電子 · 2026-07-03

電子/PCBA 板級絲印/OCR 字元 AI 視覺檢測成效顯著

深入解析技術原理、應用場景及落地成效

返回洞察
電子/PCBA 板級絲印/OCR 字元 AI 視覺檢測成效顯著
電子 / PCBA · DaoAI AI 視覺應用

在電子/PCBA 行業,板級絲印和 OCR 字元的準確檢測是保障產品質量和追溯性的關鍵環節。微鏈道愛透過創新的 AI 視覺技術,為該行業帶來了全新的檢測體驗。

98%檢出率
-60%誤報率降低
5min產線換型時間

在電子/PCBA 行業,產品的質量和可追溯性至關重要。板級絲印和 OCR 字元包含了產品型號、批次號、日期等關鍵資訊,這些資訊不僅用於產品的識別和管理,也是質量控制和問題追溯的重要依據。在某頭部電子/PCBA 廠商的生產線中,板級組裝工序完成後,對印刷電路板(PCB)上的絲印以及 OCR 字元進行檢測是必不可少的步驟。只有確保這些資訊的準確性和清晰度,才能保證產品符合質量標準,順利進入後續的生產和銷售環節。

痛點:為什麼難

傳統檢測方法面臨著諸多挑戰。從技術層面來看,由於 PCB 表面的特性,尤其是一些鏡面金屬區域,具有很強的反光性。這使得在進行 3D 點雲採集時,得到的資料稀疏、含噪且缺失。例如,在實際檢測中,反光可能會導致部分割槽域的點雲資料無法準確獲取,從而使位姿與檢測容易失敗,漏檢率達到了 3%。這是因為傳統的檢測技術難以有效應對這種反光問題,無法獲取完整、準確的 3D 資訊。

在人力成本方面,人工檢測效率低下且誤報率高。人工檢測需要操作人員長時間集中注意力觀察 PCB 上的絲印和字元,由於長時間工作容易產生疲勞,誤報率高達 15%。而且,人工檢測需要投入大量的人力,這無疑增加了企業的人力成本。據統計,在一些大規模的生產線中,人工檢測的人力成本佔比相當高,給企業帶來了沉重的經濟負擔。

產線換型也是一個棘手的問題。當生產線需要更換產品型號時,傳統方法需要重新程式設計。這個過程非常繁瑣,平均換型時間達到 30 分鐘。在這段時間內,生產線處於停滯狀態,無法進行生產,嚴重影響了生產效率。這是因為傳統的程式設計方式需要技術人員根據新的產品要求進行復雜的引數設定和程式碼編寫,耗費大量的時間和精力。

技術原理

微鏈道愛採用多視角主動視覺技術來解決上述問題。在成像方面,透過多個不同角度的相機同時對 PCB 進行成像。這種多視角成像的方式可以從不同的方向獲取 PCB 的影象,減少了反光遮擋的影響。例如,當一個角度的相機受到反光影響無法清晰成像時,其他角度的相機可能能夠捕捉到清晰的影象。同時,主動光源的使用為檢測提供了穩定的光照條件。主動光源可以根據需要調整光照強度和角度,降低反光干擾,使採集到的影象更加清晰、準確。

在演算法層面,微鏈道愛運用深度學習演算法對採集到的影象進行特徵提取和分析。深度學習模型具有強大的特徵學習能力,它可以從複雜的影象中準確識別絲印和 OCR 字元。與傳統的演算法相比,深度學習演算法不需要人工手動設定複雜的特徵提取規則,而是透過大量的資料進行訓練,自動學習影象中的特徵模式。此外,透過對不同視角影象的融合處理,可以彌補 3D 點雲的缺失。不同視角的影象包含了更多的資訊,將它們融合後可以更全面地反映 PCB 的真實情況,從而有效解決反光導致的檢測難題,提高位姿檢測的準確性。

