用工业AI视觉系统赋能PCB板检测

2023-02-10 14:07:59

　　作为电子产品的关键电子互联件，印刷电路板(PCB)在电路中有着固定各种元器件，提供各种元器件之间连接电板的作用，是一种由绝缘隔热、有一定强度材质制作而成的板材。目前，PCB板在多领域有着重要的使用作用，包括消费电子、计算机、通信设备、汽车、航天等，其下游应用十分广泛。

　　在PCB板的生产过程中，常常会产生短路、焊桥、开路、元器件松动或错位等缺陷，确保PCB产品功能与外观的正常，是产品质量把控的重要一环。在如今制造行业追求高品质、高效率的内生需求下，PCB板需要寻求精确度更高的设备来对PCB板产品进行检测。机器视觉作为推动制造业数智化转型升级的一项重要技术，逐渐成为PCB板实现缺陷持续检出的“眼睛”与“大脑”。

　　PCB板密集度不断增大，传统机器视觉检测遭遇难点

　　随着现代电子工业技术的不断革新，PCB板作为电子产品中众多电子元器件的承载体，其密集度不断增大，层级越来越多，在生产过程中往往会产生各式各样的缺陷问题。在对PCB板进行检测时，其精度、集成度、复杂度的不断提高，也大大增加了缺陷检测的难度，阻碍了各种缺陷问题的检出。

　　目前，PCB板大多采用传统机器视觉检测系统来进行缺陷检测。但PCB板的缺陷类型众多，缺陷目标小，形状多样，数量众多，且不同缺陷类型使用光照环境和拍摄方式各不相同，致使传统机器视觉对缺陷的特征提取有效性不高、缺陷目标分割困难。

　　传统机器视觉系统虽然能够对一些缺陷进行检出，但其视觉数据的输出程序化，根据规则检出缺陷，适合处理大批量且一致的产品。随着异常和缺陷库的增大，算法愈发困难，对于一些不规则的缺陷形状或是未被收录的缺陷类型，传统机器视觉系统难以进行缺陷检出。

　　工业AI视觉系统，实现PCB板高效检测

　　在PCB板的缺陷检测中，传统机器视觉系统无法满足其缺陷的精准检出要求，而基于“传统机器视觉+深度学习”的视觉检测系统做到了对PCB板缺陷的高质量检出。

　　与传统机器视觉系统相比，搭配深度学习技术的机器视觉系统使用基于示例而不是基于规则的方法来解决PCB板检测难题。深度学习利用神经网络，根据大量标记的图像示例进行信息获取后，可以自动进行缺陷的分析，区分零件和缺陷零件之间的差异，建立新的缺陷类型并对新的缺陷进行检出。深度学习不仅能解决规则算法难以编程的视觉应用问题，还能处理混淆背景与PCB板的外观差异，以更高的工作效率完成PCB板缺陷的检出。

　　自主研发工业AI视觉系统，在PCB板检测场景中，充分利用“传统机器视觉+深度学习”技术，提取出丰富的特征信息进行识别，并可以在复杂的光照环境中更迅速的完成对于PCB板的缺陷检测。

　　工业AI视觉系统的技术优势：

　　1、全面覆盖各种缺陷类型。从丰富的落地案例中，获取了大量的样本数据，能够自动进行缺陷分析，建立新的缺陷类型，让系统能够全面覆盖各种缺陷类型。

　　2、精准检测各种缺陷类型。2000+AI行业算法，完善缺陷的定义和识别，识别效率提高，能够精确检测不同缺陷类型。

　　3、提高缺陷的环境适应性。使用线扫相机与多光源方式成像，使缺陷检测具有更优秀的环境适应性。

　　4、设备搭配满足复杂生产。引导式配置，支持参数自适应，适配各类机台轨道结构，适合各类复杂生产环境。

　　工业AI视觉系统的应用成效：

　　1、识别效果精准度提升至99.9%以上;

　　2、精准实现对PCB板小型缺陷的识别，缺陷检测精度提升20%;

　　3、设备直通率达到90%以上，大幅度降低控制系统成本。

　　随着科技的发展，机器视觉技术将进一步升级，我们也将跟随时代脚步，不断进行技术的创新和产品的持续迭代，为更多制造业场景提供更高质量的机器视觉创新产品，持续为制造业数智化的转型贡献力量。