AI 視覺助力電子/PCBA 行業解決元件極性反向誤報難題

在電子/PCBA 行業，元件極性反向檢測是保證產品質量的關鍵環節。然而，傳統檢測方法存在誤報率高的問題，影響了生產效率和質量。微鏈道愛憑藉先進的 AI 視覺技術，為該行業提供了有效的解決方案。

使用者場景：某頭部電子/PCBA 廠商，在其表面貼裝技術（SMT）產線的檢測工序中，需要對印刷電路板（PCB）上的各類電子元件進行檢測。檢測物件主要包括貼片電容、貼片電阻、二極體等元件的極性是否正確，確保元件安裝符合設計要求，避免因極性反向導致產品效能故障或損壞。

痛點：傳統的檢測方法主要依賴人工目檢和基於規則的機器視覺檢測。人工目檢效率低下，且長時間工作容易導致視覺疲勞，漏檢率高達 3%左右。而基於規則的機器視覺檢測，由於元件外觀相似、光照變化等因素，誤報率高達 25%。這不僅增加了大量的複檢工作量，還導致產線頻繁停機，嚴重影響了生產效率。此外，當產品換型時，需要重新編寫檢測程式，換型時間長達 30 分鐘，無法滿足快速生產的需求。

技術原理

微鏈道愛採用無監督異常檢測演算法結合先進的成像技術來解決元件極性反向誤報難題。無監督異常檢測演算法只需要使用良品進行建模，透過學習良品的特徵分佈，能夠自動識別出與正常模式不同的異常情況。在成像方面，利用自研的 3D 相機進行影象採集，能夠獲取元件的三維形貌資訊，相比傳統的 2D 成像，3D 成像可以更準確地捕捉元件的細節特徵，如元件的高度、形狀等。這是因為極性反向的元件在三維形貌上會與正常元件存在細微差異，透過對這些差異的分析，能夠更準確地判斷元件的極性是否正確，從而有效降低誤報率。

• 無監督異常檢測演算法：透過對良品特徵的學習，建立正常模式的模型，當檢測到與模型差異較大的情況時，判定為異常。
• 3D 成像技術：自研 3D 相機能夠獲取元件的三維形貌資訊，為準確檢測提供更豐富的資料。
• 特徵分析：對 3D 影象中的元件特徵進行深入分析，識別出極性反向元件的特徵差異。

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 軟體系統具有視覺基礎模型的特徵認知能力，只需一塊良品，5 分鐘即可完成 0 程式碼自動程式設計。採用 APDT 正樣本/少樣本學習方法，僅需 1 - 20 張良品就能進行模型訓練，並且具備語義誤報過濾功能，能夠有效減少誤報。DaoAI 2D / 3D AI AOI 裝置整合了自研 3D 相機，可進行三維形貌重建，能夠檢測隱藏焊點、共面度和微米級形貌，為元件極性檢測提供更準確的資訊。在落地過程中，將裝置安裝在 SMT 產線的檢測工序上，透過軟體系統對採集到的影象進行分析處理，實現對元件極性的快速準確檢測。

微鏈道愛的 AI 視覺技術為電子/PCBA 行業的元件極性檢測帶來了高效、準確的解決方案。

量化成效：透過使用微鏈道愛的解決方案，該廠商的元件極性反向檢出率達到了 98.5%，漏檢率降低至 <1.5%。誤報率降低了 -65%，大大減少了複檢工作量。產品換型時間從 30 分鐘縮短至 5 分鐘，提高了生產效率，滿足了快速生產的需求。

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。