人工智能在 SMT 制造检测中的应用、进展和挑战。

近年来，电子制造业发生了深刻的变化，人工智能（AI）和机器学习迅速兴起。这些尖端技术推动了自动化、优化了质量控制，并为印刷电路板组装（PCBA）的表面贴装技术（SMT）制造提供了宝贵的数据和见解。将人工智能融入电子制造领域，标志着从传统方法向更智能、更具适应性的方法转变。另一方面，人工智能与 AOI 的融合也带来了转型机遇。在硬件、机器视觉和人工智能算法进步的推动下，SMT 行业克服了种种挑战，采用了人工智能解决方案。这些发展加强了机械结构，减少了误报。在汽车和航空航天等对可靠性要求较高的行业，人工智能解决了自动检测的不足，同时满足了生产需求并不断改进工艺。无独有偶，奈泰克的拾放设备和 X 射线设备也都采用了人工智能实时计算功能，以更好地辅助芯片元件安装的精度和速度。有趣的是，是什么让人工智能成为 SMT 制造过程中不可或缺的一部分呢？有五点值得一提。

第一点，人工智能的自动化辅助。早期，AOI 编程需要工程师根据 PCB CAD 数据手动配置数百个检测参数。这种复杂而乏味的过程对于每个新设计可能需要长达 10 个小时。人工智能编程解决方案改变了这一流程，它能在几分钟内自动生成完整的 AOI 程序，无需人工干预。这些自动编程工具通过分析 PCB 设计文件、材料清单、元件形状/尺寸，自动提出最佳检测条件。机器视觉和深度学习算法可从设计文件中快速提取关键信息，推荐适合 PCB 的检测编程。这种自动化简化了电路板之间的切换。 

第二点，AI 的可靠检测系统。AI 检测最有用的优势之一是其可靠的检测系统，可对常见缺陷和复杂的表面元件进行视觉检测。在检测 SMT 元件（如芯片、集成电路、连接器）的损坏部件时。而实际上，很难预测损坏部件的外观。通过基于人类学习的实例训练，人工智能可以学会如何识别缺陷。目前，SMD 芯片、LED、OSC、MLD、SOD、SOT23、RNET、CNET、集成电路和连接器等元件类型的准确率较高。建议咨询人工智能模型所有者，以确定哪些类型可启用此功能，从而提高验证准确性并减少操作员的工作量。

第三点，人工智能检测算法的实现。传统的 OCV/OCR 算法需要单独训练，耗费大量时间和人力配置。OCV/OCR 很容易受到字体差异和字符缺失的干扰，导致误判率很高，有时可达 10%-20% 以上。AI OCV/OCR 建立并微调了字体库，对字符准确性进行了优化。AI OCV/OCR 可以轻松检测出低对比度字符，这在传统方法中几乎是不可能的。成像中存在的低对比度缺陷和噪声给光学检测带来了挑战，例如 X 射线检测中的空洞和光学检测中表面上的粘合剂。 

第四点，在人工智能中实现智能分类功能。人工智能不仅能检测缺陷，还能根据类型、严重程度和来源对缺陷进行智能分类。通过这种分类，可以有针对性地进行根本原因分析，减少重复发生，有助于建立更强大的质量控制系统。分类的一个例子是，对于形状和尺寸各异的新部件，通常需要对检测系统进行重新编程。人工智能可解决这一难题，使检测系统无需重新编程即可对新部件进行快速训练。另一项人工智能检测应用是异物检测。 

最后，也是第五点，人工智能在 AOI 中的智能性和灵活性。人工智能的灵活性使 AOI 系统能够处理各种元件类型、颜色和电路板材料，而无需重新编程。通过对包含预期变化的代表性图像进行训练，人工智能算法可以学会区分可接受的工艺变化和真正的缺陷。这种灵活性在产品变化频繁的多品种生产环境中尤为重要。因此，通过人工智能，光学后检测维修站正变得越来越智能；这些维修站现在利用人工智能的潜力做出类似于人类的决策，减少了人工重新检测的需要，降低了运营成本，并提供了实时检测状态数据分析。

总之，人工智能在检测和智能工厂中的变革能力将带来无与伦比的效率、适应性和质量保证。它重塑了创新和自动化驱动的电子制造业的未来。人工智能的影响已超越检测领域，扩展到整个电子制造生态系统，我们期待着这个新时代的到来。