大功率共模電感市場導讀

大功率共模電感 制造前段工藝制備過程中，繞線、焊接、成型等環(huán)節(jié)易受材料公差、張力控制等因素影響， 產生一定比例的加工損耗，損傷現(xiàn)象。

因此，對大功率共模電感成型后段工序導入外觀缺陷全檢意義重大，確保出貨品質。 一旦產生誤檢或漏檢，會導致整批退貨或客戶索賠，造成高額生產損失。

但傳統(tǒng)人工或視覺系統(tǒng)難以識別電感表面復雜形態(tài)及和角度細小缺陷， 漏檢誤判頻發(fā)，且效率難以提升等問題接踵而至，進而推動AI視覺檢測技術結合全自動測包機逐步走向應用市場。

▌ 客戶原方案存在問題

客戶現(xiàn)有外觀缺陷檢測方案采用傳統(tǒng)機器視覺算法， 判定標準固定、誤報率高、識別能力有限，易受制于檢測環(huán)境影響，檢測數(shù)據(jù)無法閉環(huán)，需額外增加2～3人抽檢復核，無法實現(xiàn)真正的全自動化生產。

設備長時間運行后 檢測精度易漂移，誤檢、漏檢率高，換型調試繁瑣、依賴人工經(jīng)驗，導致檢測穩(wěn)定性不足、良率波動大， 難以滿足高節(jié)拍量產與零缺陷交付需求。

讓AI嚴控品控，實現(xiàn)零缺陷交付！

正運動 針對客戶核心品質檢測需求，開發(fā)了基于機器視覺運動控制一體機的AI外觀缺陷檢測方案。 采用多面AI視覺檢測，結合高精度視覺采集系統(tǒng)， 可精準識別大功率共模電感復雜表面缺陷。

▌ 正運動技術解決方案：

在客戶量產線實測中， 檢測精度≥99.95%，誤判≤1%，漏判≤0.1%（致命項漏判為0），單機產能（UPH）可達15K+ pcs/h，設備 稼動率≥90%。

樣本訓練識別準確率

方案基于 “不良品AI學習+良品AI學習+樣本判定規(guī)則庫”三層融合架構，構建從特征學習到邏輯決策的智能閉環(huán)檢測體系， 實現(xiàn)檢測穩(wěn)定性與精度的雙重提升。支持 多模型并行訓練與GPU加速推理，可滿足 高并發(fā)檢測與實時判定需求。

方案可基于 少樣本自學習快速建模、自動適配新料號，檢測數(shù)據(jù)實時對接MES，實現(xiàn)全流程可追溯、可復盤， 有效縮短新產品導入周期。助力企業(yè)提升經(jīng)濟效益和產品全生命周期品質管控能力。

正運動解決方案檢測要點

√檢測目標：能識別尾膠少膠、膠裂，磁芯錯位、破損，引腳共面度不良、歪斜，骨架破損等缺陷，檢測精度≤0.1mm。

√多面不停機檢測，UPH≤4.5秒/pcs，稼動率 ≥90%。

√良品率要求：誤判率≦1%，漏判（非致命）≦0.1%，致命不良不能漏判。

√多料號適配：兼容不同尺寸/規(guī)格的產品。

√數(shù)據(jù)追溯：檢測結果可全量保存，實時對接 MES，數(shù)據(jù)要可追溯、可復盤。

AI檢測工藝實現(xiàn)

AI檢測工藝實現(xiàn)視頻請點擊→正運動AI缺陷檢測界面運行視頻

系統(tǒng)配備高分辨率工業(yè)相機和專用光源，能夠捕捉被動元器件的高清圖像。通過上料機構夾持樣品，移動至相機拍攝視野范圍內，進行 分步飛拍大功率共模電感多面高清圖像， 零死角覆蓋產品外觀， 提升檢測節(jié)拍與設備吞吐量。

采集到的多面圖像經(jīng)預處理后輸入深度學習模型，快速識別出缺陷的類型、位置和大小，并 實時輸出判定結果（OK/NG）。檢測結果同步反饋至分選模組，不良品自動被排至不良品盒中， 所有檢測數(shù)據(jù)上傳MES，實現(xiàn)全程追溯與復盤。

檢測效果圖例

AI視覺檢測工藝流程

正運動AI視覺外觀檢測方案 可準確識別大功率共模電感器表面 非標準及模糊缺陷特征，無需頻繁調參或改算法，簡化操作與降低維護成本。

單件檢測僅需數(shù)毫秒，準確率達99.95%。有效減少人工復檢與返修， 嚴控品控，提升產線效率與品質一致性。

解決方案硬件配置

正運動AI視覺外觀檢測系統(tǒng)

