因导致的质量问题,使得不良品流入手机制造企业;如果不及时检测出这些问题屏幕,使得劣质屏幕随着手机成品流向市场,消费者对产品的实际体验低于预期,对手机品牌口碑造成很大的影响。
存在的问题
手机屏幕缺陷智能检测(Mobile phone Screen Artificial Intelligence Inspection,简称MAI)用于解决手机制造行业在产品制造过程中的手机面板缺陷检测问题。
检测模型小集群部署,采用主从结构,灵活调度。在LCD检测机台捕获到产品的高分辨率的图像后,直接传输给AI推理平台,判断手机屏幕是否OK/NG/复判,下达下一步指令。 可以帮助客户极大的减少人工检查时间,提高产能,并促进持续的过程质量改进。
AI训练平台,可直接读取存储在NAS系统的复判后的图片进行标注。使用精确标注后的图片进行更新版模型训练,尤其是对AI推理平台实时模型判断失误的图片进行再次训练,使模型不断迭代优化。训练后的高性能模型可再次部署到AI推理平台进行判片工作,模型反复迭代优化,效果不断增强。
借助于AI技术,客户可基于行业专业知识从而创建适用于手机屏幕不同厂家、型号的缺陷检测模型。
低廉成本高效稳定
机器学习快速迭代
实时监督报表可视
深度学习迈向智能
背景信息
手机制造行业的生产过程,一般由自动化水平较高的SMT贴片和整机手工组装两部分构成。手机生产过程中,每一次手工组装后,均需要进行相关的检测工作。手机屏幕缺陷检测正是基于手机组装后的对手机屏幕是否存在污渍,划痕等检测需求衍生而出的。
技术特点