在電子製造行業，PCBA 裝配過程中的缺漏件與連接器錯裝問題嚴重影響產品質量和生產效率。微鏈道愛的 AI 視覺檢測解決方案為解決這一難題提供了有效途徑。
用戶場景：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組件。檢測對象為 PCBA 上的電子元件是否存在缺漏件情況，以及連接器的安裝是否正確，包括連接器的方向、位置等。
痛點：傳統的檢測方法存在诸多問題。在漏檢方面，人工檢測容易出現疲劳，導致缺漏件和連接器錯裝的漏檢率達到約 3%，這意味着每生產 100 件產品，可能有 3 件存在質量問題流入市場。誤報率也較高，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。此外，產線換型時，傳統檢測設備的編程和調試時間較長，約需 30 分鐘，嚴重影響了生產效率。
技術原理
微鏈道愛的 AI 視覺檢測解決方案基于先進的算法和成像技術。在算法方面，采用了視覺基礎模型的特征認知技術，能夠對 PCBA 上的電子元件和連接器的特征進行精準識別。通過 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連接器的特征。在成像方面，DaoAI 2D/3D AI AOI 設備自研的 3D 相機結合三維形貌重建技術，能夠獲取 PCBA 的三維信息，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，對于連接器的安裝情況也能進行更全面的檢測。這種技術之所以有效，是因為它能夠從多個維度對 PCBA 進行分析，利用深度學習算法不斷優化模型，提高檢測的準確性和可靠性。
- 視覺基礎模型的特征認知技術可以快速準確地識別元件和連接器的特征。
- APDT 正樣本/少樣本學習減少了樣本收集的工作量，提高了模型訓練的效率。
- 3D 相機和三維形貌重建技術提供了更全面的檢測信息，有助于發現隱藏的問題。
- 深度學習算法不斷優化模型，適應不同的生產環境和產品類型。
微鏈道愛解決方案與產品介紹
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 軟件系統具有強大的特征認知能力，一塊良品僅需 5 分鐘即可完成 0 代碼自動編程，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 設備自研的 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，我們將系統和設備部署到客戶的產線，通過 SDK/API/Docker 等方式，支持 100% 本地私有化部署，確保數據不出廠，保障客戶的數據安全。
微鏈道愛的 AI 視覺檢測解決方案，為 PCBA 裝配檢測提供了高效、準確的保障。
量化成效：采用微鏈道愛的解決方案後，缺漏件和連接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。