SMT 焊点 AI 视觉检测：解决虚焊、连锡、少锡难题

在电子/PCBA 行业，SMT（表面贴装技术）是关键工序，而焊点质量直接影响产品性能和可靠性。某头部电子/PCBA 厂商在 SMT 生产过程中，面临虚焊、连锡、少锡等焊点缺陷问题，严重影响生产效率和产品品质。

在电子/PCBA 制造领域，SMT 工序是将电子元件精确贴装到 PCB 板上并进行焊接。然而，由于焊接工艺的复杂性和各种因素的影响，焊点容易出现虚焊、连锡、少锡等缺陷。虚焊会导致电气连接不稳定，影响产品的正常运行；连锡可能引发短路，造成产品损坏；少锡则可能使焊点强度不足，降低产品的可靠性。这些缺陷不仅增加了产品的次品率，还需要大量的人工进行二次检测和修复，大大降低了生产效率，增加了生产成本。某头部电子/PCBA 厂商在生产过程中就深受这些问题的困扰，急需一种高效、准确的检测解决方案。

技术原理

微链道爱（DaoAI）的 AI-AOI 解决方案基于先进的深度学习算法和高精度成像技术。在硬件方面，采用 2D/3D 检测设备，能够从不同角度获取焊点的图像信息。2D 成像可以清晰地捕捉焊点的外观特征，如形状、大小和位置；3D 成像则可以提供焊点的高度和体积信息，更全面地反映焊点的真实情况。在算法层面，利用 APDT 正样本/少样本学习技术，仅需 1 - 20 张良品图像，就能快速训练出准确的检测模型。这是因为该技术通过挖掘图像中的语义信息，能够在少量样本的情况下学习到焊点的正常特征和缺陷模式。同时，DaoAI World 世界模型为检测提供了强大的语义理解能力，结合语义误报过滤技术，可以有效减少误报，提高检测的准确性。

• 深度学习算法：通过对大量焊点图像的学习，自动识别焊点的正常和缺陷特征。
• 2D/3D 成像技术：从多个维度获取焊点信息，提高检测的全面性。
• APDT 正样本/少样本学习：减少对大量训练样本的依赖，快速建立检测模型。
• DaoAI World 世界模型：提供语义理解，结合语义误报过滤，降低误报率。

微链道爱利用先进技术，实现了对 SMT 焊点的高精度、高效率检测。

为了解决该厂商的问题，微链道爱提供了 AI-AOI 2D/3D 检测设备和配套的 AOI 软件。具体做法如下：首先，使用 2D/3D 检测设备对 SMT 焊点进行全面扫描，获取焊点的图像数据。然后，将这些数据传输到 AOI 软件中，软件利用 APDT 正样本/少样本学习技术，在短时间内完成模型训练。在检测过程中，DaoAI World 世界模型和语义误报过滤技术发挥作用，对检测结果进行实时分析和筛选，确保准确识别虚焊、连锡、少锡等缺陷。此外，微链道爱还实现了 5 分钟 0 代码换型功能，当产品型号发生变化时，能够快速调整检测参数，适应新的生产需求。

通过实施微链道爱（DaoAI）的 AI 视觉解决方案，该厂商取得了显著的成效。在检测精度方面，焊点缺陷的检出率达到了 99.5%以上，能够准确识别出虚焊、连锡、少锡等问题。误报率降低了 82%，大大减少了人工复查的工作量。漏检率控制在 0.5%以内，有效保证了产品的质量。在换型效率方面，实现了 5 分钟 0 代码换型，提高了生产的灵活性和响应速度。同时，仅需 1 - 20 张良品图像就能完成模型训练，减少了样本收集和标注的时间和成本。