AOI（Automated Optical Inspection縮寫）的中文全稱是自動光學(xué)檢測。通過高速高分辨率的工業(yè)成像模塊，搭載高穩(wěn)定高精度的機械結(jié)構(gòu)，對待檢物進行穩(wěn)定成像。依托智能檢測算法，對待檢物的錯、漏、反、虛焊等缺陷進行有效檢出。使用AOI可對生產(chǎn)過程中的缺陷進行有效發(fā)現(xiàn)，提升工藝品質(zhì)，為工廠降本增效。

隨著科技的發(fā)展，工廠對工藝的要求越來越高，更先進的制程不斷出現(xiàn)，AOI已經(jīng)由“選配”轉(zhuǎn)變?yōu)?ldquo;標配”。目前行業(yè)/企業(yè)使用的傳統(tǒng)型AOI普遍存在的以下兩個核心痛點：

1、操作復(fù)雜、調(diào)試時間長。波峰焊的焊點形態(tài)變化大，傳統(tǒng)算法需針對每一類焊點進行調(diào)試，大大增加了調(diào)試時間。同時，還對人員的熟練程度有要求，一旦人員流動，難以延續(xù)設(shè)備檢測效果，從而影響生產(chǎn)效率。

2、誤判高。傳統(tǒng)算法難以兼容焊點的多形態(tài)特征，誤判比較高，大大增加了操作員復(fù)判的工作量。過多的誤判，操作員容易疲勞，漏檢的風險隨之增加。

實施時間：

項目開始時間：2022年6月

項目完結(jié)時間：2022年10月

應(yīng)用場景

PCBA可以說是所有電子產(chǎn)品組件中最為重要的組成。小到生活中常用的家電、3C數(shù)碼、顯示器、鼠標鍵盤、U盤等產(chǎn)品，大到網(wǎng)絡(luò)通訊、汽車電子、軍工研究等，都少不了PCBA的運用。PCBA就類似于人體的大腦神經(jīng)網(wǎng)絡(luò)，是所有電子產(chǎn)品的核心，幾乎決定著產(chǎn)品的功能、性能、可靠性。尤其是在電子產(chǎn)品售后問題中，有80%都是PCBA出現(xiàn)的問題，PCBA質(zhì)量的重要性不容置疑。

海爾從事智能家電產(chǎn)品與智慧家庭場景解決方案的研發(fā)，產(chǎn)品種類、型號眾多。隨著家電產(chǎn)品朝著精細化、智能化、微小化趨勢發(fā)展，該家電企業(yè)的PCBA生產(chǎn)檢測難度也越來越大。想要保障PCBA的質(zhì)量，檢測手段需要進一步升級。

基于工業(yè)機器視覺的表面缺陷裝備，已經(jīng)在各工業(yè)領(lǐng)域廣泛替代人工肉眼檢測，基于傳統(tǒng)機器視覺的缺陷檢測，但仍存在一些問題和難點，通過深度學(xué)習(xí)技術(shù)的加持，為客戶提供軟硬一體的智能機器視覺方案，在表面缺陷檢測環(huán)節(jié)，幫助工廠大幅降低人力投入，提升缺陷檢測效率和產(chǎn)品品質(zhì)。

該工廠引進了數(shù)之聯(lián)基于深度學(xué)習(xí)的創(chuàng)新性設(shè)備——追光AI-AOI，意在提升檢測效率、降低人力成本。該設(shè)備適用于集成電路DIP封裝工藝，波峰焊爐后焊點面的外觀缺陷檢測，工廠無需額外開發(fā)可直接使用，可兼容多個工廠的不同產(chǎn)線。

面臨挑戰(zhàn)

圖為形態(tài)各異的焊點

如圖，焊點形態(tài)的千變?nèi)f化，使用傳統(tǒng)算法將會十分困難。不管從顏色提取、灰度計算還是模板匹配等，操作人員可能都不得不為每一類焊點制作一個OK規(guī)格，這樣就會耗費較多的調(diào)試時間。隨著例外和缺陷庫的增大，算法也會變得越來越有挑戰(zhàn)性。換句話說，到了特定的時候，工廠自動化中需要的某些應(yīng)用將無法再依靠基于規(guī)則的機器視覺。

而借助深度學(xué)習(xí)這項技術(shù)便可以達到另一種效果：生產(chǎn)線上更加一致、更加可靠且更快速地完成任務(wù)。數(shù)之聯(lián)追光系列AOI是一款基于深度學(xué)習(xí)，核心采用自研深度學(xué)習(xí)目標檢測與異常檢測框架的產(chǎn)品，其中檢出率可以達到99.99%，誤判率低于3000PPM。通過行業(yè)收集的海量缺陷圖片數(shù)據(jù)，高效訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，使得模型可自動從圖片中提取缺陷特征，有效解決傳統(tǒng)算法無法提取關(guān)鍵缺陷特征的問題。通過深度學(xué)習(xí)目標檢測模型，精準定位缺陷位置并實現(xiàn)缺陷的準確分類。

