PCB表面瑕疵检测收藏

   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突破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、铜渣、缺件、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。

图1：PCB板上的典型缺陷    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。

图2： 碁仕科技的AI瑕疵检测系统demo    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”

图3：Allied Vision Manta相机系列    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。