Thị giác AI trong kiểm tra lắp đặt SMT chủ yếu giải quyết việc phán đoán tự động khuyết tật ngoại quan trước và sau hàn reflow, thay thế hoặc hỗ trợ kiểm tra ngoại quan thủ công bằng camera công nghiệp cộng với thuật toán học sâu. Năng lực điển hình bao phủ các khuyết tật phổ biến như thiếu chi tiết, lệch, ngược cực, hàn nguội và cầu hàn, và nhịp kiểm tra có thể đồng bộ với dây chuyền lắp đặt. Nó không thể thay thế hoàn toàn kiểm tra điện và X-ray; các mối hàn ẩn như đế dưới của BGA và QFN vẫn cần phương tiện khác.
1. Thị giác AI thực sự giải quyết vấn đề gì trong kiểm tra lắp đặt SMT?
Trên dây chuyền SMT, máy lắp đặt chạy nhanh và chi tiết nhỏ, các điện trở và tụ điện trong vỏ 0201 thậm chí 01005 rất khó phán đoán đáng tin cậy bằng mắt. AOI truyền thống dựa vào so sánh mức xám và đối chiếu mẫu, dễ tạo báo động giả khi lô đầu vào khác biệt hoặc in kem hàn lệch nhẹ, khiến nhân viên dây chuyền phải xử lý số lượng lớn ảnh phán đoán sai mỗi ngày. Giá trị cốt lõi của kiểm tra thị giác AI là thay đối chiếu luật bằng học đặc trưng: trước tiên huấn luyện mô hình trên nhiều ảnh tốt và lỗi để hệ thống tự trích xuất các đặc trưng như hình dạng mối hàn, cạnh chi tiết và kết cấu ký tự, rồi phân loại và định vị trên ảnh tại dây chuyền. Nó giải quyết ba vấn đề cụ thể: tỷ lệ lọt lỗi không giảm xuống được, báo động giả nhiều tới mức khối lượng phán đoán lại lớn, và thời gian gỡ lỗi chương trình cho model mới sau khi đổi dây chuyền kéo dài. Với dây chuyền nhiều chủng loại lô nhỏ, giá trị này còn rõ hơn cả trên một dây chuyền tốc độ cao đơn lẻ.
2. Nguyên lý kỹ thuật và năng lực then chốt của kiểm tra thị giác AI là gì?
Ở mức phần cứng, hệ thống thường gồm camera công nghiệp diện tích hoặc quét dòng, ống kính viễn tâm, và nguồn sáng vòng hoặc vòm đa góc, với độ phân giải thường trong khoảng 5 đến 10 micro mét mỗi điểm ảnh tùy kích thước chi tiết nhỏ nhất và chiều rộng trường nhìn. Nhịp kiểm tra phải khớp với dây chuyền: kiểm tra trước reflow sau khi lắp đặt thường yêu cầu thời gian kiểm tra mỗi bo mạch từ vài giây đến hơn mười giây, tùy số bo trên panel và số chi tiết.
Ở mức phần mềm có hai bước: định vị chi tiết và trích xuất ROI trước, rồi phân loại khuyết tật bằng các mạng kiểu CNN. Các chỉ số năng lực then chốt gồm độ lặp lại (sai lệch vị trí qua nhiều lần chụp tại cùng một điểm), độ chính xác phân loại khuyết tật, tỷ lệ báo động giả, và thời gian lập trình khi đổi dây chuyền. Về truyền thông, hệ thống thường kết nối với băng tải dây chuyền qua giao diện SMEMA và trao đổi kết quả kiểm tra cùng số sê-ri bo mạch với MES hoặc SCADA qua TCP/IP hoặc OPC-UA để hỗ trợ truy xuất nguồn gốc. Một số giải pháp tạo chương trình kiểm tra trực tiếp từ tệp Gerber và tọa độ lắp đặt, giảm việc dạy tay.
Cần lưu ý rằng độ chính xác của kiểm tra thị giác AI chịu ảnh hưởng mạnh từ tính nhất quán chiếu sáng: nguồn sáng suy giảm và nhiễu ánh sáng môi trường đều gây trôi đầu ra mô hình, nên dây chuyền thường yêu cầu một trạm kiểm tra kín.
3. Bối cảnh ứng dụng điển hình trong sản xuất là gì?
Một nhà máy điện tử sản xuất bo mạch chủ tiêu dùng với panel 12 bo, phần lớn chi tiết 0402 và QFN, triển khai kiểm tra thị giác AI tại trạm trước reflow để bắt ba loại khuyết tật: thiếu chi tiết, lệch quá 0,15 mm và ngược cực. Kết quả được trả về MES theo thời gian thực, và bo mạch lỗi được đánh dấu trực tiếp trên băng tải. Giả sử một doanh nghiệp phụ tùng ô tô sản xuất mô-đun điều khiển ô tô với yêu cầu cao về tính nhất quán mối hàn, dùng thị giác AI với chiếu sáng đa góc tại trạm sau reflow để phán đoán hàn nguội và cầu hàn, đồng thời lưu ảnh kiểm tra của từng bo mạch theo số sê-ri để truy xuất chất lượng về sau. Một bối cảnh phổ biến khác là xác nhận chi tiết đầu tiên: sau khi đổi sản phẩm, bo mạch đầu tiên được AI kiểm tra toàn bộ nhanh, nhanh hơn kiểm tra ngoại quan thủ công và tiết kiệm thời gian so với lập trình AOI truyền thống. Điểm chung của các bối cảnh này là tổ hợp chi tiết tương đối ổn định và tính nhất quán lô đầu vào kiểm soát được.
