在電子/PCBA 行業，板級絲印/OCR 字符的準確檢測至關重要。微鏈道愛憑借先進的 AI 視覺技術，為該行業提供了高效的檢測解決方案。
用戶場景：某頭部電子/PCBA 廠商的生產線中，在板級組裝工序後，需要對印刷電路板（PCB）上的絲印以及 OCR 字符進行檢測。這些絲印和字符包含產品型號、批次號、日期等重要信息，是產品追溯和質量控製的關鍵。
痛點：傳統的檢測方法存在诸多問題。一方面，由于 PCB 表面具有反光特性，尤其是一些鏡面金屬區域，使得 3D 點雲稀疏、含噪且缺失，導致位姿與檢測失败，漏檢率達到了 3%。另一方面，人工檢測效率低下，誤報率高達 15%，且人力成本高昂。同時，產線換型時，重新編程需要耗費大量時間，平均換型時間達到 30 分鐘，嚴重影響生產效率。
技術原理
微鏈道愛采用多視角主動視覺技術解決上述問題。該技術通過多個不同角度的相機同時對 PCB 進行成像，利用主動光源照射，減少反光的影響。在算法層面，運用深度學習算法對采集到的圖像進行特征提取和分析。深度學習模型具有強大的特征學習能力，能夠從複雜的圖像中準確識別絲印和 OCR 字符。此外，通過對不同視角圖像的融合處理，可以弥補 3D 點雲的缺失，提高位姿檢測的準確性。因為不同視角的圖像包含了更多的信息，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。
- 多視角成像：從多個角度獲取 PCB 圖像，減少反光遮擋。
- 主動光源：提供穩定的光照條件，降低反光幹擾。
- 深度學習算法：準確提取絲印和字符特征，提高識別精度。
- 圖像融合：整合不同視角圖像，完善 3D 點雲信息。
微鏈道愛解決方案與產品
微鏈道愛提供了 DaoAI AI AOI 軟件系統和 DaoAI 2D / 3D AI AOI 設備。DaoAI AI AOI 軟件系統基于視覺基礎模型的特征認知，能夠在一塊良品 5 分鐘內實現 0 代碼自動編程。通過 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。DaoAI 2D / 3D AI AOI 設備自研 3D 相機，能夠進行三維形貌重建，檢測隱藏焊點、共面度和微米級形貌，為絲印和字符檢測提供更準確的基礎數據。在落地過程中，將設備安裝在產線上，軟件與設備進行集成，實現自動化檢測。
微鏈道愛的 AI 視覺技術為電子/PCBA 板級絲印/OCR 字符檢測帶來了高效、準確的解決方案。
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。