PCBA 裝配缺漏件與聯結器錯裝的 AI 視覺檢測解決方案

電子製造行業中，PCBA 裝配的質量檢測至關重要。然而傳統方法存在諸多不足，微鏈道愛的 AI 視覺檢測解決方案應運而生，為行業帶來了新的變革。

在電子製造行業，PCBA（Printed Circuit Board Assembly，印刷電路板元件）的裝配是一個關鍵環節，其質量直接影響到電子產品的效能和可靠性。某頭部電子/PCBA 廠商的 PCBA 裝配產線，主要生產各類電子產品的印刷電路板元件，涵蓋了手機、電腦、智慧家居裝置等多個領域。該產線每天需要處理大量的 PCBA 板，對其上面的電子元件是否存在缺漏件情況，以及聯結器的安裝是否正確，包括聯結器的方向、位置等進行嚴格檢測。然而，傳統的檢測方法在應對這些檢測任務時，逐漸暴露出了諸多問題，難以滿足日益增長的生產需求和質量要求。

痛點：為什麼難

傳統的 PCBA 檢測方法在多個維度存在明顯的痛點。在漏檢方面，由於人工檢測存在侷限性，長時間的工作容易使檢測人員出現疲勞，注意力難以長時間集中。這就導致在檢測過程中，缺漏件和聯結器錯裝的漏檢率達到約 3%。這意味著每生產 100 件產品，可能有 3 件存在質量問題流入市場，給產品的品牌形象和售後帶來巨大的隱患。從根因上分析，人工檢測主要依賴於人的視覺和經驗，而人的視覺在長時間工作後會出現疲勞和誤差，且不同檢測人員的經驗和判斷標準也存在差異，這就使得漏檢問題難以避免。

誤報率也是傳統檢測方法的一大難題，約為 20%。大量的誤報使得有限的複檢資源被分散，增加了人工複檢的工作量和成本。產線工人需要花費大量的時間去核實這些誤報資訊，導致生產效率低下。誤報率高的原因主要在於傳統檢測裝置的演算法不夠智慧，難以準確地區分真正的缺陷和正常的產品特徵。當產品的外觀或尺寸存在一定的波動時，傳統裝置就容易將其誤判為缺陷，從而產生大量的誤報。

此外，產線換型時也是傳統檢測方法的一個瓶頸。由於不同型別的 PCBA 板在電子元件的佈局、聯結器的型別和位置等方面存在差異，傳統檢測裝置需要進行復雜的程式設計和除錯才能適應新的產品。這個過程大約需要 30 分鐘，嚴重影響了生產效率。其根因在於傳統檢測裝置的程式設計方式較為複雜，需要專業的技術人員進行操作，且裝置的靈活性較差，難以快速適應不同產品的檢測需求。

技術原理

微鏈道愛的 AI 視覺檢測解決方案基於先進的演算法和成像技術，與傳統方法相比具有顯著的優勢。在演算法方面，採用了視覺基礎模型的特徵認知技術，該技術能夠對 PCBA 上的電子元件和聯結器的特徵進行精準識別。透過 APDT 正樣本/少樣本學習，僅需 1-20 張良品作為樣本，就可以讓模型學習到正確的元件和聯結器的特徵。這大大減少了樣本收集的工作量，提高了模型訓練的效率。而傳統方法往往需要大量的樣本進行訓練，不僅耗費時間和精力，而且模型的適應性也較差。

在成像方面，DaoAI 2D/3D AI AOI 裝置自研的 3D 相機結合三維形貌重建技術，能夠獲取 PCBA 的三維資訊。這不僅可以檢測表面的元件，還能檢測隱藏焊點、共面度和微米級形貌等，對於聯結器的安裝情況也能進行更全面的檢測。傳統的檢測裝置通常只能獲取產品的二維影象，對於隱藏在元件下方或內部的缺陷難以檢測到。微鏈道愛的 3D 成像技術從多個維度對 PCBA 進行分析，利用深度學習演算法不斷最佳化模型，提高了檢測的準確性和可靠性。深度學習演算法可以自動學習和提取產品的特徵，隨著檢測資料的不斷積累，模型的效能也會不斷提升，以適應不同的生產環境和產品型別。

典型應用場景

• 元件缺漏檢測：透過視覺基礎模型的特徵認知技術，對 PCBA 上的每個元件位置進行精準識別。難點在於元件尺寸可能較小，且佈局較為密集，需要高精度的影象採集和識別演算法。
• 聯結器方向檢測：利用 3D 相機獲取聯結器的三維資訊，判斷其方向是否正確。難點在於聯結器的外觀可能較為相似，需要準確提取其特徵進行區分。
• 隱藏焊點檢測：藉助 3D 相機和三維形貌重建技術，檢測隱藏在元件下方的焊點是否存在缺陷。難點在於焊點的位置較為隱蔽，需要高解析度的成像和分析能力。
• 共面度檢測：透過對 PCBA 表面的三維形貌進行分析，檢測元件的共面度是否符合要求。難點在於要精確測量微米級的高度差異。
• 聯結器位置檢測：透過對聯結器的位置和周圍元件的相對位置進行分析，判斷其安裝位置是否正確。難點在於要考慮到不同產品的設計差異。

落地案例

某大型電子製造企業，其 PCBA 裝配產線規模較大，每天需要處理數千塊 PCBA 板。在引入微鏈道愛的 AI 視覺檢測解決方案之前，該企業採用傳統的人工和裝置檢測方法，面臨著漏檢率高、誤報率高和產線換型時間長等問題。上線過程中，微鏈道愛團隊將 DaoAI AI AOI 軟體系統和 DaoAI 2D/3D AI AOI 裝置部署到客戶的產線，透過 SDK/API/Docker 等方式，實現了 100% 本地私有化部署，確保資料不出廠，保障了客戶的資料安全。同時，對產線工人進行了系統的培訓，使其能夠熟練操作新的檢測裝置和系統。

微鏈道愛的 AI 視覺檢測解決方案為企業帶來了顯著的效益提升。

上線前，該企業的缺漏件和聯結器錯裝的漏檢率約為 3%，誤報率約為 20%，產線換型時間約為 30 分鐘。上線後，缺漏件和聯結器錯裝的檢出率提高到了 98%，漏檢率降低到了 <2%，誤報率降低了 -60%，產線換型時間從原來的 30 分鐘縮短到了 5 分鐘。這不僅大大提高了產品質量，減少了人工複檢的工作量，還顯著提升了生產效率，為企業帶來了可觀的經濟效益。

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 軟體系統具有強大的特徵認知能力，一塊良品僅需 5 分鐘即可完成 0 程式碼自動程式設計，大大縮短了產線換型的時間。同時，該系統還具備語義誤報過濾功能，能夠有效降低誤報率。DaoAI 2D/3D AI AOI 裝置自研的 3D 相機和三維形貌重建技術，能夠實現對 PCBA 的全方位檢測，包括隱藏焊點和微米級形貌的檢測。在落地做法上，透過 SDK/API/Docker 等方式，支援 100% 本地私有化部署，確保資料不出廠，保障客戶的資料安全。

量化成效方面，採用微鏈道愛的解決方案後，缺漏件和聯結器錯裝的檢出率提高到了 98%，漏檢率降低到了 <2%。誤報率降低了 -60%，大大減少了人工複檢的工作量。產線換型時間從原來的 30 分鐘縮短到了 5 分鐘，顯著提高了生產效率。

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。