在電子/PCBA行業，MLCC等被動元件的微裂紋檢測至關重要。傳統檢測方法存在诸多問題，而AI視覺技術為解決這些問題提供了有效途徑。
用戶場景：某頭部電子/PCBA廠商的生產線上，在MLCC等被動元件的組裝工序後，需要對元件進行微裂紋檢測。MLCC作為常見的被動元件，广泛應用于各類電子產品中，其微裂紋的存在可能會影響產品的性能和穩定性，因此對微裂紋的檢測是保證產品質量的關鍵環節。
痛點：傳統的檢測方法主要依賴抽檢，無法實現100%全檢，導致漏檢率較高，據統計漏檢率可達3%左右。同時，人工檢測的誤報率也較高，約為15%，這不僅增加了人力成本，還降低了生產效率。而且，在產品換型時，傳統檢測設備的編程和調試時間較長，一般需要30分鐘以上，嚴重影響了產線的靈活性和生產節拍。此外，隨着行業質量標準的提高，傳統檢測方法難以滿足合規要求。
技術原理
微鏈道愛的AI視覺技術采用先進的算法和成像原理來解決微裂紋檢測問題。在算法方面，運用了深度學習算法，通過大量的樣本數據進行訓練，使模型能夠準確識別微裂紋的特征。深度學習算法具有強大的特征提取和分類能力，能夠從複雜的圖像中提取出微裂紋的細微特征，從而實現高精度的檢測。在成像方面，采用自研的3D相機進行圖像采集，3D相機能夠獲取元件的三維形貌信息，相比傳統的2D成像，能夠更全面地展示元件的表面情況，對于隱藏在元件內部或側面的微裂紋也能清晰成像。這種三維形貌重建技術使得微鏈道愛的AI視覺系統能夠檢測到微米級的微小裂紋，大大提高了檢測的精度和可靠性。
- 深度學習算法能夠自動學習微裂紋的特征，避免了傳統算法需要人工設計特征的局限性。
- 3D相機的使用提供了更丰富的圖像信息，有助于提高檢測的準確性。
- 三維形貌重建技術可以將元件的表面信息進行精確還原，為微裂紋的檢測提供更可靠的依據。
- 通過不斷的模型訓練和優化，系統能夠適應不同類型和規格的MLCC元件的檢測需求。
微鏈道愛解決方案與產品
微鏈道愛提供了DaoAI AI AOI軟件系統和DaoAI 2D / 3D AI AOI設備來解決MLCC等被動元件微裂紋檢測問題。DaoAI AI AOI軟件系統具有強大的特征認知能力，基于視覺基礎模型，能夠實現一塊良品5分鐘0代碼自動編程。采用APDT正樣本/少樣本學習技術，僅需1 - 20張良品樣本即可完成模型訓練，大大縮短了模型訓練時間。同時，該軟件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3D相機，結合三維形貌重建技術，能夠檢測隱藏焊點、共面度以及微米級形貌，為微裂紋的檢測提供了更全面的解決方案。在落地實施時，微鏈道愛將軟件系統和設備進行集成，通過SDK / API / Docker進行部署，支持100%本地私有化，確保數據不出廠，保障了客戶的數據安全。
微鏈道愛的AI視覺技術為MLCC等被動元件微裂紋檢測提供了高效、準確、安全的解決方案。
量化成效：通過使用微鏈道愛的解決方案，該頭部電子/PCBA廠商的MLCC等被動元件微裂紋檢測檢出率達到了98%以上，漏檢率降低至<2%。誤報率降低了 - 70%，大大減少了人工複檢的工作量。產品換型時間從原來的30分鐘以上縮短至5分鐘，提高了產線的靈活性和生產效率。