设备功能：主要检测内容有模号、尺寸、开裂、烧融、毛边、变形、结构异常、划伤、压伤、缺料、粘料、异色、异锈等。

视觉需求：该产品为手机精密零部件，尺寸小，质量要求高。生产过程中由于工艺原因可能导致产品表面缺陷出现的位置不固定且外观面成像较复杂缺陷各样。

自动化部分：

上料：本设备采用振动盘上料，将不规则摆放的产品经筛选后，以统一方向通过直振快速流向玻璃转盘

触发相机：产品在玻璃转盘转动到指定位置给出拍照信号

剔除：当相机检测出对应不良将产品通过吹起吹到指定物料盒里

视觉部分：

1.尺寸检测：本产品为转盘动态检测尺寸，传统的定位检测尺寸只有3000pcs/H，而转盘动态检测尺寸可以达到6000pcs/H，实际检测为两个柱子的宽度与垂直度。

2.开裂检测：产品的开裂会出现在产品的任意位置，而且灰度值比较接近使得检测的难度大大提高，用传统的检测很难保证检测的稳定性。因此我们采用了AI算法来检测，使得检测的稳定性有了一个很大的提示。

3.压伤缺料检测：压伤与缺料会出现缺陷的大小不一，位置随机。导致传统的视觉检测难以检测的稳定。而使用AI深度学习算法，打破了这一瓶颈，使得缺料和压伤的检测有一个大的提升

4.发黄异色：发黄异色的大小不一，形状也是随机的。导致传统的视觉检测会导致过杀增多，与检测不完全。AI深度学习算法，可以极大程度的解决这种问题，保证良率的同时还检测了缺陷。 

5.模号检测：本产品存在多个模号，混模会导致出货时将型号弄混。采用传统的视觉检测，特征类似的模号会难以区分。使用AI深度学习算法可以解决这一个难点

设备优势：

1.速度快：因产品要求高，人工全检只有800PCS/H，本设备全检有6000PCS/H。相当于每小时可以节省7个人力，极大程度的降低了成本。

2.精度高：采用高像素相机搭配大焦距镜头，放大倍数可达50倍，对于细微缺陷也能检测。人工检测时，由于疲劳容易漏检，或将OK/NG错混，对出货造成极大影响，机台可不间断进行高精度的检测，保证出货的良率。

3.稳定性强：采用的深度学习算法具有较强的鲁棒性以及泛化性，不会因为外界条件发生变化（机台移动位置，外部光线变化等），或产品来料发生变化（产品原材料质量波动，模具更换等）而影响检测效果。