在電子行業中，屏蔽罩貼裝的質量檢測至關重要。微鏈道愛憑借先進的 AI 視覺技術，為某頭部電子廠商提供了高效的檢測方案。
用戶場景：某頭部電子廠商的 PCBA 產線中，屏蔽罩貼裝工序是關鍵環節。其產品為各類電子設備的 PCBA 板，檢測對象是貼裝後的屏蔽罩，需要確保屏蔽罩的位置準確、貼合良好，無明顯缺陷，如偏移、翹邊等問題，以保證電子設備的電磁屏蔽性能和整體質量。
痛點：傳統人工複判方式存在诸多量化困境。漏檢率較高，人工檢測時易受疲劳等因素影響，導致約 2.5%的缺陷產品流入後續工序。誤報率達到約 30%，大量的誤報信息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，對于一些細微缺陷容易出現誤判。
技術原理
微鏈道愛的技術采用了先進的 AI 算法和成像技術。在算法方面，利用深度學習算法對屏蔽罩的圖像特征進行學習和分析。通過大量的訓練數據，讓模型學習到正常屏蔽罩和各種缺陷屏蔽罩的特征模式。例如，對于偏移缺陷，模型可以學習到屏蔽罩與標準位置的像素差異特征；對于翹邊缺陷，模型可以識別出邊緣的不規則形狀特征。在成像方面，采用自研的 3D 相機進行圖像采集，能夠獲取屏蔽罩的三維形貌信息。三維形貌重建技術可以將采集到的圖像數據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 算法的智能分析能力和 3D 成像的高精度數據獲取能力，能夠全面、準確地識別屏蔽罩的各種缺陷。
- 深度學習算法對圖像特征進行學習，提高缺陷識別的準確性。
- 自研 3D 相機獲取三維形貌信息，檢測隱藏缺陷。
- 三維形貌重建技術將圖像數據轉換為精確模型，實現微米級檢測。
- 結合 AI 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 軟件系統和 DaoAI 2D / 3D AI AOI 設備。DaoAI AI AOI 軟件系統具有強大的特征認知能力，基于視覺基礎模型，一塊良品只需 5 分鐘即可實現 0 代碼自動編程。采用 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征，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 設備則搭載自研 3D 相機，通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，將該設備安裝在屏蔽罩貼裝工序的檢測工位，采集屏蔽罩的圖像數據，然後由軟件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，為電子行業屏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。