在电子/PCBA 行业，金手指的质量直接影响产品性能。微链道爱凭借先进的 AI 视觉技术，为金手指划伤与氧化检测提供了高效解决方案。
用户场景：某头部电子/PCBA 厂商的 SMT 产线，主要生产各类电路板产品。在生产过程中，需要对电路板上的金手指进行划伤与氧化检测。金手指作为电路板与其他设备连接的关键部位，其表面质量至关重要，任何划伤或氧化都可能导致信号传输不稳定，影响产品的整体性能。
痛点：传统的自动光学检测（AOI）设备在金手指划伤与氧化检测中面临诸多困境。一方面，受环境光的影响较大，不同的光照条件会导致图像采集的效果差异明显，从而增加了误报率。据统计，传统 AOI 设备的误报率高达 30%，这意味着大量的合格产品被误判为不良品，需要进行二次复检，极大地增加了人力成本和检测时间。另一方面，传统 AOI 设备受规则局限，对于一些复杂的划伤和轻微的氧化现象容易出现漏检情况，漏检率约为 5%，这对产品质量构成了潜在威胁。
技术原理
微链道爱采用先进的深度学习算法和自研的 3D 相机成像技术来解决金手指检测问题。深度学习算法具有强大的特征学习能力，能够从大量的图像数据中自动学习金手指划伤和氧化的特征模式。通过对不同光照条件下的图像进行训练，算法可以自适应地调整特征提取策略，减少环境光的影响。自研的 3D 相机能够获取金手指的三维形貌信息，通过三维形貌重建技术，可以清晰地呈现金手指表面的细微变化。对于划伤和氧化等缺陷，其在三维形貌上会有明显的特征表现，如高度变化、表面粗糙度改变等。通过对这些三维特征的分析和识别，能够更准确地检测出金手指的缺陷，有效避免漏检和误报。
- 深度学习算法通过大量数据训练，学习金手指缺陷的特征模式，提高检测准确性。
- 3D 相机获取金手指三维形貌信息，三维形貌重建技术清晰呈现表面细微变化。
- 分析三维特征，如高度变化、表面粗糙度改变等，准确识别划伤和氧化缺陷。
- 自适应调整特征提取策略，减少环境光对检测结果的影响。
微链道爱解决方案与产品介绍
微链道爱提供了 DaoAI AI AOI 软件系统和 DaoAI 2D / 3D AI AOI 设备的组合解决方案。DaoAI AI AOI 软件系统基于视觉基础模型的特征认知，具有快速编程的能力，一块良品仅需 5 分钟即可完成 0 代码自动编程。同时，采用 APDT 正样本/少样本学习技术，只需 1 - 20 张良品图像，就能快速学习金手指的正常特征，实现高效的模型训练。此外，该软件系统还具备语义误报过滤功能，能够有效减少误报情况。DaoAI 2D / 3D AI AOI 设备配备自研 3D 相机，可进行三维形貌重建，能够检测隐藏焊点、共面度和微米级形貌，为金手指的划伤和氧化检测提供了高精度的硬件支持。在落地实施过程中，首先对设备进行安装调试，确保其能够稳定运行。然后使用 DaoAI AI AOI 软件系统进行模型训练，根据实际生产情况调整参数，优化检测效果。最后将训练好的模型部署到设备上，实现对金手指的实时检测。
微链道爱的解决方案通过先进的软件系统和高精度的硬件设备，为金手指检测提供了可靠保障。
量化成效：通过采用微链道爱的解决方案，该头部电子/PCBA 厂商取得了显著的成效。金手指划伤和氧化的检出率从原来的 95% 提升到了 98%，有效降低了漏检率。同时，误报率从 30% 大幅降低至 8%，复检量减少了 70%，大大提高了检测效率，降低了人力成本。此外，换型时间从原来的 30 分钟缩短至 5 分钟，提高了产线的灵活性和生产效率。