在電子/PCBA 行業的質檢環節，元件極性反向誤報一直是困擾企業的難題。微鏈道愛的 AI AOI 軟件系統憑借其先進的技術，為解決這一問題提供了有效的方案。
用戶場景：某頭部電子廠商的 PCBA 產線，主要生產各類電子產品的印刷電路板。在組裝工序中，需要對電路板上的電子元件進行極性檢測，確保元件安裝方向正確。檢測對象包括各種貼片電容、二極管等具有極性的元件。
痛點：傳統的工業視覺質檢方法在檢測元件極性時，存在較高的誤報率，約為 20%。這不僅增加了人工複檢的工作量，降低了生產效率，還可能導致漏檢情況的發生。同時，隨着工業 4.0 的發展，工業 AI 控製器在工業視覺質檢中的應用逐渐成為熱點，但傳統方法難以與工業 AI 控製器有效結合，無法充分發揮其優勢。此外，產線換型時，需要重新編程，耗時較長，約 30 分鐘，影響了生產的靈活性。
技術原理
微鏈道愛的 AI AOI 軟件系統采用了視覺基礎模型的特征認知算法。該算法通過對大量良品的學習，能夠準確識別元件的特征，包括極性特征。在檢測過程中，系統會將實際檢測到的元件特征與學習到的特征進行比對，從而判斷元件的極性是否正確。
- 視覺基礎模型具有強大的泛化能力，能夠適應不同類型的元件和電路板，提高了檢測的覆蓋率。
- APDT 正樣本/少樣本學習技術，只需要 1-20 張良品，就可以快速完成模型的訓練，大大縮短了訓練時間。
- 語義誤報過濾功能，能夠對誤報信息進行智能分析和過濾，減少不必要的誤報。
微鏈道愛解決方案與產品
以 AI AOI 軟件系統為核心，該系統具有 0 代碼自動編程功能，一塊良品僅需 5 分鐘即可完成編程，大大縮短了產線換型時間。同時，系統支持 SDK/API/Docker 100% 本地私有化部署，數據不出廠，保障了數據的安全性。在實際應用中，配合 DaoAI 2D/3D AI AOI 設備，能夠更準確地檢測元件的極性。
AI AOI 軟件系統為電子/PCBA 行業的質檢提供了高效、準確的解決方案。
量化成效：使用 AI AOI 軟件系統後，元件極性反向的檢出率達到了 98%，漏檢率降低到了 <2%。誤報率降低了 -75%，大大減少了人工複檢的工作量。產線換型時間從原來的 30 分鐘縮短到了 5 分鐘，提高了生產的靈活性和效率。