與傳統(tǒng)AOI對比，基于深度學(xué)習(xí)的AOI將之前1-2小時的調(diào)試時間縮短為30分鐘以內(nèi)。同時，檢出率可以達到99.95%，誤判率低于0.3%。

與同類解決方案對比，追光系列AOI搭載著數(shù)之聯(lián)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，該模型是數(shù)之聯(lián)集合了在泛半導(dǎo)體行業(yè)多個成功落地經(jīng)驗及海量缺陷數(shù)據(jù)，訓(xùn)練出的可兼容焊點形態(tài)變化、高泛化模型，能切實解決傳統(tǒng)AOI在編程/調(diào)試時間過長、誤判過高、因人而異的操作結(jié)果等核心痛點。切實為企業(yè)降低成本上百萬，可節(jié)約30%-80%質(zhì)檢人力。極大縮減檢測時間，提升生產(chǎn)效率。

數(shù)據(jù)支持

工廠上線數(shù)之聯(lián)追光AI-AOI后，最明顯的改變即是效率的提升和人力成本的降低。

該設(shè)備集合了泛半導(dǎo)體行業(yè)多個成功落地經(jīng)驗及海量PCBA缺陷數(shù)據(jù)，通過AI模型，可自動從圖片中提取缺陷特征，一個檢測框即可覆蓋各類缺陷的檢測，大幅縮短編程時間。以往2小時才能完成編程，1個工程師只能管理2條產(chǎn)線，現(xiàn)在編程時間降低至10-30分鐘，1個工程師可管理5條產(chǎn)線，大幅提升了管理效率。

通過數(shù)之聯(lián)深度學(xué)習(xí)目標檢測模型，追光AI-AOI能精準定位缺陷位置并實現(xiàn)缺陷的精確分類。目前已幫助該工廠實現(xiàn)缺陷漏檢率低于0.01%、誤判率（按點數(shù)）低于0.3%，減少大量人工復(fù)判工作。因此工廠將維修與復(fù)判工位合并，每條產(chǎn)線至少可減少1名操作員。

應(yīng)用技術(shù)與實施過程

該案例中，工廠在生產(chǎn)過程中外觀缺陷檢測環(huán)節(jié)，導(dǎo)入數(shù)之聯(lián)追光AI-AOI，智能提取產(chǎn)品缺陷特征，有效提升工廠工藝品質(zhì)。

使用場景：集成電路DIP封裝工藝，波峰焊爐后焊點面的外觀缺陷檢測。

一、系統(tǒng)架構(gòu)圖

圖1：系統(tǒng)架構(gòu)圖

二、系統(tǒng)流程

1、硬件定位后，采集；

2、采集全部FOV ；

3、將全部FOV拼接一張整圖 ；

4、通過MARK點調(diào)整整板的距離與角度偏移 ；

5、將整板調(diào)整后，通過CAD 信息，標注檢測區(qū)域 ；

6、針對檢測與訓(xùn)練檢測區(qū)域。

圖2：系統(tǒng)流程圖

三、核心技術(shù)

核心利用自研深度學(xué)習(xí)技術(shù)，構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)模型，通過end2end方式讓機器學(xué)習(xí)到不良圖像中缺陷因素之間的深層邏輯關(guān)系、局部與局部、局部與整體的關(guān)聯(lián)關(guān)系，實現(xiàn)缺陷的檢測識別、分類。借助深度學(xué)習(xí)使生產(chǎn)線上更加一致、更加可靠且更快速地完成任務(wù)。

圖3：核心技術(shù)

四、實施過程

為了降低產(chǎn)品換線時間、降低誤判率，海爾引入了數(shù)之聯(lián)追光AI-AOI。這是一款基于深度學(xué)習(xí)的創(chuàng)新性設(shè)備，核心采用自研深度學(xué)習(xí)目標檢測與異常檢測框架，缺陷檢出率可達99.99%，誤判率低于0.3%。

針對傳統(tǒng)AOI操作復(fù)雜，調(diào)試時間長，數(shù)之聯(lián)追光AI-AOI采用AI算法解決了設(shè)備換型時重新注冊編程時間長的問題，僅需10分鐘即可完成新品制作。該設(shè)備搭載AI模型，在新品制作時，只需輸入板子長寬，設(shè)備自動調(diào)節(jié)軌道開始制作，拍照完成后可以將全部FOV合成整板圖像，自動識別焊點位置，進行智能元件分組，工程師僅需極少輸入便可完成編程制作。

