電子/PCBA元件偏移與立碑AI視覺檢測成效顯著

電子/PCBA行業對產品質量要求極高，元件偏移與立碑問題是影響產品質量的關鍵因素。微鏈道愛透過先進的AI視覺技術，成功解決了這一行業難題，為企業帶來了顯著的效益提升。

在當今科技飛速發展的時代，電子/PCBA行業作為科技產業的重要基礎，其發展水平直接影響著眾多下游產業的產品質量和效能。電子裝置的小型化、整合化趨勢不斷加劇，對電路板上元件的安裝精度和穩定性提出了更高的要求。在這樣的行業背景下，某頭部電子/PCBA廠商的SMT產線，承擔著各類電路板產品的生產任務。這些電路板廣泛應用於智慧手機、平板電腦、智慧穿戴裝置等消費電子產品，以及汽車電子、工業控制等領域。產線的檢測物件主要是電路板上的貼片元件，包括電阻、電容等，其中元件偏移與立碑這兩種常見缺陷，成為影響產品質量的關鍵因素。元件偏移可能導致電路連線不穩定，影響電子產品的效能；立碑問題則可能直接造成電路斷路，使產品無法正常工作。

痛點：為什麼難

傳統檢測方式在應對元件偏移與立碑問題時，面臨著諸多挑戰。從量化的角度來看，元件偏移與立碑的漏檢率高達2.5%，這意味著每生產1000塊電路板，就可能有25塊存在潛在質量問題流入市場。這些流入市場的次品，可能會給企業帶來巨大的售後成本，包括維修、更換產品等費用，還會對品牌聲譽造成嚴重的損害。同時，誤報率也達到了15%，大量的誤報不僅增加了人工複檢的工作量，使得檢測人員需要花費大量的時間和精力去核實每一次報警，還降低了產線的生產效率，導致生產線的運轉速度變慢，影響整體產能。而且，產線換型時，傳統程式設計方式需要花費30分鐘以上，這對於需要頻繁更換產品型號的生產企業來說，嚴重影響了生產的靈活性，無法及時響應市場的多樣化需求。

這些問題難以解決的根因在於傳統檢測技術的侷限性。傳統檢測主要依靠人工目檢和基於固定規則的機器視覺檢測。人工目檢存在主觀因素的影響，檢測人員的疲勞、注意力不集中等情況都會導致漏檢和誤檢的發生。而且人工檢測速度較慢，無法滿足大規模生產的需求。基於固定規則的機器視覺檢測則缺乏靈活性，對於不同型別、不同規格的元件，需要預先編寫複雜的檢測程式，當元件的特徵發生變化時，就需要重新程式設計，這不僅耗費時間和人力，還容易出現程式錯誤。此外，傳統檢測技術對於一些微小的元件偏移和隱藏的立碑問題，往往難以準確檢測。

技術原理

微鏈道愛採用的先進AI演算法和自研的3D相機技術，為解決元件偏移與立碑問題提供了有效的手段。AI演算法透過對大量良品樣本的學習，能夠準確識別元件的正常特徵和位置。它具有強大的特徵學習能力，可以自動提取元件的顏色、形狀、紋理等特徵，並建立起相應的特徵模型。當檢測到元件時，系統將實際獲取的元件特徵與學習到的正常特徵進行比對，透過計算相似度來判斷元件是否存在缺陷。對於元件偏移，系統透過計算元件的實際位置與標準位置的偏差值，當偏差超過設定閾值時，判定為偏移缺陷；對於立碑問題，根據3D相機獲取的元件高度資訊，若元件高度異常升高，則判定為立碑缺陷。

自研的3D相機可以實現三維形貌重建，獲取元件的精確高度和形狀資訊。與傳統的2D相機相比，3D相機能夠提供更豐富的資訊，使得隱藏的缺陷也能被清晰檢測到。它透過高精度的成像技術，將元件的三維結構以數字模型的形式呈現出來，系統可以對這個模型進行詳細的分析和處理。這種基於特徵比對和3D資訊的檢測方式，大大提高了檢測的準確性。與傳統方法相比，AI演算法的自適應性更強，能夠適應不同型別元件的檢測需求，無需針對每種元件單獨編寫複雜的檢測程式；3D相機的高精度成像，彌補了傳統檢測技術在獲取元件三維資訊方面的不足，使得檢測更加全面和準確。

