3D AI AOI 设备检测 BGA 空洞成效显著

在智能制造的大趋势下，电子/PCBA 行业对检测精度和效率的要求日益提高。微链道爱的 3D AI AOI 设备凭借先进技术，为 BGA 空洞检测带来新的解决方案。

用户场景：某头部电子厂商的 PCBA 生产线上，主要生产各类电子产品的印刷电路板。在 BGA（球栅阵列封装）焊接工序中，需要对 BGA 焊点进行检测，检测对象为 BGA 焊点中的空洞缺陷，这是影响电路板性能和可靠性的关键因素之一。

痛点：传统的 2D 光学检测方法在检测 BGA 空洞时存在诸多困境。漏检率较高，约为 3%，导致部分有缺陷的产品流入后续工序，增加了产品的返修率和成本。误报率也达到了 20%，大量的误报信息需要人工进行复检，浪费了大量的人力和时间。此外，在产品换型时，传统检测设备的编程和调试时间较长，约需 30 分钟，严重影响了生产效率。在智能制造场景下，利用细粒度标签优化 AI-AOI 工业视觉检测效果的需求日益迫切，传统方法已无法满足行业发展的要求。

技术原理

微链道爱的 3D AI AOI 设备采用自研的 3D 相机进行成像。其原理基于结构光三维测量技术，通过投射特定的结构光图案到检测对象表面，然后利用相机捕捉反射光的变形情况，根据三角测量原理计算出物体表面各点的三维坐标，从而实现三维形貌重建，生成点云数据。

• 对于 BGA 空洞检测，该设备能够检测到隐藏焊点、共面度、微米级形貌以及气孔等 2D 光学盲区的缺陷。这是因为 3D 数据能够提供更丰富的信息，相比 2D 图像，它可以从多个角度观察焊点，准确判断空洞的存在和大小。
• 同时，设备采用 2D-3D 融合技术，将 2D 图像的纹理信息和 3D 点云的几何信息相结合，进一步提高了检测的准确性。通过对细粒度标签的学习和分析，设备能够更精准地识别不同类型的缺陷，从而优化检测效果。
• 在算法层面，设备利用深度学习算法对大量的样本数据进行训练，不断优化模型的特征认知能力，使其能够快速、准确地识别 BGA 空洞等缺陷。

微链道爱解决方案与产品

以 3D AI AOI 设备为核心，微链道爱为该电子厂商提供了完整的检测解决方案。该设备具备高精度的检测能力，能够实现对 BGA 空洞的准确检测。其自研的 3D 相机和三维形貌重建技术，能够有效克服 2D 光学检测的局限性，检测出隐藏的缺陷。

3D AI AOI 设备结合细粒度标签学习，为电子行业 BGA 空洞检测带来新突破。

在落地过程中，配套使用 DaoAI AI AOI 软件系统，该系统支持一块良品 5 分钟 0 代码自动编程，通过 APDT 正样本/少样本学习（仅需 1-20 张良品），能够快速适应不同产品的检测需求，大大缩短了换型时间。同时，系统的语义误报过滤功能能够有效降低误报率。

量化成效：使用微链道爱的 3D AI AOI 设备后，该电子厂商的 BGA 空洞检出率提高到了 99.2%，漏检率降低到了 <0.8%。误报率降低了 -65%，大大减少了人工复检的工作量。产品换型时间从原来的 30 分钟缩短到了 5 分钟，生产效率得到了显著提升。