AI 视觉助力电子/PCBA 行业解决元件极性反向误报难题

在电子/PCBA 行业，元件极性反向检测是保证产品质量的关键环节。然而，传统检测方法存在误报率高的问题，影响了生产效率和质量。微链道爱凭借先进的 AI 视觉技术，为该行业提供了有效的解决方案。

用户场景：某头部电子/PCBA 厂商，在其表面贴装技术（SMT）产线的检测工序中，需要对印刷电路板（PCB）上的各类电子元件进行检测。检测对象主要包括贴片电容、贴片电阻、二极管等元件的极性是否正确，确保元件安装符合设计要求，避免因极性反向导致产品性能故障或损坏。

痛点：传统的检测方法主要依赖人工目检和基于规则的机器视觉检测。人工目检效率低下，且长时间工作容易导致视觉疲劳，漏检率高达 3%左右。而基于规则的机器视觉检测，由于元件外观相似、光照变化等因素，误报率高达 25%。这不仅增加了大量的复检工作量，还导致产线频繁停机，严重影响了生产效率。此外，当产品换型时，需要重新编写检测程序，换型时间长达 30 分钟，无法满足快速生产的需求。

技术原理

微链道爱采用无监督异常检测算法结合先进的成像技术来解决元件极性反向误报难题。无监督异常检测算法只需要使用良品进行建模，通过学习良品的特征分布，能够自动识别出与正常模式不同的异常情况。在成像方面，利用自研的 3D 相机进行图像采集，能够获取元件的三维形貌信息，相比传统的 2D 成像，3D 成像可以更准确地捕捉元件的细节特征，如元件的高度、形状等。这是因为极性反向的元件在三维形貌上会与正常元件存在细微差异，通过对这些差异的分析，能够更准确地判断元件的极性是否正确，从而有效降低误报率。

• 无监督异常检测算法：通过对良品特征的学习，建立正常模式的模型，当检测到与模型差异较大的情况时，判定为异常。
• 3D 成像技术：自研 3D 相机能够获取元件的三维形貌信息，为准确检测提供更丰富的数据。
• 特征分析：对 3D 图像中的元件特征进行深入分析，识别出极性反向元件的特征差异。

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 软件系统具有视觉基础模型的特征认知能力，只需一块良品，5 分钟即可完成 0 代码自动编程。采用 APDT 正样本/少样本学习方法，仅需 1 - 20 张良品就能进行模型训练，并且具备语义误报过滤功能，能够有效减少误报。DaoAI 2D / 3D AI AOI 设备集成了自研 3D 相机，可进行三维形貌重建，能够检测隐藏焊点、共面度和微米级形貌，为元件极性检测提供更准确的信息。在落地过程中，将设备安装在 SMT 产线的检测工序上，通过软件系统对采集到的图像进行分析处理，实现对元件极性的快速准确检测。

微链道爱的 AI 视觉技术为电子/PCBA 行业的元件极性检测带来了高效、准确的解决方案。

量化成效：通过使用微链道爱的解决方案，该厂商的元件极性反向检出率达到了 98.5%，漏检率降低至 <1.5%。误报率降低了 -65%，大大减少了复检工作量。产品换型时间从 30 分钟缩短至 5 分钟，提高了生产效率，满足了快速生产的需求。