在电子/PCBA 行业，BGA/QFN 封装技术广泛应用，但隐藏焊点的检测一直是个难题。某头部电子/PCBA 厂商在这一工序中面临着高误报率、漏检等问题，严重影响了产品质量和生产效率。
在电子/PCBA 行业，BGA（球栅阵列封装）和 QFN（四方扁平无引脚封装）是常见的封装形式，它们能有效节省空间、提高电气性能。然而，这些封装下的隐藏焊点检测是一道关键工序，却充满挑战。在实际生产中，隐藏焊点容易出现虚焊、短路、焊球缺失等缺陷。传统的检测方法，如人工目检和基于规则的自动光学检测（AOI），存在诸多弊端。人工目检效率低、容易疲劳，且对于微小缺陷的识别能力有限；基于规则的 AOI 则难以适应复杂多变的焊点形态，导致误报率高、漏检情况时有发生，严重影响产品的质量和生产效率。
技术原理
DaoAI 的 AI-AOI 系统结合了 2D 和 3D 检测设备与先进的 AOI 软件，采用了深度学习算法来解决 BGA/QFN 封装下隐藏焊点的检测问题。在成像方面，2D 成像能够清晰捕捉焊点的平面特征，3D 成像则可以获取焊点的高度、形状等立体信息，两者结合提供了更全面的焊点数据。硬件上，高精度的相机和光源系统确保了图像的清晰和准确。在算法层面，DaoAI 运用了 APDT 正样本/少样本学习技术，只需 1 - 20 张良品图像，就能快速训练出准确的检测模型。同时，DaoAI World 世界模型能够对焊点的特征进行语义分析，实现语义误报过滤，大大提高了检测的准确性。
- 深度学习算法：通过大量的焊点图像数据进行训练，让模型学习焊点的正常和异常特征，从而准确识别缺陷。
- 2D/3D 成像融合：2D 成像提供平面信息，3D 成像补充立体信息，两者结合提高检测的全面性。
- APDT 正样本/少样本学习：减少了对大量不良样本的依赖，快速建立有效的检测模型。
- DaoAI World 世界模型：对焊点特征进行语义理解，过滤掉因环境、噪声等因素导致的误报。
- 微米级精度：能够检测到微小的焊点缺陷，保证检测的高精度。
DaoAI 的技术为 BGA/QFN 封装下隐藏焊点的检测提供了更精准、高效的解决方案。
解决方案落地方面，DaoAI 为该厂商提供了完整的 AI-AOI 系统，包括 2D/3D 检测设备和 AOI 软件。首先，利用 APDT 正样本/少样本学习技术，仅需 1 - 20 张良品图像，在短时间内完成检测模型的训练。其次，系统具备 5 分钟 0 代码换型的能力，当生产不同型号的产品时，能够快速调整检测参数，无需复杂的编程操作。在检测过程中，2D/3D 检测设备对 BGA/QFN 封装下的隐藏焊点进行全面扫描，获取焊点的图像数据。AOI 软件运用深度学习算法和 DaoAI World 世界模型对图像进行分析，识别出虚焊、短路、焊球缺失等缺陷，并通过语义误报过滤功能减少误报。
通过实施 DaoAI 的解决方案，该厂商取得了显著的量化成效。在误报率方面，相比传统检测方法降低了 80%，大大减少了因误报导致的人工复查工作量。漏检率控制在 1%以内，有效避免了有缺陷的产品流入下一道工序。检出率达到了 99%以上，确保了产品的高质量。同时，5 分钟 0 代码换型的能力提高了生产的灵活性和效率，使厂商能够快速响应市场需求。