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。微鏈道愛憑借先進的 AI 視覺技術，為該行業提供了有效的解決方案。
用戶場景：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。檢測對象主要包括貼片電容、貼片電阻、二極管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性能故障或損坏。
痛點：傳統的檢測方法主要依賴人工目檢和基于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劳，漏檢率高達 3%左右。而基于規則的機器視覺檢測，由于元件外觀相似、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序，換型時間長達 30 分鐘，無法滿足快速生產的需求。
技術原理
微鏈道愛采用無監督異常檢測算法結合先進的成像技術來解決元件極性反向誤報難題。無監督異常檢測算法只需要使用良品進行建模，通過學習良品的特征分布，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 相機進行圖像采集，能夠獲取元件的三維形貌信息，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征，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，通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。
- 無監督異常檢測算法：通過對良品特征的學習，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信息，為準確檢測提供更丰富的數據。
- 特征分析：對 3D 圖像中的元件特征進行深入分析，識別出極性反向元件的特征差異。
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 軟件系統具有視覺基礎模型的特征認知能力，只需一塊良品，5 分鐘即可完成 0 代碼自動編程。采用 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 設備集成了自研 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信息。在落地過程中，將設備安裝在 SMT 產線的檢測工序上，通過軟件系統對采集到的圖像進行分析處理，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：通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。