在电子制造行业，PCBA 装配的质量直接影响产品的性能和可靠性。微链道爱凭借先进的 AI 视觉技术，为解决 PCBA 装配中的缺漏件和连接器错装问题提供了有效的解决方案。
用户场景：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。在装配工序中，需要对 PCBA 上的元器件进行缺漏件检测以及连接器的错装检测，确保每一块 PCBA 的质量符合标准。检测对象包括各种贴片元件、插件元件以及不同类型的连接器。
痛点：该厂商面临着多方面的困境。首先，由于产品良率较高，缺陷样本天生稀缺，同时出于数据保密的考虑，难以获取大量的缺陷样本用于模型训练，导致传统的机器学习方法在检测冷启动时效果不佳。其次，人工检测存在漏检和误报的问题，漏检率约为 5%，误报率高达 30%，不仅增加了人力成本，还影响了生产效率。此外，产线换型时，传统检测设备需要重新编程和调试，换型时间长达数小时，严重影响了生产的灵活性。
技术原理
微链道爱采用先进的 AI 算法和成像技术来解决上述问题。在算法方面，利用视觉基础模型的特征认知能力，能够快速识别 PCBA 上元器件的特征。APDT 正样本/少样本学习算法，只需 1 - 20 张良品，就能实现高效的模型训练，有效解决了缺陷样本稀缺的问题。在成像方面，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，不仅可以检测表面的缺漏件和错装问题，还能检测隐藏焊点、共面度和微米级形貌等深层次的缺陷。这种技术之所以有效，是因为它能够从多个维度对 PCBA 进行全面的分析，大大提高了检测的准确性。
- 视觉基础模型：通过对大量良品的学习，提取元器件的特征，为后续的检测提供基础。
- APDT 正样本/少样本学习算法：利用少量的良品数据进行模型训练，减少对缺陷样本的依赖。
- 3D 相机与三维形貌重建：获取 PCBA 的三维信息，检测隐藏缺陷。
- 语义误报过滤：对检测结果进行语义分析，过滤掉误报信息。
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 5 分钟即可实现 0 代码自动编程，大大缩短了编程时间。其 APDT 正样本/少样本学习功能，能够在少样本的情况下进行高效的模型训练。同时，语义误报过滤功能可以有效降低误报率。DaoAI 2D / 3D AI AOI 设备采用自研 3D 相机和三维形貌重建技术，能够检测隐藏焊点、共面度和微米级形貌等缺陷。在落地过程中，将软件系统和设备相结合，实现对 PCBA 装配的全面检测。
微链道爱的 AI 视觉技术为 PCBA 装配检测提供了高效、准确的解决方案。
量化成效：通过使用微链道爱的解决方案，该厂商的检测效果得到了显著提升。检出率达到了 99%以上，漏检率降低到了 1%以下，误报率降低了 80%。同时，产线换型时间从数小时缩短到了 5 分钟，大大提高了生产效率和灵活性。