SMT 貼片、DIP 插件、焊點與元件貼裝的全板檢測。
從真實產線、真實場景來的反饋,是花錢買不到的。
八年駐廠、一條條產線,慢慢沉澱出來的工程經驗。
全棧自研 —— 從傳感器到世界模型,整條鏈路自己掌握。
1 億+ 真實工業場景數據,持續打磨同一個世界模型。
典型檢測點 · KEY CHECKS
行業方案 · INDUSTRY
SMT / DIP 與半導體後道,PCBA 全板檢測的標桿場景。
客戶案例 · CASE STUDIES
從 SMT 焊點到 BGA 隱藏焊球、被動元件微裂紋 —— AI-AOI 把誤報壓到最低,難檢缺陷照樣挑得出。
場景 · SMT 焊後全檢
挑戰傳統 AOI 把大量良品誤判為缺陷,操作員逐張人工複判,複檢產能被嚴重浪費。
方案AI-AOI 做二道闸門 + APDT 正樣本學習,只學良品就能分清真伪,5 分鐘 0 代碼換型。
場景 · BGA / QFN 隱藏焊點
挑戰BGA / QFN 焊點藏在封裝下方,光學 AOI 根本看不見,空洞、橋連難以穩定判定。
方案3D AI-AOI 設備 + 世界模型,在低對比圖像里識別空洞、橋連、不润湿等微缺陷。
場景 · MLCC 微裂紋
挑戰MLCC 微裂紋、電極錯位只有微米級,人工判讀疲劳、一致性差,缺陷樣本又稀少。
方案APDT 正樣本學習 1–20 張良品即可上線,微米級精度 + 實例分割精準定位。
案例為匿名行業場景,指標為微鏈道愛方案的典型可達范圍。
深度案例 · IN-DEPTH
逐一拆解真實場景下的落地路徑 —— 行業背景、痛點、DaoAI 方案與成效。
某頭部消費電子 PCBA 廠的傳統 AOI 誤報率長期居高,複檢工位人力吃緊。DaoAI AI-AOI 軟件疊加 APDT 正樣本學習,作為傳統 AOI 之後的二道闸門,誤報下降約 80%,人工複檢量隨之下降 80%,漏檢控製在 1% 以內。
閱讀全文
某通信模塊代工廠的 BGA/QFN 焊球藏在封裝下方,2D 光學無能為力,X-ray 抽檢又慢又貴。DaoAI 3D AI-AOI 設備對隱藏焊點做三維成像與 AI 判讀,空洞、橋連、不润湿的綜合檢出率達 99% 以上。
閱讀全文
某被動元件廠的 MLCC 端面微裂紋寬度僅微米級,傳統視覺難穩定捕捉,而缺陷樣本極難收集。DaoAI APDT 正樣本學習僅用 1–20 張良品即可上線,微米級分辨、毫秒級檢完每一顆。
閱讀全文
某汽車電子 PCBA 廠的二極管、電解電容極性判定誤報頻發,傳統 AOI 把絲印反光、本體色差當成反向。DaoAI 僅用 164 張歷史誤報圖做少樣本學習,推理 <1 秒,極性判定準確率約 99%。
閱讀全文
某工業控製板 PCBA 廠的成品裝配環節,連接器、跳線、散熱件等容易漏裝、錯裝、方向裝反,人工終檢覆蓋不全。DaoAI AI-AOI 在高節拍下對裝配完整性做在線全檢,缺漏件與錯漏裝綜合檢出率 97% 以上。
閱讀全文常見問題 · FAQ
覆蓋 SMT 焊後缺陷(虛焊、連錫、偏位、立碑)、元件缺件與錯件、極性反向、BGA / QFN 隱藏焊點以及 MLCC 微裂等。DaoAI 以視覺基礎模型識別這些細微、低對比的缺陷,兼顧檢出率與誤報控製。
在傳統 AOI 之後加一道 AI 二次判圖闸門,用深度學習複判可疑點,可將誤報複檢量壓低七成以上,同時不漏真實缺陷,释放複檢人力。
DaoAI 3D AI-AOI 通過三維形貌重建檢測 BGA / QFN 等器件底部的隱藏焊點與共面度問題,弥補 2D 光學無法穿透的盲區。
不會。DaoAI 軟件用一塊良品樣板即可在 5 分鐘內自動編程,無需 CAD、無需缺陷樣本庫,換型時快速複用,適合多品種小批量電子製造。