Mirtec MV 6 OMNI 3D Inline-AOI-Inspektionsmaschine

Die MV-6 OMNI-Serie ist ein vollständiger 3D-Inline-Vision-Inspektor mit einer hochauflösenden 25-Megapixel-Kamera, 12 digitalen Moiré-Projektionen, einer 18-Megapixel-Seitenkamera und einem koaxialen 8-Phasen-Farbbeleuchtungssystem für eine langsame Inspektion von bis zu 0301 (mm) Chips.

Digitale 12-Projektion-Moiré-Technologie
Die Moiré-Projektionseinheit misst eine Komponente in 4 EWSN-Richtungen, um ein 3D-Bild für eine ausfallsichere und schnelle Fehlererkennung zu erhalten.

• Erhalten Sie mithilfe von 4 3D-Projektionen ein 3D-Bild ohne tote Winkel
• Verschiedene Bauteilhöhenprüfungen mit der Kombination von Moiré-Mustern mit hoher, mittlerer und niedriger Frequenz
• Verknüpfung mit der Hauptkamera zur Durchführung einer vollständigen 3D-Inspektion zur fehlerfreien Erkennung verschiedener Fehler

Hochauflösende 25-Megapixel-Kamera
Wir sind stolz darauf, das Vision-System der nächsten Generation mit der hochauflösenden 25-Megapixel-Kamera für eine präzisere und stabilere Inspektion und die Hochgeschwindigkeits-CoaXPress-Übertragungsmethode eingesetzt zu haben, die eine viermal höhere Datenübertragung und eine um 40 % höhere Prozessgeschwindigkeit ermöglicht.

• 25-Megapixel-Kamera geladen
• Anwendung des Hochleistungs-Bildverarbeitungssystems DoaXPress
• Großes Sichtfeld zur Erhöhung der Inspektionsgeschwindigkeit
• Die Verarbeitungsgeschwindigkeit wurde im Vergleich zur Kameraanbindung um 40 % erhöht

Deep-Learning-Tool für angewandten automatischen Unterricht
Eine Inspektionssoftware, die eine Deep-Learning-Lösung anwendet, sucht nach den am besten geeigneten Komponenteninformationen und trainiert die Komponente automatisch.Der Benutzer erhält immer die beste Inspektionsqualität, unabhängig von seinen Fähigkeiten, da der gesamte Prozess mit wenigen Klicks erledigt wird.

• Reduzieren Sie die Unterrichtszeit um mehr als 90 % im Vergleich zum manuellen Unterricht
• Sichern Sie die beste Prüfqualität durch Standardisierung der Arbeitsprozess
• Präzise Suche und Zuordnung von Komponenten durch Anwendung einer Deep-Learning-Lösung