2D AI AOI 裝置實現板級絲印/OCR 字元高精度檢測

板級絲印和 OCR 字元作為產品資訊和功能識別的關鍵元素，其質量檢測在電子/PCBA 工業生產中不容忽視。微鏈道愛 2D AI AOI 裝置憑藉先進技術，為該領域帶來了新的突破。

在電子/PCBA 行業，板級絲印和 OCR 字元是產品資訊傳達、功能識別的關鍵要素。它們廣泛存在於各類電路板上，如智慧手機、電腦、智慧家電等產品的 PCB 板。在某頭部電子製造廠商的 PCBA 生產線中，板級絲印工序完成後，必須對產品上的絲印內容及 OCR 字元進行嚴格檢測。檢測物件涵蓋了電路板上的各種標識、文字、數字等，這些資訊不僅關乎產品的正常使用，還影響著產品的品牌形象和市場競爭力。

痛點:為什麼難

傳統的檢測方式在工業視覺質檢與智慧製造結合的大趨勢下，面臨著諸多困境。首先從效率上看，人工檢測效率極其低下。每塊電路板的檢測時間長達幾分鐘甚至更久，導致整個產線的節拍緩慢。以該頭部廠商為例，每天生產數千塊電路板，人工檢測需要大量的人力投入，人力成本居高不下。其次，從準確性方面分析，人工漏檢率高達 3%，誤報率約為 20%。這是因為人工檢測容易受到檢測人員的疲勞、注意力不集中等因素影響，而且對於一些微小的缺陷和模糊的字元，人工很難準確識別。最後，在產線換型時，傳統方式面臨著巨大的挑戰。重新調整檢測標準和流程需要 30 分鐘之久，這期間產線處於停頓狀態，嚴重影響了生產效率。

造成這些痛點的根因在於傳統檢測方式缺乏智慧化和自動化。人工檢測依賴於人的主觀判斷，缺乏統一的標準和穩定性。而且人工檢測無法快速處理大量的影象資料，難以適應大規模生產的需求。另外，傳統的檢測裝置在成像精度和演算法處理能力上也存在不足，無法準確識別複雜環境下的絲印和字元缺陷。

技術原理

微鏈道愛的 2D AI AOI 裝置採用高分辨 2D 成像技術。其硬體配備了高精度的工業相機，這些相機具有高畫素、高幀率等特性，能夠捕捉電路板上絲印和字元的清晰影象。在成像過程中，相機可以根據不同的光照條件和電路板的材質進行自動調整，確保影象的質量。深度學習二次判圖演算法是該裝置的核心。它透過大量的正樣本學習（1-20 張良品），構建視覺基礎模型。在檢測時，先對影象進行初步分析，提取絲印和字元的特徵資訊，然後利用模型進行二次判圖，能夠準確識別絲印和字元的缺陷。語義誤報過濾功能則是基於對影象語義的理解，它會分析影象中絲印和字元的含義、上下文關係等，過濾掉因環境、光照等因素產生的誤報。

與傳統方法相比，這種演算法和成像原理的有效結合具有顯著優勢。深度學習演算法能夠不斷學習和最佳化，適應不同的絲印和字元特徵，而高分辨成像則為演算法提供了準確的資料基礎。傳統方法往往只能基於固定的規則進行檢測，對於一些複雜的缺陷和變化的絲印特徵無法準確識別。而 2D AI AOI 裝置透過不斷學習和自適應調整，能夠在各種複雜環境下實現高精度檢測。

典型應用場景

• 缺印檢測：缺印是指絲印內容部分缺失的情況。2D AI AOI 裝置利用高分辨 2D 成像獲取清晰的影象，然後透過深度學習二次判圖演算法分析影象中絲印的完整性。難點在於一些微小的缺印可能容易被忽略，裝置需要具備高靈敏度的檢測能力。
• 錯印檢測：錯印包括字元錯誤、標識錯誤等。裝置透過對影象中絲印和字元的特徵提取和模型比對，判斷是否存在錯印。難點在於一些相似字元和標識的區分，需要演算法具有高精度的識別能力。
• 模糊檢測：模糊的絲印和字元會影響資訊的讀取。裝置透過分析影象的清晰度和對比度，識別模糊的區域。難點在於如何準確判斷模糊的程度，避免過度誤判。
• 字元大小不一致檢測：不同的絲印字元可能存在大小不一致的情況。裝置透過測量字元的尺寸和比例，判斷是否符合標準。難點在於字元的位置和角度可能會影響測量的準確性，需要進行精確的影象校正。

落地案例

某大型電子製造企業，擁有多條 PCBA 生產線，每天生產大量的電路板。在引入微鏈道愛的 2D AI AOI 裝置之前，該企業採用傳統的人工檢測方式，面臨著效率低下、漏檢率高、誤報率高等問題。上線過程中，微鏈道愛技術團隊首先對企業的生產線進行了詳細的調研和分析，確定了檢測的需求和標準。然後利用 DaoAI AI AOI 軟體系統進行程式設計，僅用一塊良品 5 分鐘就完成了 0 程式碼自動程式設計。藉助 APDT 正樣本/少樣本學習功能，使用 1-20 張良品完成了模型訓練。上線後，企業的檢測效果得到了顯著提升。

微鏈道愛 2D AI AOI 裝置，讓電子製造檢測更高效、更精準。

微鏈道愛解決方案與產品

以 2D AI AOI 裝置為核心的解決方案，針對板級絲印/OCR 字元檢測提供了高效的質量管控手段。該裝置具備高速線上全檢能力，能夠在微米級精度下檢測出絲印和字元的缺陷，如缺印、錯印、模糊等。在落地實施中，利用 DaoAI AI AOI 軟體系統進行程式設計，一塊良品只需 5 分鐘即可完成 0 程式碼自動程式設計，大大縮短了程式設計時間。同時，藉助 APDT 正樣本/少樣本學習功能，僅需 1-20 張良品就能完成模型訓練，快速適應不同的產品換型。

量化成效：使用 2D AI AOI 裝置後，檢出率提升至 99.2%，漏檢率降低至 <0.8%，有效保證了產品質量。誤報率降低了 -75%，減少了不必要的複檢工作。產線換型時間從 30 分鐘縮短至 5min，大幅提高了生產效率。

本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。