正運動技術AI視覺外觀檢測系統(tǒng) 依托深度學習算法 ， 構建起的缺陷樣本庫 ，實現(xiàn)產品外觀的 全方位缺陷檢測 ， 精準識別元器件微小缺陷 （劃痕、裂紋、偏位等）， 支持多任務并行檢測與視覺飛拍技術，實時聯(lián)動分選機構，實現(xiàn)“檢－控－分”全流程自動 化 。

具備AI自學習與遷移學習能力 ，可通過少量樣本快速建模，適配新料號，并持續(xù)更新缺陷樣本庫，以滿足不同應用場景客戶的AI檢測缺陷需求。

系統(tǒng)零編程配置、開放協(xié)議和內置數(shù)據(jù)分析工具，使系 統(tǒng)更易集成和維護 。通過 降低硬件成本與人工依賴 ，可顯著提升AI檢測精度與效率，全面 保障用戶的良率與交付穩(wěn)定性 。

AI視覺外觀檢測系統(tǒng)組成模塊

AI視覺外觀檢測系統(tǒng)由五大核心模塊協(xié)同工作，構成完整的智能檢測閉環(huán)。

圖像采集模塊

集成工業(yè)相機、鏡頭及光源等工業(yè)級成像組件，精準捕捉產品表面圖像數(shù)據(jù)。

AI圖像處理平臺

基于深度學習算法對采集圖像進行實時處理與分析，高效執(zhí)行缺陷識別（如劃痕、裂紋、污漬、孔洞）與尺寸/形狀高精度測量任務。

模型訓練模塊

提供從數(shù)據(jù)標注、模型訓練到部署驗證的全流程工具，支持用戶獨立完成定制化檢測模型的構建。

結果輸出模塊

實時呈現(xiàn)可視化檢測結果，并可與生產控制系統(tǒng)進行交互。

系統(tǒng)運維管理模塊

監(jiān)控系統(tǒng)運行狀態(tài)，提供參數(shù)配置、故障診斷等功能。

技術保障

● 嚴苛驗收標準：

系統(tǒng)交付前需通過混包驗證、負載試車、不少于1個月的商業(yè)試運行等多重考核，確保設備穩(wěn)定性與檢測合格率≥99.8%。

● 全程服務支持：

提供安裝調試、技術培訓等一站式服務，助力客戶無縫銜接，快速投產。

一、機器視覺運動控制一體機VPLC7系列

可選4-64軸運動控制（脈沖+EtherCAT總線），EtherCAT最小通訊周期250us；

內置強實時運動控制內核MotionRT750，支持第三方視覺軟件；

板載20路通用輸入（其中VPLC711的10路和VPLC712的8路為高速輸入），20路高速輸出；

基于x86架構的 EtherCAT總線視覺運動控制器，支持脫機運行，內置豐富的視覺和運動控制功能，大幅簡化配置流程；

支持EtherCAT冗余功能，解決單點故障停機，自動診斷并持續(xù)運行，增強系統(tǒng)可靠性，簡化維護工作；

提供一體化開放式 IPC形態(tài)的實時軟控制器/軟PLC集成的視覺+運動控制解決方案。

二、強實時運動控制內核 ： MotionRT750 SoftMotion

x86架構Windows/Linux系統(tǒng)下 獨占CPU內核的運動控制實時內核 。

支持多達 254軸的高精度運動控制，控制周期可低至125us，顯著提升設備性能， 助力產能提升至少20% 。

單條指令的交互時間為 1-3us，相較于傳統(tǒng)的PCI/PCIe、網(wǎng)口等通訊方式， 速度提升了 10-100倍以上 。

搭載環(huán)形冗余架構，確保非故障從站持續(xù)保持正常 EtherCAT通信， 可顯著提升系統(tǒng)可靠性與運行穩(wěn)定性。 可有效杜絕 EtherCAT通訊故障導致的產能損失 。

當 Windows因病毒入侵、硬件異常插拔或驅動沖突導致 系統(tǒng)崩潰 時， 運動控制實時內核 MotionRT750仍可持續(xù)運行,且急停功能仍然保持有效 ，提供充分響應時間進行事故處置，顯著 提升工業(yè)控制安全性與可靠性 。

審核編輯 黃宇