4000900632 309181818@qq.com 周一至周六 08:30-18:00
知识中心
词条目录

AI视觉识别在电子制造中的应用

AI视觉识别在电子制造中主要解决三件事:替人眼做高速全检、把检测结果变成可追溯的数据、把事后抽检变成在线全检。它通常部署在SMT贴片后、焊点检测、组装外观检、字符与条码读取等工序,用工业相机加算法模型对缺陷做定位、分类和判定,再通过OPC-UA或MES接口把结果回传产线控制系统。

一、AI视觉识别在电子制造里到底解决什么问题

电子制造的传统质检靠人眼加放大镜,问题很具体:0402、0201这类小尺寸元件人眼容易漏判,长时间盯线后判定标准会漂移,缺陷数据留在纸质记录里无法回溯。AI视觉识别解决的第一个问题是检出率与一致性——模型对同一类缺陷的判定标准固定,不受疲劳和班次影响。第二个问题是节拍匹配,电子产线贴片机动辄每秒数万点,视觉系统必须在毫秒级完成取像、推理、判定、输出IO信号。第三个问题是数据闭环,每次判定都带图像、时间戳、工位号、批次号,能对接MES做SPC分析和批次追溯。简单说,它把质检从"人看"变成"系统判+数据存"。

二、技术原理与关键能力看哪些参数

一套典型的AI视觉检测系统由工业相机、镜头、光源、图像采集卡、推理单元和通信模块组成。核心能力看几个硬指标:分辨率决定最小可检缺陷尺寸,检测01005元件或0.3mm间距焊点通常需要500万像素以上相机配合远心镜头;检测节拍要与产线CT匹配,SMT炉后检常见要求单帧推理在50到200毫秒内完成;定位精度用像素当量衡量,精密组装件常做到0.01mm每像素级别。算法层面分两类,传统视觉做定位、测量、有无判断,深度学习做缺陷分类和复杂背景下的字符识别,实际产线多是两者串联。通信侧普遍支持OPC-UA、Modbus TCP、Profinet等协议对接PLC和MES,判定结果以OK/NG信号加缺陷代码输出。光源选型常被低估,焊点检测多用同轴光或环形光,连接器引脚检测用低角度光,光源方案不对,再好的模型也拿不到稳定图像。

三、电子制造里哪些工序已经在用

假设一家做消费电子主板的工厂,AI视觉识别通常落在四个位置。其一是SMT贴片后的炉前/炉后检,查缺件、偏移、立碑、极性反、锡珠,这类工序节拍快、缺陷类型固定,适合深度学习分类模型。其二是焊点质量检测,针对虚焊、连锡、少锡做判定,常配合IPC-A-610的验收等级设定判定阈值。其三是组装段的外观与装配确认,比如屏蔽罩是否压到位、螺丝是否漏打、FPC连接器是否插到底,这类场景来料一致性较好,视觉方案成熟度较高。其四是字符与条码读取,包括芯片丝印OCR、二维码DPM读取,用于防混料和追溯。再看假设一家汽配电子企业,做ECU控制板,视觉检测更多用在连接器pin针共面度、密封胶涂覆连续性、外壳卡扣装配到位判断上,这类场景对测量精度要求高于分类精度,往往传统视觉加激光轮廓配合使用。业界从ERP时代起深耕数十年,服务120万客户,累计部署终端数千万台,覆盖国内外市场,这类制造信息化经验说明一点:视觉检测不是孤立设备,它要和产线控制系统、质量管理系统打通才有长期价值。

四、选型与实施要盯住哪几个高频问题

第一个追问是硬件怎么配。先定缺陷最小尺寸和视场,再反推相机分辨率和镜头焦距,别先买相机再凑方案。光源要做打光测试,拿真实不良品验证成像对比度。第二个追问是集成对接方式。确认视觉系统能否通过OPC-UA或TCP/IP把判定结果、缺陷图像、统计值传给MES或SCADA,NG图像是否自动存档,存多久,这直接影响追溯能力。第三个追问是实施周期。单工位标准检测通常数周内可完成成像调试与模型训练,但涉及多型号共线、换型频繁的产线,模型切换和配方管理会拉长周期,需要预留样本采集和标注时间。第四个追问是常见误区。不少人以为上了深度学习就不需要管光源和机械结构,实际产线振动、来料批次差异、环境光干扰都会让模型漂移,机械定位和遮光设计仍是基础。第五个追问是成本构成。主要花在相机镜头光源、算力单元、算法授权与调试服务上,多工位复制时边际成本会下降,但每个新缺陷类型仍需样本投入。选型时建议用自己产线的真实不良样本做POC验证,看漏检率和过杀率,而不是只看厂商演示。

五、适合哪些工序,不适合哪些场景

AI视觉识别适合节拍稳定、来料一致性较好、缺陷有明确外观特征的工序,比如SMT炉后检、字符OCR、装配到位确认、条码读取。它也适合需要数据追溯、要对接MES做质量分析的场景。不适合的情况同样要讲清楚:强反光、高变形的表面,比如某些抛光金属件或柔性材质的褶皱区域,成像稳定性需要额外评估;缺陷样本极少、不良率极低且缺陷形态不固定的工序,模型训练数据不足,短期内难以保证检出率;还有一类是检测节拍要求极快且缺陷判定依赖触感或内部结构的场景,视觉只能做外观层面的判断,不能替代电测或X-ray。上系统前建议先做小批样本验证,把成像、节拍、判定标准三件事跑通,再谈产线复制。

所属分类: AI视觉行为识别百科