随着电子行业产品应用领域的飞速发展和市场规模扩大，对精密连接器的要求越来越高，逐步向微型化、高频率高速度无线传输、智能化等方向发展，需要精密连接器更小巧，更精密、更趋于完美。这也促使精密连接器对生产质量和精度的要求逐步提升，产品质量检测在精密连接器生产步骤中成为至关重要的环节。今天就来介绍一个电子制造行业精密连接器检测的相关案例，如何快速解决复杂检测难题并实现自动化。

客户

鸿腾精密(Foxconn Interconnect Technology，FIT)是富士康科技集团最早成立的事业群，其关键产品包含缆线组件、连接器、主动式光纤电缆、嵌入式光学模块、可插拔的收发器模块、天线、无线充电产品与组件、音频、电力与缆线配件等，是全世界技术趋势的先驱者，为消费者提供富有吸引力的用户体验。

挑战

精密连接器的生产过程工序复杂，检测要求繁琐。传统检测方法是用电子显微镜放大和人工目视检测外观瑕疵的方式，长期下来作业员识别率降低，无法保证精密连接器缺陷检测的质量和效率。

由于人工检测的方法导致标准不一致，易发生质量问题，会给企业带来不利影响。传统检测方法没有实现检测自动化，因而产生了大量人工成本。

人工外观瑕疵检测

解决方案

VisionPro Deep Learning是专为制造业设计的深度学习视觉软件。它是以优秀的机器学习算法套件制成的经过现场测试、优化且可靠的软件解决方案。

康耐视基于深度学习算法的VisionPro Deep Learning，在其综合检测能力、开发周期等各方面性能上，非常贴合FIT自动化生产线的检测要求。VisionPro Deep Learning的深度学习算法针对工业图像分析进行了优化，只需较少的瑕疵图像样本和较短的标注训练时间即可完成验证。

VisionPro Deep Learning不但顺利解决了对于传统机器视觉过于繁重、复杂或者昂贵的应用，而且其灵活的图形化程序设计环境，使FIT的工程师们能够构建灵活自定义的深度学习解决方案。

检测画面

效果

目前FIT已在自动化瑕疵检测设备中成功部署了60多套VisionPro Deep Learning。在实际运行中，其性能表现出色：

· 整体检测能力大大提升，漏检率控制在< 0.1%、过杀率< 1~2%，机台判定标准一致，完全避免了人为因素导致的检验问题。

· 节省了100多位现场作业人员，检测结果不但更客观稳定，还大大降低了企业生产成本。

· 实现了无人化智能工厂，FIT的精密连接器可以轻松应对未来的各种复杂应用挑战，并为FIT抓住不同连接器终端市场的多样化发展趋势，提供了持续的创新技术支持，推进企业智能制造战略的实施。

自动化外观检测设备