電子/PCBA 行業 AI 視覺在錫膏印刷質量檢測的應用案例

在電子/PCBA行業，錫膏印刷質量檢測至關重要。微鏈道愛的AI視覺技術為這一工序帶來了新的解決方案。

使用者場景：某頭部電子/PCBA廠商的錫膏印刷產線，主要生產各類電子產品的印刷電路板（PCB）。檢測物件為錫膏印刷後的PCB，包括錫膏的厚度、面積、形狀以及位置等關鍵引數，這些引數直接影響著後續焊接的質量和電子產品的效能。

痛點：傳統的錫膏印刷質量檢測方法主要依賴人工檢查和基於規則的機器視覺系統。人工檢查效率低下，且容易出現漏檢和誤判的情況，人力成本也較高。基於規則的機器視覺系統需要根據不同的產品和檢測要求編寫複雜的規則手冊，換型時間長，一般需要數小時甚至數天，難以適應快速變化的生產需求。此外，規則手冊難以涵蓋所有可能的情況，導致漏檢率約為2%，誤報率高達15%，這不僅增加了複檢量，還影響了生產效率和產品質量。同時，隨著行業對產品質量和合規性要求的不斷提高，傳統檢測方法難以滿足預測性質量控制的需求。

技術原理

微鏈道愛的AI視覺技術採用了先進的深度學習演算法和自研的3D相機。深度學習演算法透過大量的樣本資料進行訓練，能夠自動學習錫膏印刷的特徵和模式，從而實現對錫膏印刷質量的準確判斷。自研的3D相機可以獲取錫膏的三維形貌資訊，實現微米級的高精度檢測。其原理在於，深度學習模型具有強大的特徵提取和分類能力，能夠從複雜的影象中提取出關鍵特徵，並根據這些特徵進行分類和判斷。3D相機則可以提供更豐富的資訊，彌補2D影象的不足，對於隱藏焊點、共面度等問題能夠進行更準確的檢測。

• 深度學習演算法透過正樣本/少樣本學習（1 - 20張良品），能夠快速適應新的產品和檢測要求，減少了訓練時間和成本。
• 語義誤報過濾功能可以根據影象的語義資訊對誤報進行過濾，提高了檢測的準確性。
• 三維形貌重建技術可以將3D相機獲取的資訊進行重建，直觀地展示錫膏的三維結構，便於檢測人員進行分析和判斷。

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軟體系統具有視覺基礎模型的特徵認知能力，一塊良品5分鐘即可實現0程式碼自動程式設計，APDT正樣本/少樣本學習功能可以快速適應新的產品和檢測要求。語義誤報過濾功能可以有效降低誤報率。DaoAI 2D / 3D AI AOI裝置採用自研3D相機和三維形貌重建技術，能夠檢測隱藏焊點、共面度和微米級形貌。在落地過程中，首先對產線進行資料採集和分析，然後使用DaoAI AI AOI軟體系統進行模型訓練和最佳化，最後將訓練好的模型部署到DaoAI 2D / 3D AI AOI裝置上進行實時檢測。

AI視覺技術將錫膏印刷質量檢測從被動檢測轉變為預測性質量控制，提高了生產效率和產品質量。

量化成效：透過使用微鏈道愛的AI視覺解決方案，該廠商的錫膏印刷質量檢測檢出率提高到了98.5%，漏檢率降低至<1.5%。誤報率降低了 - 70%，從原來的15%降低到了4.5%。換型時間從原來的數小時甚至數天縮短到了5min，大大提高了生產效率。

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。