電子行業遮蔽罩貼裝 AI 視覺檢測成效顯著

在電子行業中，遮蔽罩貼裝的質量檢測至關重要。微鏈道愛憑藉先進的 AI 視覺技術，為某頭部電子廠商提供了高效的檢測方案。

使用者場景：某頭部電子廠商的 PCBA 產線中，遮蔽罩貼裝工序是關鍵環節。其產品為各類電子裝置的 PCBA 板，檢測物件是貼裝後的遮蔽罩，需要確保遮蔽罩的位置準確、貼合良好，無明顯缺陷，如偏移、翹邊等問題，以保證電子裝置的電磁遮蔽效能和整體質量。

痛點：傳統人工復判方式存在諸多量化困境。漏檢率較高，人工檢測時易受疲勞等因素影響，導致約 2.5%的缺陷產品流入後續工序。誤報率達到約 30%，大量的誤報資訊增加了人工複檢的工作量。人力成本方面，每條產線需要配備多名檢測人員，人力投入大。換型時間長，當產品型號變更時，人工調整檢測標準和流程需要約 30 分鐘，嚴重影響生產效率。此外，在樣本不足的情況下，人工檢測難以保證高精度的缺陷分類，對於一些細微缺陷容易出現誤判。

技術原理

微鏈道愛的技術採用了先進的 AI 演算法和成像技術。在演算法方面，利用深度學習演算法對遮蔽罩的影象特徵進行學習和分析。透過大量的訓練資料，讓模型學習到正常遮蔽罩和各種缺陷遮蔽罩的特徵模式。例如，對於偏移缺陷，模型可以學習到遮蔽罩與標準位置的畫素差異特徵；對於翹邊缺陷，模型可以識別出邊緣的不規則形狀特徵。在成像方面，採用自研的 3D 相機進行影象採集，能夠獲取遮蔽罩的三維形貌資訊。三維形貌重建技術可以將採集到的影象資料轉換為精確的三維模型，從而更準確地檢測出隱藏焊點、共面度以及微米級的形貌變化。這種技術有效是因為它結合了 AI 演算法的智慧分析能力和 3D 成像的高精度資料獲取能力，能夠全面、準確地識別遮蔽罩的各種缺陷。

• 深度學習演算法對影象特徵進行學習，提高缺陷識別的準確性。
• 自研 3D 相機獲取三維形貌資訊，檢測隱藏缺陷。
• 三維形貌重建技術將影象資料轉換為精確模型，實現微米級檢測。
• 結合 AI 演算法和 3D 成像技術，全面準確識別各類缺陷。

微鏈道愛解決方案與產品介紹

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 軟體系統具有強大的特徵認知能力，基於視覺基礎模型，一塊良品只需 5 分鐘即可實現 0 程式碼自動程式設計。採用 APDT 正樣本/少樣本學習技術，僅需 1 - 20 張良品作為樣本，就能讓模型學習到正常產品的特徵，從而有效識別缺陷產品。同時，語義誤報過濾功能可以大大降低誤報率。DaoAI 2D / 3D AI AOI 裝置則搭載自研 3D 相機，透過三維形貌重建技術，能夠檢測隱藏焊點、共面度以及微米級形貌。在實際落地中，將該裝置安裝在遮蔽罩貼裝工序的檢測工位，採集遮蔽罩的影象資料，然後由軟體系統進行分析和判斷，實現自動化檢測。

微鏈道愛的 AI 視覺解決方案，為電子行業遮蔽罩貼裝檢測帶來了高效、準確的新體驗。

量化成效：在引入微鏈道愛的解決方案後，取得了顯著的成效。檢出率提高到 99.2%，漏檢率降低至 <0.8%，大大減少了缺陷產品流入後續工序的風險。誤報率降低了 -65%，有效減少了人工複檢的工作量。換型時間從原來的 30 分鐘縮短至 5min，顯著提高了生產效率。

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。