SMT 焊點 AI 視覺檢測：解決虛焊、連錫、少錫難題

在電子/PCBA 行業，SMT（表面貼裝技術）是關鍵工序，而焊點質量直接影響產品效能和可靠性。某頭部電子/PCBA 廠商在 SMT 生產過程中，面臨虛焊、連錫、少錫等焊點缺陷問題，嚴重影響生產效率和產品品質。

在電子/PCBA 製造領域，SMT 工序是將電子元件精確貼裝到 PCB 板上並進行焊接。然而，由於焊接工藝的複雜性和各種因素的影響，焊點容易出現虛焊、連錫、少錫等缺陷。虛焊會導致電氣連線不穩定，影響產品的正常執行；連錫可能引發短路，造成產品損壞；少錫則可能使焊點強度不足，降低產品的可靠性。這些缺陷不僅增加了產品的次品率，還需要大量的人工進行二次檢測和修復，大大降低了生產效率，增加了生產成本。某頭部電子/PCBA 廠商在生產過程中就深受這些問題的困擾，急需一種高效、準確的檢測解決方案。

技術原理

微鏈道愛（DaoAI）的 AI-AOI 解決方案基於先進的深度學習演算法和高精度成像技術。在硬體方面，採用 2D/3D 檢測裝置，能夠從不同角度獲取焊點的影象資訊。2D 成像可以清晰地捕捉焊點的外觀特徵，如形狀、大小和位置；3D 成像則可以提供焊點的高度和體積資訊，更全面地反映焊點的真實情況。在演算法層面，利用 APDT 正樣本/少樣本學習技術，僅需 1 - 20 張良品影象，就能快速訓練出準確的檢測模型。這是因為該技術透過挖掘影象中的語義資訊，能夠在少量樣本的情況下學習到焊點的正常特徵和缺陷模式。同時，DaoAI World 世界模型為檢測提供了強大的語義理解能力，結合語義誤報過濾技術，可以有效減少誤報，提高檢測的準確性。

• 深度學習演算法：透過對大量焊點影象的學習，自動識別焊點的正常和缺陷特徵。
• 2D/3D 成像技術：從多個維度獲取焊點資訊，提高檢測的全面性。
• APDT 正樣本/少樣本學習：減少對大量訓練樣本的依賴，快速建立檢測模型。
• DaoAI World 世界模型：提供語義理解，結合語義誤報過濾，降低誤報率。

微鏈道愛利用先進技術，實現了對 SMT 焊點的高精度、高效率檢測。

為了解決該廠商的問題，微鏈道愛提供了 AI-AOI 2D/3D 檢測裝置和配套的 AOI 軟體。具體做法如下：首先，使用 2D/3D 檢測裝置對 SMT 焊點進行全面掃描，獲取焊點的影象資料。然後，將這些資料傳輸到 AOI 軟體中，軟體利用 APDT 正樣本/少樣本學習技術，在短時間內完成模型訓練。在檢測過程中，DaoAI World 世界模型和語義誤報過濾技術發揮作用，對檢測結果進行實時分析和篩選，確保準確識別虛焊、連錫、少錫等缺陷。此外，微鏈道愛還實現了 5 分鐘 0 程式碼換型功能，當產品型號發生變化時，能夠快速調整檢測引數，適應新的生產需求。

透過實施微鏈道愛（DaoAI）的 AI 視覺解決方案，該廠商取得了顯著的成效。在檢測精度方面，焊點缺陷的檢出率達到了 99.5%以上，能夠準確識別出虛焊、連錫、少錫等問題。誤報率降低了 82%，大大減少了人工複查的工作量。漏檢率控制在 0.5%以內，有效保證了產品的質量。在換型效率方面，實現了 5 分鐘 0 程式碼換型，提高了生產的靈活性和響應速度。同時，僅需 1 - 20 張良品影象就能完成模型訓練，減少了樣本收集和標註的時間和成本。

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。