在电子/PCBA 行业，板级丝印/OCR 字符的准确检测至关重要。微链道爱凭借先进的 AI 视觉技术，为该行业提供了高效的检测解决方案。
用户场景：某头部电子/PCBA 厂商的生产线中，在板级组装工序后，需要对印刷电路板（PCB）上的丝印以及 OCR 字符进行检测。这些丝印和字符包含产品型号、批次号、日期等重要信息，是产品追溯和质量控制的关键。
痛点：传统的检测方法存在诸多问题。一方面，由于 PCB 表面具有反光特性，尤其是一些镜面金属区域，使得 3D 点云稀疏、含噪且缺失，导致位姿与检测失败，漏检率达到了 3%。另一方面，人工检测效率低下，误报率高达 15%，且人力成本高昂。同时，产线换型时，重新编程需要耗费大量时间，平均换型时间达到 30 分钟，严重影响生产效率。
技术原理
微链道爱采用多视角主动视觉技术解决上述问题。该技术通过多个不同角度的相机同时对 PCB 进行成像，利用主动光源照射，减少反光的影响。在算法层面，运用深度学习算法对采集到的图像进行特征提取和分析。深度学习模型具有强大的特征学习能力，能够从复杂的图像中准确识别丝印和 OCR 字符。此外，通过对不同视角图像的融合处理，可以弥补 3D 点云的缺失，提高位姿检测的准确性。因为不同视角的图像包含了更多的信息，融合后可以更全面地反映 PCB 的真实情况，从而有效解决反光导致的检测难题。
- 多视角成像：从多个角度获取 PCB 图像，减少反光遮挡。
- 主动光源：提供稳定的光照条件，降低反光干扰。
- 深度学习算法：准确提取丝印和字符特征，提高识别精度。
- 图像融合：整合不同视角图像，完善 3D 点云信息。
微链道爱解决方案与产品
微链道爱提供了 DaoAI AI AOI 软件系统和 DaoAI 2D / 3D AI AOI 设备。DaoAI AI AOI 软件系统基于视觉基础模型的特征认知，能够在一块良品 5 分钟内实现 0 代码自动编程。通过 APDT 正样本/少样本学习（仅需 10 张良品），可以快速建立准确的检测模型。同时，语义误报过滤功能可以有效降低误报率。DaoAI 2D / 3D AI AOI 设备自研 3D 相机，能够进行三维形貌重建，检测隐藏焊点、共面度和微米级形貌，为丝印和字符检测提供更准确的基础数据。在落地过程中，将设备安装在产线上，软件与设备进行集成，实现自动化检测。
微链道爱的 AI 视觉技术为电子/PCBA 板级丝印/OCR 字符检测带来了高效、准确的解决方案。
量化成效：使用微链道爱的解决方案后，检出率提高到了 98%，漏检率降低至 <2%。误报率降低了 -60%，从原来的 15% 降至 6%。产线换型时间大幅缩短，从 30 分钟减少到 5 分钟，大大提高了生产效率。