AI视觉技术助力MLCC等被动元件微裂纹检测

在电子/PCBA行业，MLCC等被动元件的微裂纹检测至关重要。传统检测方法存在诸多问题，而AI视觉技术为解决这些问题提供了有效途径。

用户场景：某头部电子/PCBA厂商的生产线上，在MLCC等被动元件的组装工序后，需要对元件进行微裂纹检测。MLCC作为常见的被动元件，广泛应用于各类电子产品中，其微裂纹的存在可能会影响产品的性能和稳定性，因此对微裂纹的检测是保证产品质量的关键环节。

痛点：传统的检测方法主要依赖抽检，无法实现100%全检，导致漏检率较高，据统计漏检率可达3%左右。同时，人工检测的误报率也较高，约为15%，这不仅增加了人力成本，还降低了生产效率。而且，在产品换型时，传统检测设备的编程和调试时间较长，一般需要30分钟以上，严重影响了产线的灵活性和生产节拍。此外，随着行业质量标准的提高，传统检测方法难以满足合规要求。

技术原理

微链道爱的AI视觉技术采用先进的算法和成像原理来解决微裂纹检测问题。在算法方面，运用了深度学习算法，通过大量的样本数据进行训练，使模型能够准确识别微裂纹的特征。深度学习算法具有强大的特征提取和分类能力，能够从复杂的图像中提取出微裂纹的细微特征，从而实现高精度的检测。在成像方面，采用自研的3D相机进行图像采集，3D相机能够获取元件的三维形貌信息，相比传统的2D成像，能够更全面地展示元件的表面情况，对于隐藏在元件内部或侧面的微裂纹也能清晰成像。这种三维形貌重建技术使得微链道爱的AI视觉系统能够检测到微米级的微小裂纹，大大提高了检测的精度和可靠性。

• 深度学习算法能够自动学习微裂纹的特征，避免了传统算法需要人工设计特征的局限性。
• 3D相机的使用提供了更丰富的图像信息，有助于提高检测的准确性。
• 三维形貌重建技术可以将元件的表面信息进行精确还原，为微裂纹的检测提供更可靠的依据。
• 通过不断的模型训练和优化，系统能够适应不同类型和规格的MLCC元件的检测需求。

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设备来解决MLCC等被动元件微裂纹检测问题。DaoAI AI AOI软件系统具有强大的特征认知能力，基于视觉基础模型，能够实现一块良品5分钟0代码自动编程。采用APDT正样本/少样本学习技术，仅需1 - 20张良品样本即可完成模型训练，大大缩短了模型训练时间。同时，该软件系统还具备语义误报过滤功能，能够有效降低误报率。DaoAI 2D / 3D AI AOI设备自研3D相机，结合三维形貌重建技术，能够检测隐藏焊点、共面度以及微米级形貌，为微裂纹的检测提供了更全面的解决方案。在落地实施时，微链道爱将软件系统和设备进行集成，通过SDK / API / Docker进行部署，支持100%本地私有化，确保数据不出厂，保障了客户的数据安全。

微链道爱的AI视觉技术为MLCC等被动元件微裂纹检测提供了高效、准确、安全的解决方案。

量化成效：通过使用微链道爱的解决方案，该头部电子/PCBA厂商的MLCC等被动元件微裂纹检测检出率达到了98%以上，漏检率降低至<2%。误报率降低了 - 70%，大大减少了人工复检的工作量。产品换型时间从原来的30分钟以上缩短至5分钟，提高了产线的灵活性和生产效率。