圖4：系統(tǒng)截圖

針對誤判高、復(fù)判多問題，該設(shè)備通過缺陷數(shù)據(jù)庫對圖像數(shù)據(jù)進行預(yù)處理，基于行業(yè)領(lǐng)先的AI算法，實現(xiàn)了缺陷的智能識別、檢測、分類，解決傳統(tǒng)算法僅OK/NG粗分類問題，僅需極少人工復(fù)判。

圖5：系統(tǒng)截圖

值得一提的是，通過實地調(diào)研客戶產(chǎn)線環(huán)境，數(shù)之聯(lián)還縮小了設(shè)備尺寸，幫助客戶節(jié)省廠房空間。并且該設(shè)備適用于50mm*50mm～510mm*510mm的板子，在同規(guī)格系列產(chǎn)品中，能處理全行業(yè)最大的PCB板。自主研發(fā)的三段式運動模組，可高效運作，減少進板等待時間，采用設(shè)備的“飛拍”模式，拍照速度可達0.1s/FOV，幫助客戶加快生產(chǎn)節(jié)拍。

得益于數(shù)之聯(lián)強大的缺陷數(shù)據(jù)庫，該設(shè)備算法模型能夠快速更新，可以輕松應(yīng)對各個廠家、不同型號產(chǎn)品的缺陷。并且數(shù)之聯(lián)自研深度學(xué)習(xí)訓(xùn)練平臺，可定期收集產(chǎn)線生產(chǎn)數(shù)據(jù)，使AI模型不斷增量學(xué)習(xí)，讓設(shè)備始終保持高檢出、低誤判，保障工廠持續(xù)正常生產(chǎn)。

此外，通過導(dǎo)入追光AI-AOI，工程師能進一步利用AOI機臺數(shù)據(jù)發(fā)揮效用，在此基礎(chǔ)上可擴展不良根因分析、過程品質(zhì)分析等后續(xù)應(yīng)用，打造閉環(huán)數(shù)據(jù)體系，助力工廠可持續(xù)化提升工藝品質(zhì)。

商業(yè)變化

原有傳統(tǒng)AOI誤判較高，需要大量人工復(fù)判，并且設(shè)備操作復(fù)雜、新產(chǎn)品換線時間長，工廠導(dǎo)入數(shù)之聯(lián)追光AI-AOI后，漏檢率低于0.01%，誤判率低于0.3%（按點數(shù)），新產(chǎn)品程序制作時間由1-2小時縮減到10-30分鐘，大大提高了質(zhì)檢效率。

導(dǎo)入數(shù)之聯(lián)追光AI-AOI后，工程師操作更簡單，可實現(xiàn)快速編程，提升工程師管理產(chǎn)線效率，原來1名工程師只能管理2條產(chǎn)線，現(xiàn)在可以管理5條產(chǎn)線，而且誤判率降低后，可將產(chǎn)線上維修工位與復(fù)判工位合并，每條產(chǎn)線上可至少減少1名操作員，平臺降低企業(yè)近80%的產(chǎn)品缺陷檢測人力成本，為客戶帶來間接經(jīng)濟效益數(shù)億元。

該設(shè)備響應(yīng)智能制造2025，助力工廠提升整體智能生產(chǎn)水平，實現(xiàn)了工業(yè)產(chǎn)品的缺陷檢測，提高工業(yè)企業(yè)生產(chǎn)效率，為工業(yè)制造企業(yè)制定戰(zhàn)略規(guī)劃和實現(xiàn)業(yè)務(wù)目標提供強大數(shù)據(jù)決策支撐。具體包括：平臺極大縮短產(chǎn)品缺陷檢測與分類時間，提升質(zhì)檢效率；提高產(chǎn)品缺陷檢測準確率，快速找出不良原因，有助于優(yōu)化企業(yè)生產(chǎn)線工藝流程，提升企業(yè)產(chǎn)能。

相關(guān)企業(yè)介紹

·數(shù)之聯(lián)

成都數(shù)之聯(lián)科技股份有限公司是一家以計算機視覺技術(shù)、多維數(shù)據(jù)分析挖掘技術(shù)和自然語言處理技術(shù)為核心的大數(shù)據(jù)與人工智能產(chǎn)品及解決方案服務(wù)商。公司聚焦“智能制造、智慧城市”兩大領(lǐng)域，依托“一體化云原生數(shù)智服務(wù)平臺”，為政府、企業(yè)和國防單位提供數(shù)據(jù)治理、數(shù)據(jù)可視化分析、數(shù)據(jù)挖掘等面向平臺和場景的數(shù)智化技術(shù)服務(wù)，助力客戶實現(xiàn)降本、增效、提質(zhì)。

·海爾集團

海爾集團是全球領(lǐng)先的美好生活和數(shù)字化轉(zhuǎn)型解決方案服務(wù)商，致力于以科技創(chuàng)新為全球用戶定制個性化智慧生活，助推企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型，助力經(jīng)濟社會高質(zhì)量發(fā)展、可持續(xù)發(fā)展。

來源：數(shù)據(jù)猿