當今電子制造行業(yè)質檢領域由于產量大、生產工藝管控各異等原因，導致生產廠商在實施零部件的質量檢測時，無法通過傳統(tǒng)的檢測方法來達到降本增效的要求。行業(yè)需要更加智能的檢測技術來滿足高產出、高效率的自動化檢測解決方案。

電子制造業(yè)檢測難點

⊙ 傳統(tǒng)手動特征抓取效率低下：隨著質量要求的提高，同一批工件在表面尺寸特征的精準抓取上面臨挑戰(zhàn)；

⊙ 人工抓取一致性差：依賴手動抓取表面特征時，常因失敗需要人工確認和重測，導致時間和勞力成本增加；

⊙ 人工抓取工件表面特征時，個人操作差異導致特征質量不一致，影響檢測準確性。

�？怂箍到鉀Q方案

�？怂箍档� Metus 軟件融合了自主研發(fā)的 Hex.AI 技術，其 Hex.AI 算法庫融合深度學習和傳統(tǒng)計算機視覺圖像處理算法，通過前置處理、后置過濾增加缺陷檢測的多樣性，始終能夠從容應對不同缺陷在不同環(huán)境下成像后的多元化檢測應用場景。

作為一款成熟的復合式影像產品，Metus 已成為多行業(yè)解決復雜疑難質量檢測問題的有效工具，適合用于絕大部分材料和尺寸的檢測任務，無縫對接半導體封裝、電子制造、新能源、智能穿戴設備產業(yè)、醫(yī)療器械等精密檢測領域的需求。

AI技術自動化抓取工件表面尺寸特征，滿足更高的質量檢測標

Metus AI 自動尋找工件表面特征的應用利用了先進的機器學習技術，能夠快速準確地識別和定位工件表面各種特征。通過高分辨率相機和圖像處理技術，該應用能夠捕捉工件表面的微小細節(jié)，并利用AI算法進行分析和識別。

新能源汽車電池極片表面毛刺特征抓取

減少傳統(tǒng)手動操作失敗的重復工作，提高檢測效率和準確性

Metus AI 自動尋找工件表面特征的應用適用于多種復雜邊界的智能抓取場景，例如點、線、圓、弧等邊緣要素的抓取，可替代人工手動操作，檢測速度更快，同時減少人工抓邊產生的差異性，提升復雜邊界抓取的準確性與穩(wěn)定性。AI檢測單個檢測要素的效率比人工檢測單個檢測要素的效率可提升至98.75%。

手動抓取表面特征圓（偏差大）  

 AI抓取表面特征圓（準確）

實現(xiàn)特征抓取的標準化處理，保證檢測結果的一致性和可靠性

相比于傳統(tǒng)的機器視覺工件表面特征抓取的技術，AI 自動尋找工件表面特征的精準度遠超過人工機器視覺判斷的準確度，可實現(xiàn)100%全自動檢測并保證亞像素級的檢測精度，緩減由于人工判斷標準不一致的差異性而導致檢測效果的差異性，使得檢測結果的一致性和可靠性得到有效保證。

AI 尋邊亞像素級檢測

結果可追溯

Metus在進行模型訓練時，會記錄每一個工件表面特征的檢測結果，包括檢測時間、檢測位置、特征類型等信息并可將檢測的結果實時輸出到數據輸出表。用戶可追溯AI抓邊模型的標注、訓練以及檢測結果，從而保證檢測的質量信息有記錄，可查詢，可跟蹤，協(xié)助用戶優(yōu)化生產工藝和流程，提高生產效率和產品質量。

模型標注、訓練和檢測結果信息追溯