Renex oferuje najszybszy system automatycznej inspekcji optycznej

Jak pokazują badania przeprowadzone przez Yamaha Motor w maju 2021 roku, YRi-V osiąga największą prędkość inspekcji w branży. Ponadto nowy model pozwala na inspekcję ultramałych komponentów o rozmiarze 0201 (0,25 mm x 0,125 mm) oraz wykrywanie rys, pęknięć czy wyszczerbień na lustrzanych powierzchniach, co dotychczas było problematyczne.

Nowoopracowana głowica inspekcyjna posiada soczewki o rozdzielczości 12 μm i 7 μm, jak również nową soczewkę o rozdzielczości 5 μm. YRi-V został wyposażony w zupełnie nowe oświetlenie o zwiększonej luminancji, a także w najszybszą w branży kamerę o wysokiej rozdzielczości. Zastosowanie wysokowydajnego procesora graficznego zapewnia szybsze przetwarzanie obrazu, które osiąga niemal dwukrotnie większą szybkość niż w przypadku obecnego YSi-V TypeHS2 przy 7 μm i 1,6 razy większą przy 12 μm.

Dzięki poprawie możliwości projektora 3D dokładność pomiaru i zasięg zostały podwojone, w porównaniu z obecnymi modelami, a wysoce precyzyjne pomiary są teraz możliwe dla wysokości do 25 mm. Nowe współosiowe oświetlenie głowicy inspekcyjnej zwiększa możliwości wykrywania rys, pęknięć i wyszczerbień na elementach o lustrzanej powierzchni.

Zmodernizowane przenośniki rozszerzają zakres długości płytek drukowanych jakie są kompatybilne z urządzeniem. Możliwa jest elastyczna obsługa dłuższych płytek - z opcjonalnym wyposażeniem - do 1200 mm. W przypadku konfiguracji dwutorowej, łatwiejsza niż dotychczas regulacja stałych pozycji dla szyn 2, 3 i 4 zwiększyła możliwości łączenia z innymi urządzeniami.

W urządzeniu zastosowano nowy graficzny interfejs użytkownika. Automatyzacja funkcji, zastosowanie sztucznej inteligencji oraz inne rozwiązania pozwalają na obsługę systemu przez operatorów o małym doświadczeniu.

Czas dostrajania danych jest skrócony o połowę dzięki eliminacji ujęć inspekcyjnych (automatyczne obliczanie), automatyzacji parametrów oświetlenia i automatycznej korekcji położenia, która dokładnie uwzględnia stopień niewspółosiowości komponentów. Ponadto AI deep learning identyfikuje typ komponentu na podstawie obrazu komponentu i automatycznie ustawia idealną bibliotekę komponentów. Umożliwia to dalszą automatyzację i oszczędność pracy, np. automatyczne tworzenie nowej biblioteki komponentów i pomoc w podejmowaniu decyzji dotyczących drugorzędnych kontroli wizualnych.