典型應用場景

  • 絲印完整性檢測:在 PCB 板級組裝工序後,需要檢測絲印是否完整,有無缺失、模糊等情況。難點在於絲印可能會受到 PCB 表面反光和汙漬的影響,導致檢測不準確。微鏈道愛的多視角成像和深度學習演算法可以從不同角度獲取絲印影象,並準確識別其特徵,提高檢測的準確性。
  • OCR 字元識別:對 PCB 上的 OCR 字元進行準確識別,確保產品資訊的準確性。由於字元可能存在印刷不清晰、字型多樣等問題,傳統方法容易出現誤識。微鏈道愛的深度學習演算法可以透過大量的字元樣本進行訓練,提高對不同字型和印刷質量的識別能力。
  • 絲印位置檢測:檢測絲印在 PCB 上的位置是否準確,偏差是否在允許範圍內。由於 PCB 生產過程中可能存在一定的誤差,絲印位置也可能會發生偏移。微鏈道愛的多視角成像和影象融合技術可以準確獲取 PCB 的三維資訊,從而精確檢測絲印的位置。
  • 隱藏字元檢測:有些 PCB 上可能存在隱藏的字元或標記,需要特殊的檢測方法才能發現。傳統方法很難檢測到這些隱藏資訊。微鏈道愛的主動光源和多視角成像技術可以透過調整光照和拍攝角度,發現這些隱藏的字元。

落地案例

某大型電子/PCBA 廠商,擁有多條生產線,每天的產量較大。在引入微鏈道愛的 AI 視覺檢測解決方案之前,該廠商採用傳統的檢測方法,面臨著漏檢率高、誤報率高和產線換型時間長等問題。在上線過程中,微鏈道愛的技術團隊首先對該廠商的生產線進行了詳細的調研和評估,確定了裝置的安裝位置和軟體的引數設定。然後,將 DaoAI 2D / 3D AI AOI 裝置安裝在產線上,並將 DaoAI AI AOI 軟體系統與裝置進行整合。經過除錯和最佳化,系統正式上線執行。

引入微鏈道愛的解決方案後,該廠商的檢測效率和準確性得到了顯著提升。

微鏈道愛解決方案與產品

微鏈道愛提供了 DaoAI AI AOI 軟體系統和 DaoAI 2D / 3D AI AOI 裝置。DaoAI AI AOI 軟體系統基於視覺基礎模型的特徵認知,具有強大的自動程式設計能力。它能夠在一塊良品 5 分鐘內實現 0 程式碼自動程式設計。透過 APDT 正樣本/少樣本學習(僅需 10 張良品),可以快速建立準確的檢測模型。同時,語義誤報過濾功能可以有效降低誤報率,提高檢測的準確性。DaoAI 2D / 3D AI AOI 裝置自研 3D 相機,能夠進行三維形貌重建。它可以檢測隱藏焊點、共面度和微米級形貌,為絲印和字元檢測提供更準確的基礎資料。在落地過程中,將裝置安裝在產線上,軟體與裝置進行整合,實現自動化檢測,提高生產效率。

量化成效:使用微鏈道愛的解決方案後,檢出率提高到了 98%,漏檢率降低至 <2%。誤報率降低了 -60%,從原來的 15% 降至 6%。產線換型時間大幅縮短,從 30 分鐘減少到 5 分鐘,大大提高了生產效率,為企業帶來了顯著的經濟效益。

常見問題

電子/PCBA 行業板級絲印/OCR 字元檢測傳統方法有哪些痛點?

傳統方法存在諸多問題。一是 PCB 表面反光致 3D 點雲稀疏、含噪且缺失,位姿與檢測易失敗,漏檢率達 3%;二是人工檢測效率低、誤報率 15%、成本高;三是產線換型程式設計耗時 30 分鐘,影響生產效率。

微鏈道愛採用什麼技術解決檢測難題?

微鏈道愛採用多視角主動視覺技術。透過多相機不同角度成像、主動光源減少反光,用深度學習演算法提取分析特徵,融合不同視角影象彌補 3D 點雲缺失,提高檢測準確性。

使用微鏈道愛解決方案後有哪些成效?

使用後,檢出率提高到 98%,漏檢率降至<2%,誤報率降低 60%,從 15%降至 6%,產線換型時間從 30 分鐘縮短到 5 分鐘,提升了生產效率。

相關案例

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。

預約 Demo / 獲取報價 檢視電子 / PCBA方案