BGA/QFN 封装下隐藏焊点的 AI 视觉检测解决方案

在电子/PCBA 行业，BGA/QFN 封装下隐藏焊点的检测一直是一个难题。微链道爱凭借先进的 AI 视觉技术，为这一问题提供了有效的解决方案。

用户场景：某头部电子/PCBA 厂商的生产线中，涉及到 BGA/QFN 封装的电子产品生产工序。其产品主要为各类高性能电路板，检测对象是 BGA/QFN 封装下的隐藏焊点。这些隐藏焊点由于其位置特殊，传统检测手段难以触及，对产品的质量和稳定性有着至关重要的影响。

痛点：在传统检测过程中，存在诸多量化困境。一方面，由于 BGA/QFN 封装下的隐藏焊点处于复杂的结构中，反光/镜面金属使得 3D 点云稀疏含噪缺失，导致位姿与检测失败，漏检率高达 3%，这意味着每 100 个产品中可能有 3 个存在隐藏焊点问题而未被检测出来。另一方面，误报率也达到了 15%，大量的误报不仅增加了人力成本，还降低了生产效率。此外，换型时间长，每次换型需要 30 分钟，严重影响了生产线的灵活性和产能。

技术原理

微链道爱采用多视角主动视觉技术来解决上述问题。在算法方面，利用先进的视觉基础模型进行特征认知，通过 APDT 正样本/少样本学习算法，只需 1 - 20 张良品即可快速学习焊点的特征。在成像方面，自研 3D 相机能够从多个角度对隐藏焊点进行成像，有效解决了反光/镜面金属导致的 3D 点云稀疏含噪缺失问题。在硬件原理上，通过三维形貌重建技术，将多视角的图像信息进行整合，重建出隐藏焊点的真实三维形貌，从而实现准确的位姿识别和检测。这种多视角主动视觉技术之所以有效，是因为它能够从不同角度获取隐藏焊点的信息，避免了单一视角下的信息缺失和干扰，提高了检测的准确性和可靠性。

• 视觉基础模型的特征认知：能够快速准确地识别焊点的特征，提高检测效率。
• APDT 正样本/少样本学习：减少了对大量样本的依赖，缩短了学习时间。
• 自研 3D 相机：多视角成像，解决了反光问题，获取更完整的点云信息。
• 三维形貌重建：整合多视角信息，重建真实三维形貌，实现准确检测。

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，一块良品 5 分钟即可实现 0 代码自动编程，通过 APDT 正样本/少样本学习，能够快速适应不同类型的焊点检测。同时，该软件系统还具备语义误报过滤功能，有效降低误报率。DaoAI 2D / 3D AI AOI 设备自研 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。在落地做法上，首先对产线进行调研和分析，确定检测需求和参数。然后使用 DaoAI AI AOI 软件系统进行编程和学习，利用 DaoAI 2D / 3D AI AOI 设备进行实际检测，最后根据检测结果进行反馈和优化。

微链道爱的解决方案为电子/PCBA 行业的隐藏焊点检测提供了高效、精准的手段。

量化成效：通过采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。检出率从原来的 97%提高到了 99.2%，漏检率降低至 <0.8%。误报率降低了 -60%，从 15%降低到了 6%。换型时间从 30 分钟缩短至 5 分钟，大大提高了生产线的灵活性和产能。