典型應用場景

• 貼片電阻偏移檢測：貼片電阻在電路板上的安裝位置非常關鍵，微小的偏移都可能影響電路的效能。檢測時，系統首先透過AI演算法識別電阻的正常特徵，然後利用3D相機獲取電阻的實際位置和高度資訊。將實際位置與標準位置進行比對，計算偏差值。難點在於電阻尺寸較小，特徵不明顯，需要高精度的成像和準確的特徵提取演算法。
• 貼片電容立碑檢測：貼片電容立碑問題較為常見，會導致電路斷路。檢測時，3D相機獲取電容的高度資訊，與正常高度進行對比。若高度異常升高，則判定為立碑缺陷。難點在於電容的高度變化可能非常微小，需要3D相機具備高精度的測量能力。
• 多引腳元件偏移檢測：對於多引腳元件，如積體電路晶片，引腳的偏移會影響與電路板的連線。檢測時，系統透過AI演算法識別每個引腳的正常位置和形狀，3D相機獲取實際的引腳資訊。對比每個引腳的實際位置與標準位置，判斷是否存在偏移。難點在於引腳數量多，檢測精度要求高，需要處理大量的資料。
• 異形元件檢測：異形元件的形狀不規則，傳統檢測方法很難準確檢測。微鏈道愛透過AI演算法學習異形元件的特徵，利用3D相機獲取其三維形狀資訊。在檢測時，將實際獲取的特徵與學習到的特徵進行比對，判斷是否存在缺陷。難點在於異形元件的特徵複雜，需要AI演算法具備較強的學習能力。
• 隱藏焊點檢測：電路板上的一些焊點可能被其他元件遮擋，傳統檢測技術難以檢測到。微鏈道愛利用3D相機的三維形貌重建功能，獲取焊點的深度資訊，透過分析焊點的三維形狀和高度，判斷焊點是否存在缺陷。難點在於隱藏焊點的資訊獲取困難，需要3D相機具備良好的穿透能力和高精度的成像效果。

落地案例

某大型電子/PCBA製造企業，擁有多條SMT產線，年生產電路板數量達數百萬塊。該企業一直受到元件偏移與立碑問題的困擾，傳統檢測方式無法滿足其對產品質量和生產效率的要求。在瞭解到微鏈道愛解決方案後，決定引入DaoAI AI AOI軟體系統和DaoAI 2D / 3D AI AOI裝置。上線過程相對順利，微鏈道愛技術團隊首先對企業的產線進行了詳細的調研和分析，根據企業的實際需求對軟體系統進行了定製化配置。然後將裝置安裝在SMT產線的合適位置，並進行了除錯和最佳化。在上線前，該企業元件偏移與立碑的漏檢率為2.5%，誤報率為15%，產線換型時間需要30分鐘以上；上線後，元件偏移與立碑的檢出率提高到了97.5%，漏檢率降低至<2.5%，誤報率降低了 -60%，產線換型時間縮短至5分鐘。

微鏈道愛AI視覺技術，為電子/PCBA行業的質量檢測帶來了新的突破。

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1-20張良品，即可在5分鐘內實現0程式碼自動程式設計。這大大降低了程式設計的難度和時間成本，使得企業能夠快速適應不同產品的檢測需求。並且採用APDT正樣本/少樣本學習和語義誤報過濾技術，有效減少誤報。APDT正樣本/少樣本學習技術可以在少量樣本的情況下，快速準確地學習元件的正常特徵；語義誤報過濾技術則可以根據元件的語義資訊，對誤報進行過濾，提高檢測的準確性。

DaoAI 2D / 3D AI AOI裝置配備自研3D相機，能夠進行三維形貌重建，可檢測隱藏焊點、共面度和微米級形貌。對於元件偏移與立碑缺陷的檢測具有極高的精度。在落地實施中，將裝置安裝在SMT產線的合適位置，軟體系統與裝置進行資料互動，實時處理檢測資料，實現高效準確的檢測。裝置的高精度成像和軟體系統的智慧分析相結合，為企業提供了全面的質量檢測解決方案。

量化成效

採用微鏈道愛解決方案後，元件偏移與立碑的檢出率提高到了97.5%，漏檢率降低至<2.5%，有效避免了大量潛在質量問題產品流入市場。這不僅降低了企業的售後成本，還提升了品牌聲譽。誤報率降低了 -60%，大大減少了人工複檢的工作量，使得檢測人員可以將更多的精力放在真正有問題的產品上，提高了產線的生產效率。產線換型時間縮短至5分鐘，提高了生產的靈活性和響應速度，企業能夠更快地適應市場需求的變化，推出新產品。

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。