4. Cần lưu ý gì khi lựa chọn và triển khai kiểm tra thị giác AI
Các câu hỏi thường gặp tập trung ở vài hướng. Về cấu hình phần cứng, câu hỏi nhiều nhất là ghép độ phân giải camera với trường nhìn thế nào; nguyên tắc là chi tiết nhỏ nhất nên chiếm ít nhất hơn mười điểm ảnh trong ảnh trong khi trường nhìn bao phủ chiều rộng panel, và tốt hơn là chọn độ phân giải cao hơn với trường nhìn nhỏ hơn cùng nhiều camera thay vì kéo một camera trên trường lớn. Về yêu cầu môi trường, trạm kiểm tra phải kiểm soát ánh sáng môi trường, nguồn sáng cần hiệu chuẩn định kỳ, còn nhiệt độ và độ ẩm xưởng có thể theo thực hành SMT tiêu chuẩn, nhưng phải tránh nguồn rung từ máy lắp đặt và lò reflow.
Về tích hợp, chủ đạo là SMEMA cộng TCP/IP; với tích hợp MES, hãy xác nhận phía đối tác có hỗ trợ OPC-UA hoặc giao thức riêng hay không, và chốt cách truyền số sê-ri bo mạch, qua quét mã vạch hay theo dõi vị trí trên băng tải, trước khi triển khai. Các bước triển khai thông thường là chụp ảnh mẫu, dán nhãn khuyết tật, huấn luyện mô hình, chạy thử trên dây chuyền kèm tinh chỉnh ngưỡng, và vận hành chính thức, với chu kỳ từ vài tuần đến một hai tháng tùy số loại khuyết tật và mức đầy đủ của mẫu. Cơ cấu chi phí chủ yếu là phần cứng camera, nguồn sáng và ống kính, giấy phép thuật toán, dịch vụ triển khai, và bảo trì mô hình liên tục; một mô hình không dùng được mãi sau một lần huấn luyện, và phải bổ sung mẫu cùng huấn luyện lại khi vật liệu hoặc quy trình thay đổi, nên khối lượng công việc này phải được tính trước.
Có hai ngộ nhận phổ biến: thứ nhất, cho rằng kiểm tra AI có thể vận hành hoàn toàn không người, trong khi thực tế vẫn cần một số ít nhân sự phán đoán lại để xử lý mẫu ở ranh giới; thứ hai, dùng độ chính xác trong phòng thí nghiệm làm chỉ số trên dây chuyền, trong khi nhịp dây chuyền, rung động và biến động chiếu sáng đều kéo hiệu năng thực tế xuống.
5. Quy trình nào phù hợp kiểm tra thị giác AI và bối cảnh nào không
Bối cảnh phù hợp: các trạm trước và sau reflow có tổ hợp chi tiết tương đối cố định, đầu vào đồng nhất tốt và khuyết tật chủ yếu là vấn đề ngoại quan nhìn thấy được; dây chuyền nhiều chủng loại lô nhỏ nhưng chuyển đổi thường xuyên và cần rút ngắn thời gian lập trình; và trường hợp cần truy xuất ảnh cho từng bo mạch.
Không phù hợp hoặc cần đánh giá thêm: mối hàn đáy của các gói BGA, QFN và LGA, nơi thị giác AI không nhìn được vào bên trong mối hàn và cần X-ray; bo mạch có lớp mạ phản xạ mạnh, bo mạch mềm biến dạng nhiều hoặc chênh lệch chiều cao lớn sau lắp đặt, nơi phải đánh giá độ ổn định chụp ảnh trước; trường hợp nhịp cực nhanh (cửa sổ kiểm tra một bo mạch chỉ một hai giây) và nhiều chi tiết, nơi phải kiểm tra số camera và năng lực tính toán có đủ hay không; và quy trình có biến động lô đầu vào rất lớn cùng chất lượng mẫu tốt không ổn định, nơi mô hình học kém và cần quản trị tính nhất quán mẫu trước khi nghĩ tới AI.
Nhìn vào kinh nghiệm ngành qua hàng chục năm từ thời kỳ ERP, phục vụ 1,2 triệu khách hàng, triển khai hàng chục triệu thiết bị đầu cuối và bao phủ thị trường trong và ngoài nước, bước ngoặt của kết quả kiểm tra thị giác AI thường không phải bản thân thuật toán mà là điều kiện chụp ảnh và quản lý mẫu có được chuẩn bị hay không. Đánh giá rõ hai điều này khi lựa chọn có ý nghĩa hơn là so sánh tham số thuật toán.