案例研究|基于人工智能的PCB表面瑕疵检测收藏

案例研究背景    过去五十年，台湾的PCB产业以其供应链完整集中，品质优良及两岸布局完整为优势，从2010年起就在全球PCB市场占据30%的市场份额近年来，得益于高端手机的推陈出新，2017年整体PCB产业链的两岸产值已超过300亿美金，突破历史新高。

   PCB产业为台湾最具竞争力的产业之一，而自动光学检测（AOI）设备是提升PCB产能及产品良率的关键设备AOI设备可部署于生产线的中站，在不影响产能的前提下检查半成品，因此成为PCB制造过程中比重较高的必要投资，约占总投资额的15%。

困难与挑战    AOI设备的检测流程是先利用AOI光学扫描待检的PCB，获取清晰影像，然后经过电脑图像处理技术检查出PCB 上是否有短路、多铜及少铜、断路、缺口、毛刺、铜偏斜等瑕疵因为外观瑕疵的种类非常广泛，所以较一般电子零部件的瑕疵检测困难许多。

   目前AOI 检测面临过度筛检(OVERKILL)的现象在极高的PCB良品率的要求下，AOI 设备的参数设定非常严格，也因此AOI 检测设备容易因过于敏感而出现过筛现象经统计PCB 过筛率高达70%，即NG 产品中其实有70%的成品是合格的。

目前多采取人工进行第二次筛选，将实际合格的PCB 再度送回产线

PCB板上的典型缺陷碁仕科技人工智能（AI)瑕疵检测系统    来自台湾的碁仕科技(G4 Technology Co., Ltd) 主要致力于提供机器视觉和自动光学检测(AOI) 领域的成像解决方案，并向企业成功应用机器视觉技术提供服务，在生产製程中严格控管品质，不仅可提升产品良率确保运作效能，亦可有效降低生产检测成本。

   近日，碁仕科技推出AI瑕疵检测系统演示，该系统透过Allied Vision Manta G-032C 专业工业相机和Fujifilm 五百万画素高解析镜头的取像，搭配最新的AI 深度学习算法 (Deep learning algorithm)的SuaKIT AI 视觉检测软件，能实现PCB 即时检测并标注PCB 瑕疵。

   SUALAB的深度学习技术采用人工智能神经网络学习PCB图像，相较于传统视觉技术，该瑕疵检测系统可以分析複杂的影像，大幅提升自动化视觉检测的影像判读能力和准确度，并可将瑕疵进行自动分类根据图像的复杂程度，深度学习算法初期需要的图像数据有所不同，一般提供50-100张即可。

这意味着即使是针对每个客户公司不同的瑕疵标准，该系统也能够灵活应对

使用Manta + Suakit进行PCB检测高品质Manta相机为PCB检测精确度和稳定性倍添助力    碁仕科技的AI瑕疵检测系统中配备的Manta    G-032C相机是一款分辨率为(656 x 492) 30万像素的高品质工业相机，其80 fps的速度可以满足正常需求，一般经过15分钟时间就可建立对应神经网络模型。

在实际的生产线上，每秒钟可实时处理所采集的80张图像    “我们为此款PCB检测演示应用选择Manta相机主要是考虑到实时检测环境下的高速要求，这需要我们以较小的图片尺寸快速的传递图像，而该款相机拥有较快的帧率，可完全满足检测的速度需求。

” 碁仕科技总经理Ken Chou强调“此外，Allied Vision品牌相机的德国品质和稳定性使得其成为AI检测算法的最佳匹配事实上，根据应用的不同，几乎所有的Allied Vision系列相机均可做为PCB系统检测的理想选择。

例如，如果客户对检测的成像质量要求很高的情况下，也可使用Allied Vision的高分辨率相机系列，例如Prosilica GT”    Allied Vision的Manta系列相机是用途最为广泛的千兆网相机系列。

这款相机提供众多模块化选择，包括弯头和板级版本，使得相机可与几乎任何应用整合Manta 先进的功能集合，包括多相机同步、用户指令和以太网触发功能，可简化多相机应用的设置，减少整体布线工作并降低成本

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。