PCBA可以說是所有電子產(chǎn)品組件中最為重要的組成。小到生活中常用的家電：3C數(shù)碼、顯示器、鼠標鍵盤、U盤等產(chǎn)品，大到網(wǎng)絡(luò)通訊、汽車電子、軍工研究等，都少不了PCBA的運用。

PCBA就類似于人體的大腦神經(jīng)網(wǎng)絡(luò)，是所有電子產(chǎn)品的核心，幾乎決定著產(chǎn)品的功能、性能、可靠性。尤其是在電子產(chǎn)品售后問題中，有80%都是PCBA出現(xiàn)的問題，PCBA的質(zhì)量不容置疑。

某國內(nèi)龍頭家電工廠主要從事智能家電產(chǎn)品與智慧家庭場景解決方案的研發(fā)，產(chǎn)品種類、型號眾多。隨著家電產(chǎn)品朝著精細化、智能化、微小化趨勢發(fā)展，該家電企業(yè)的PCBA生產(chǎn)檢測難度也越來越大。想要保障PCBA的質(zhì)量，檢測手段需要進一步升級。

該工廠在經(jīng)過市場調(diào)研后，引進了數(shù)之聯(lián)基于深度學習的創(chuàng)新性設(shè)備——追光AI-AOI，意在提升檢測效率、降低人力成本。該設(shè)備適用于集成電路DIP封裝工藝，波峰焊爐后焊點面的外觀缺陷檢測，工廠無需額外開發(fā)可直接使用，可兼容多個工廠的不同產(chǎn)線。

核心痛點：基于傳統(tǒng)算法的AOI操作復(fù)雜誤判高

該家電企業(yè)之前已經(jīng)引進了一批AOI設(shè)備替代人工目檢，但在實際檢測過程中，仍然需要大量人工復(fù)判，主要是原有傳統(tǒng)AOI存在以下核心痛點：

（1）操作復(fù)雜、調(diào)試時間長

波峰焊的焊點形態(tài)變化大，傳統(tǒng)算法需針對每一類焊點進行調(diào)試，大大增加了調(diào)試時間，導(dǎo)致新產(chǎn)品換線時間長。同時，還對人員的熟練程度有要求，一旦人員流動，難以延續(xù)設(shè)備檢測效果，從而影響生產(chǎn)效率。

（2）誤判高、需大量人工復(fù)判

傳統(tǒng)算法難以兼容焊點的多形態(tài)特征，誤判較高，大大增加了操作員復(fù)判的工作量。大量復(fù)判，操作員容易疲勞，漏檢的風險隨之增加。

解決方案：基于深度學習的創(chuàng)新性設(shè)備

為了降低產(chǎn)品換線時間、降低誤判率，該家電企業(yè)引入了數(shù)之聯(lián)追光AI-AOI。這是一款基于深度學習的創(chuàng)新性設(shè)備，核心采用自研深度學習目標檢測與異常檢測框架，缺陷檢出率可達99.99%，誤判率低于0.3%。

針對傳統(tǒng)AOI操作復(fù)雜，調(diào)試時間長，數(shù)之聯(lián)追光AI-AOI采用AI算法解決了設(shè)備換型時重新注冊編程時間長的問題，僅需10分鐘即可完成新品制作。該設(shè)備搭載AI模型，在新品制作時，只需輸入板子長寬，設(shè)備自動調(diào)節(jié)軌道開始制作，拍照完成后可以將全部FOV合成整板圖像，自動識別焊點位置，進行智能元件分組，工程師僅需極少輸入便可完成編程制作。

針對誤判高、復(fù)判多問題，該設(shè)備通過缺陷數(shù)據(jù)庫對圖像數(shù)據(jù)進行預(yù)處理，基于行業(yè)領(lǐng)先的AI算法，實現(xiàn)了缺陷的智能識別、檢測、分類，解決傳統(tǒng)算法僅OK/NG粗分類問題，僅需極少人工復(fù)判。

值得一提的是，通過實地調(diào)研客戶產(chǎn)線環(huán)境，數(shù)之聯(lián)還縮小了設(shè)備尺寸，幫助客戶節(jié)省廠房空間。并且該設(shè)備適用于50mm*50mm-510mm*510mm的板子，在同規(guī)格系列產(chǎn)品中，能處理全行業(yè)最大的PCB板。自主研發(fā)的三段式運動模組，可高效運作，減少進板等待時間，采用設(shè)備的“飛拍”模式，拍照速度可達0.1s/FOV，幫助客戶加快生產(chǎn)節(jié)拍。

得益于數(shù)之聯(lián)強大的缺陷數(shù)據(jù)庫，該設(shè)備算法模型能夠快速更新，可以輕松應(yīng)對各個廠家、不同型號產(chǎn)品的缺陷。并且數(shù)之聯(lián)自研深度學習訓練平臺，可定期收集產(chǎn)線生產(chǎn)數(shù)據(jù)，使AI模型不斷增量學習，讓設(shè)備始終保持高檢出、低誤判，保障工廠持續(xù)正常生產(chǎn)。

此外，通過導(dǎo)入追光AI-AOI，工程師能進一步利用AOI機臺數(shù)據(jù)發(fā)揮效用，在此基礎(chǔ)上可擴展不良根因分析、過程品質(zhì)分析等后續(xù)應(yīng)用，打造閉環(huán)數(shù)據(jù)體系，助力工廠可持續(xù)化提升工藝品質(zhì)。

應(yīng)用效果：新產(chǎn)品程序制作時間由1-2h降至10-30min

工廠上線數(shù)之聯(lián)追光AI-AOI后，最明顯的改變即是效率的提升和人力成本的降低。

該設(shè)備集合了泛半導(dǎo)體行業(yè)多個成功落地經(jīng)驗及海量PCBA缺陷數(shù)據(jù)，通過AI模型，可自動從圖片中提取缺陷特征，一個檢測框即可覆蓋各類缺陷的檢測，大幅縮短編程時間。以往2小時才能完成編程，1個工程師只能管理2條產(chǎn)線，現(xiàn)在編程時間降低至10-30分鐘，1個工程師可管理5條產(chǎn)線，大幅提升了管理效率。

通過數(shù)之聯(lián)深度學習目標檢測模型，追光AI-AOI能精準定位缺陷位置并實現(xiàn)缺陷的精確分類。目前已幫助該工廠實現(xiàn)缺陷漏檢率低于0.01%、誤判率（按點數(shù)）低于0.3%，減少大量人工復(fù)判工作。因此工廠將維修與復(fù)判工位合并，每條產(chǎn)線至少可減少1名操作員。

作為“工業(yè)之眼”的機器視覺，是實現(xiàn)智能制造的重要支撐。結(jié)合傳統(tǒng)算法和深度學習的機器視覺更將是提升制造業(yè)智能化升級的一大利器。數(shù)之聯(lián)將緊密契合市場趨勢和需求，推出更智能的缺陷檢測設(shè)備，助力制造業(yè)自動化、智能化升級。