在電子/PCBA 行業，BGA/QFN 封裝下隱藏焊點的檢測一直是一個難題。微鏈道愛憑借先進的 AI 視覺技術，為這一問題提供了有效的解決方案。
用戶場景：某頭部電子/PCBA 廠商的生產線中，涉及到 BGA/QFN 封裝的電子產品生產工序。其產品主要為各類高性能電路板，檢測對象是 BGA/QFN 封裝下的隱藏焊點。這些隱藏焊點由于其位置特殊，傳統檢測手段難以觸及，對產品的質量和穩定性有着至關重要的影響。
痛點：在傳統檢測過程中，存在诸多量化困境。一方面，由于 BGA/QFN 封裝下的隱藏焊點處于複雜的結構中，反光/鏡面金屬使得 3D 點雲稀疏含噪缺失，導致位姿與檢測失败，漏檢率高達 3%，這意味着每 100 個產品中可能有 3 個存在隱藏焊點問題而未被檢測出來。另一方面，誤報率也達到了 15%，大量的誤報不僅增加了人力成本，還降低了生產效率。此外，換型時間長，每次換型需要 30 分鐘，嚴重影響了生產線的靈活性和產能。
技術原理
微鏈道愛采用多視角主動視覺技術來解決上述問題。在算法方面，利用先進的視覺基礎模型進行特征認知，通過 APDT 正樣本/少樣本學習算法，只需 1 - 20 張良品即可快速學習焊點的特征。在成像方面，自研 3D 相機能夠從多個角度對隱藏焊點進行成像，有效解決了反光/鏡面金屬導致的 3D 點雲稀疏含噪缺失問題。在硬件原理上，通過三維形貌重建技術，將多視角的圖像信息進行整合，重建出隱藏焊點的真實三維形貌，從而實現準確的位姿識別和檢測。這種多視角主動視覺技術之所以有效，是因為它能夠從不同角度獲取隱藏焊點的信息，避免了單一視角下的信息缺失和幹擾，提高了檢測的準確性和可靠性。
- 視覺基礎模型的特征認知：能夠快速準確地識別焊點的特征，提高檢測效率。
- APDT 正樣本/少樣本學習：減少了對大量樣本的依賴，縮短了學習時間。
- 自研 3D 相機：多視角成像，解決了反光問題，獲取更完整的點雲信息。
- 三維形貌重建：整合多視角信息，重建真實三維形貌，實現準確檢測。
微鏈道愛解決方案與產品
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 軟件系統具有視覺基礎模型的特征認知能力，一塊良品 5 分鐘即可實現 0 代碼自動編程，通過 APDT 正樣本/少樣本學習，能夠快速適應不同類型的焊點檢測。同時，該軟件系統還具備語義誤報過濾功能，有效降低誤報率。DaoAI 2D / 3D AI AOI 設備自研 3D 相機和三維形貌重建技術，能夠檢測隱藏焊點、共面度和微米級形貌。在落地做法上，首先對產線進行調研和分析，確定檢測需求和參數。然後使用 DaoAI AI AOI 軟件系統進行編程和學習，利用 DaoAI 2D / 3D AI AOI 設備進行實際檢測，最後根據檢測結果進行反饋和優化。
微鏈道愛的解決方案為電子/PCBA 行業的隱藏焊點檢測提供了高效、精準的手段。
量化成效：通過采用微鏈道愛的解決方案，該廠商的檢測效果得到了顯著提升。檢出率從原來的 97%提高到了 99.2%，漏檢率降低至 <0.8%。誤報率降低了 -60%，從 15%降低到了 6%。換型時間從 30 分鐘縮短至 5 分鐘，大大提高了生產線的靈活性和產能。