新闻资讯 首页 > 新闻资讯

PCB板篇 AI机器视觉在PCB板中的全方位识别检测

发布时间: 2022-09-19 08:50:33 来源:欧宝娱乐登录网页版 作者:欧宝娱乐线上登录地址

  PCB板作为现代电子设备的重要组成部分,是集成各种电子元器件的信息载体,在电子领域中有着广泛的应用,其质量可直接影响到产品的性能。

  而随着电子科技技术的发展和电子制造业的发展,由于贴片元器件体积小,安装密度大,这就要求PCB板的集成度进一步提高。

  在工业生产早期,产品的质量检测主要靠人工来完成,并且这也是生产的最后一个环节。

  但是随着制造业规模化和自动化的发展,大规模的产品堆积,质检员很难跟上检测速度、配备多名质检员,又不能随着工单的数量机动配置。加之质检任务的单调性和重复性,导致检测水平良莠不齐,很难保证客户的满意度。

  外观检测是质检环节中非常重要的一部分,对检测的精度、效率、速度等方面都有很高的要求。PCB的内部工艺复杂,除了芯板结构层压、钻孔、布线外,还需要考虑埋置元件、表面涂饰、清洁和蚀刻等。由于对生产设备的精度和材料性能依赖程度高,一般在设计制作过程中,很容易出现以下各类问题:

  PCB工艺边设计不合理,导致设备无法贴装。 PCB定位孔问题,导致设备不能准确、牢固地定位。 螺丝孔金属化,导致过波峰焊后堵孔。 PCB焊盘问题,焊接时出现虚焊、移位、立碑,或焊点少锡。 Mark点设计问题,造成机器识别困难。 位号或极性标志缺失,位号颠倒,字符过大或过小等。 测试点、元件之间的距离放置不规范,可维修性差。

  传统的检测采用人工检测方法,容易漏检、检测速度慢、检测时间长、成本高,已经逐渐不能够满足生产需要。

  为了保证电子产品的性能,PCB板缺陷检测技术已经成为电子行业中非常关键的技术。

  随着PCB日趋超薄型、高密度、细间距,PCB线路板上元器件上的线宽、间距等已经达到微米级,人工检测已经远不能满足如此高精密度的检测需求。

  机器视觉检测技术是建立在图像处理算法的基础上,通过数字图像处理与模式识别的方法来实现,与传统的人工检测技术相比,提高了缺陷检测的效率和准确度。

  机器视觉系统一般采用CCD或CMOS工业相机摄取检测图像并转化为数字信号,再通过计算机软、硬件技术对图像数字信号进行处理,从而得到所需要的各种目标图像特征值,并由此实现零件识别或缺陷检测等多种功能。

  通过视觉检测PCB外形、尺寸、内孔,与系统加载入的产品黑白特征图匹配来识别板子的编号。

  在PCB生产工艺中,显影线后会出现焊盘盖油的现象,在此工位及时的检测发现问题,可减少后面的一系列工序,可节省成本。

  检测PCB板字符码形态是否符合标准,是否清晰无缺失,线条是否光滑无凸点,是否存在线体重合、重影、麻点、变形、色差、偏位、错印等缺陷。

  机器视觉检测技术,可以实现包括PCB、BGA、管脚和贴片检测,以及焊点、元件缺失、方向错误等方面的完整性检测。

  比如:PCB板表面是否有污渍、杂物、凹坑、锡渣残留;表面字符和符号是否清晰;焊盘上锡是否均匀,等等。

  自主研发深度学习引擎,只需标注,即可把人工经验转化成AI算法,支持100+特征类型并行检测,最快处理速度高达10ms,准确率高达99%以上。

  100+⾏业知识库、3000+场景覆盖、10000+成功案例,自研图像自生成,图像超分辨率等算法,完美支持小样本开发。

  自主研发的云端训练平台和数据平台,分布式按需弹性切换资源,训练时间仅需10分钟以内。

  自主研发2D与3D融合技术,已封装数百个视觉算子,一键式调用,可满足0.01mm的高精度需求。

  2D可实现诸如短路、空焊、锡洞及少锡等多种缺陷检测,针对不同种缺陷采用硬件种类及系统布局方案有所不同;

  而3D常用激光线扫/PMP等设备,既可实现轮廓扫描,亦可实现如细小的QFN、LGA元件检测,二者应用场景及针对缺陷种类有所不同。

  根据电容上面两端印刷图案的不同,通过机器视觉技术来区别它的正反差异,即电容极性。

  针对PCB领域的3D检测方案,业界主要采用激光线扫/正弦条纹PMP等方案实现。激光线扫方案通常利用激光轮廓仪结合传送机构(类似2D线阵检测系统),实现PCB表面建模及自动检测;

  矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台,始终秉承0成本、0代码、0门槛、0硬件的产品理念。

  平台以人工智能技术为核心,在机器视觉应用开发环节,为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、3D测量、视频开发等上百项通用功能,致力于成为全球用户量最多,落地场景最广泛的机器视觉低代码平台。

13916152339