PCBA 装配缺漏件与连接器错装的 AI 视觉检测解决方案

电子制造行业中，PCBA 装配的质量检测至关重要。然而传统方法存在诸多不足，微链道爱的 AI 视觉检测解决方案应运而生，为行业带来了新的变革。

在电子制造行业，PCBA（Printed Circuit Board Assembly，印刷电路板组件）的装配是一个关键环节，其质量直接影响到电子产品的性能和可靠性。某头部电子/PCBA 厂商的 PCBA 装配产线，主要生产各类电子产品的印刷电路板组件，涵盖了手机、电脑、智能家居设备等多个领域。该产线每天需要处理大量的 PCBA 板，对其上面的电子元件是否存在缺漏件情况，以及连接器的安装是否正确，包括连接器的方向、位置等进行严格检测。然而，传统的检测方法在应对这些检测任务时，逐渐暴露出了诸多问题，难以满足日益增长的生产需求和质量要求。

痛点：为什么难

传统的 PCBA 检测方法在多个维度存在明显的痛点。在漏检方面，由于人工检测存在局限性，长时间的工作容易使检测人员出现疲劳，注意力难以长时间集中。这就导致在检测过程中，缺漏件和连接器错装的漏检率达到约 3%。这意味着每生产 100 件产品，可能有 3 件存在质量问题流入市场，给产品的品牌形象和售后带来巨大的隐患。从根因上分析，人工检测主要依赖于人的视觉和经验，而人的视觉在长时间工作后会出现疲劳和误差，且不同检测人员的经验和判断标准也存在差异，这就使得漏检问题难以避免。

误报率也是传统检测方法的一大难题，约为 20%。大量的误报使得有限的复检资源被分散，增加了人工复检的工作量和成本。产线工人需要花费大量的时间去核实这些误报信息，导致生产效率低下。误报率高的原因主要在于传统检测设备的算法不够智能，难以准确地区分真正的缺陷和正常的产品特征。当产品的外观或尺寸存在一定的波动时，传统设备就容易将其误判为缺陷，从而产生大量的误报。

此外，产线换型时也是传统检测方法的一个瓶颈。由于不同类型的 PCBA 板在电子元件的布局、连接器的类型和位置等方面存在差异，传统检测设备需要进行复杂的编程和调试才能适应新的产品。这个过程大约需要 30 分钟，严重影响了生产效率。其根因在于传统检测设备的编程方式较为复杂，需要专业的技术人员进行操作，且设备的灵活性较差，难以快速适应不同产品的检测需求。

技术原理

微链道爱的 AI 视觉检测解决方案基于先进的算法和成像技术，与传统方法相比具有显著的优势。在算法方面，采用了视觉基础模型的特征认知技术，该技术能够对 PCBA 上的电子元件和连接器的特征进行精准识别。通过 APDT 正样本/少样本学习，仅需 1-20 张良品作为样本，就可以让模型学习到正确的元件和连接器的特征。这大大减少了样本收集的工作量，提高了模型训练的效率。而传统方法往往需要大量的样本进行训练，不仅耗费时间和精力，而且模型的适应性也较差。

在成像方面，DaoAI 2D/3D AI AOI 设备自研的 3D 相机结合三维形貌重建技术，能够获取 PCBA 的三维信息。这不仅可以检测表面的元件，还能检测隐藏焊点、共面度和微米级形貌等，对于连接器的安装情况也能进行更全面的检测。传统的检测设备通常只能获取产品的二维图像，对于隐藏在元件下方或内部的缺陷难以检测到。微链道爱的 3D 成像技术从多个维度对 PCBA 进行分析，利用深度学习算法不断优化模型，提高了检测的准确性和可靠性。深度学习算法可以自动学习和提取产品的特征，随着检测数据的不断积累，模型的性能也会不断提升，以适应不同的生产环境和产品类型。

典型应用场景

• 元件缺漏检测：通过视觉基础模型的特征认知技术，对 PCBA 上的每个元件位置进行精准识别。难点在于元件尺寸可能较小，且布局较为密集，需要高精度的图像采集和识别算法。
• 连接器方向检测：利用 3D 相机获取连接器的三维信息，判断其方向是否正确。难点在于连接器的外观可能较为相似，需要准确提取其特征进行区分。
• 隐藏焊点检测：借助 3D 相机和三维形貌重建技术，检测隐藏在元件下方的焊点是否存在缺陷。难点在于焊点的位置较为隐蔽，需要高分辨率的成像和分析能力。
• 共面度检测：通过对 PCBA 表面的三维形貌进行分析，检测元件的共面度是否符合要求。难点在于要精确测量微米级的高度差异。
• 连接器位置检测：通过对连接器的位置和周围元件的相对位置进行分析，判断其安装位置是否正确。难点在于要考虑到不同产品的设计差异。

落地案例

某大型电子制造企业，其 PCBA 装配产线规模较大，每天需要处理数千块 PCBA 板。在引入微链道爱的 AI 视觉检测解决方案之前，该企业采用传统的人工和设备检测方法，面临着漏检率高、误报率高和产线换型时间长等问题。上线过程中，微链道爱团队将 DaoAI AI AOI 软件系统和 DaoAI 2D/3D AI AOI 设备部署到客户的产线，通过 SDK/API/Docker 等方式，实现了 100% 本地私有化部署，确保数据不出厂，保障了客户的数据安全。同时，对产线工人进行了系统的培训，使其能够熟练操作新的检测设备和系统。

微链道爱的 AI 视觉检测解决方案为企业带来了显著的效益提升。

上线前，该企业的缺漏件和连接器错装的漏检率约为 3%，误报率约为 20%，产线换型时间约为 30 分钟。上线后，缺漏件和连接器错装的检出率提高到了 98%，漏检率降低到了 <2%，误报率降低了 -60%，产线换型时间从原来的 30 分钟缩短到了 5 分钟。这不仅大大提高了产品质量，减少了人工复检的工作量，还显著提升了生产效率，为企业带来了可观的经济效益。

微链道爱解决方案与产品

微链道爱提供了 DaoAI AI AOI 软件系统和 DaoAI 2D/3D AI AOI 设备。DaoAI AI AOI 软件系统具有强大的特征认知能力，一块良品仅需 5 分钟即可完成 0 代码自动编程，大大缩短了产线换型的时间。同时，该系统还具备语义误报过滤功能，能够有效降低误报率。DaoAI 2D/3D AI AOI 设备自研的 3D 相机和三维形貌重建技术，能够实现对 PCBA 的全方位检测，包括隐藏焊点和微米级形貌的检测。在落地做法上，通过 SDK/API/Docker 等方式，支持 100% 本地私有化部署，确保数据不出厂，保障客户的数据安全。

量化成效方面，采用微链道爱的解决方案后，缺漏件和连接器错装的检出率提高到了 98%，漏检率降低到了 <2%。误报率降低了 -60%，大大减少了人工复检的工作量。产线换型时间从原来的 30 分钟缩短到了 5 分钟，显著提高了生产效率。

本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。