广东三姆森科技股份有限公司将继续行使为机器视觉事业奋斗的伟大使命！
想要一套精准高效的AI检测系统，首先要做好什么？ 答案是： 甲乙双方共同努力，先把AI喂饱喂好再说。 而用来喂养AI的粮食，就是：数据。 正因为对数据训练的理解差异，导致我们偶尔面临客户的质疑。 到底什么回事呢？往下细说。 1 现有AI能力源于数据训练 人工智能三要素， 算力、算法、数据 。 数据与算力是AI模型训练的基础，算法是AI模型的
满地AOI，本质都是在卖算法！ 经常会有一些业内人士这样自我调侃。 当然，这种说法并不准确，自动光学检测（AOI）是一门综合的应用科学，除了 算法能力 ，还需要综合运用 光学、自动化集成等能力 ，厉害的厂商会在三个方面都有竞争力。 不过，这种说法却准确凸显了算法在现代工业检测中的作用。 现代智能制造与质量制造，已离不开各种机器
学技术广泛应用于工业生产、经济生活、科学研究等各个方面，是推动科技进步与产业升级的关键力量。目前，光学工程技术的发展趋势主要体现在以下几个方面： 1 集成化与微型化 随着光电产品的快速发展，产品越来越趋于小型化、数字化、功能集成化。光学元件和系统也正朝着微型化和集成化的方向发展，以满足各类光电产品对小型化、高性能
随着AI等数字技术的发展，各种机器学习、深度学习算法在质量管理领域的应用日益广泛，这种智能化极大推动了高质量制造。 质量管理包括 质量策划、质量控制、质量保证、质量改进 等活动，涉及 数据采集与分析、缺陷识别、过程控制、监控预警、优化改进决策分析 等方方面面，AI技术就应用在这些具体工作里。 现代工厂管理引入越来越多的数
现代半导体制造业的发展，离不开光学检测技术的进步与应用。近日， 三姆森（Samsun）自主研发的SiC晶圆外观缺陷检测设备WDP-6850成功落地 ，标志着三姆森再次拓展应用场景，在 第三代半导体 前后道制程检测领域取得又一突破。 三姆森深耕光学检测20年，已在多个制造行业与技术方向上形成光学积累和应用经验。自2020年成立半导体团队以来，经过
中国会成为下一个质量体系与质量理论的输出高地吗？ 这绝对不是什么盲目猜测，而是基于经验历史的合理推想！ 工业与产业研究专家 林雪萍 在 《质量简史》 里就认为： 谈论任何一种质量理论的诞生，其实都无法脱离当时的制造形态。而质量理论，也需要随着制造技术的发展，反复迭代和更新。 中国有着数量庞大的工厂，而质量理论一向是需要
人类中那些疯狂的细节控，反而成为了文明发展的驱动力。 这些细节控，对细微和细节极为敏感，极致追求精确。 正如西蒙温切斯特《追求精确》一书所言： 对精确的极致热爱塑造了现代世界 。 那么，人类对精确的最初认识和探索是从何时开始的？ 那些精密工程的先驱又如何用他们的发明改变了人类社会的进程？ 1 一条文明的重要线索 两千多年
1 应用背景 智能手机零件供应商面临着两个挑战：一是随着智能手机的发展，内部零件不断被要求缩小尺寸、减小规格、增加精度；二是手机零件制造商之间的竞争日趋激烈。这促使零件制造商必须采用 更精准、更严格、更高效 的方法。 智能手机的 卡托、开关键、音量键、屏蔽罩 等结构件，应严格控制好尺寸误差与瑕疵， 避免出现装配困难、手感
1 应用背景 PCB（印制电路板）空板经SMT上件和/ 或DIP插件，即PCBA，形成完整的电路系统。 由于电子元件与焊点繁多而微小，贴装、焊接的准确度要求极高，传统人工+辅具检测容易错漏细微瑕疵，无法满足精细化生产需求，因此需要更精准、高效的检测方式。 2 面临挑战 ①产品要求更严格： PCB愈发高密度、高精度、细孔径、小间距、多层化、轻薄化
