电子制造行业正逐步迈向高度“数智化”时代，越来越多的企业开始采用AI机器视觉技术进行缺陷检测和品质管控。

由于良品率极高，在大量正常的产品中，收集缺陷样本既耗时又低效。而模拟制造缺陷品也绝非易事，产品缺陷形态多变，还可能出现各种无法预测的异常情况，传统的缺陷模拟方法往往难以应对，这无疑增加了检测的成本和难度。

良品学习

阿丘科技的良品学习模式，拥有非监督分类与非监督分割两大功能，无需缺陷样本，通过学习良品的共性特征，即可自动识别异常，找出不良品。此功能经由真实工业场景打磨，已落地部署并批量复制，惠及电子制造行业各类生产工艺的品质管控。

只训练良品图，缩短样本收集和模型上线的时间；具有防呆效果，适用于检测无法预测的未知缺陷；精度准确率高，可检出低至 7*7 像素的细小缺陷。

经典应用集锦

电子制造业涵盖丰富多样的产品品类，其工艺流程复杂且精密，涉及众多关键组件。阿丘科技的AI良品学习算法和方案，帮助工厂解决缺陷样本难收集问题，有效检出产品的细小缺陷和形态随机的未知异常。

· 5G通信-端子外观缺陷检测：精确检出所有外观缺陷，项目落地后实现0漏检。

· 电子元器件-激光光路检测：检出激光杂斑、多光线等缺陷，已部署上线，完成批量复制。

· 半导体-LED晶圆检测：检出残胶、表面凸起、针痕、DBR污染、边缘崩边等10+种缺陷。

· 线材-线芯缺陷检测：检出短路无芯片，焊接不良连锡，太靠边线皮，退锡不良未上锡，芯片偏移等15+种缺陷。

· FPC-电极缺陷检测：检出划痕、破损、褶皱、脏污等缺陷。

如果您正面临缺陷图片难收集的问题，阿丘科技的良品学习算法和方案正是您的理想之选。