AI机器视觉在PCB板缺陷检测技术中的应用

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。

生产线的传统检测

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。

AI机器视觉检测大势所趋

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。

识别分类检测

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。

钻孔编码检测

钻孔记号根据编码规则进行解码。

焊盘外观检测

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。

字符读取检测

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。

外观检测

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。

机器视觉技术在PCB检测上的应用

PCB检测方案主要分为2D与3D两类。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。

2D检测

以电路板元器件检测案例为例：

产品检测

要求：

1、检测电容是否漏装，正负极是否贴反。

2、检测连接器是否漏装，正反是否装反。

检测原理

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。

检测结果

合格产品检测的结果

➤一个电容装反后检测的结果

➤漏装一个电容后的检测结果

3D检测

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；

案例一：纽扣电池安装到位检测

图左：电池安装到位状态，图右：电池未安装到位状态

图左：电池安装到位状态，图右：电池未安装到位状态

案例二：电阻漏装检测

图左：电阻正常焊接状态，图右：电阻漏焊状态

图左：电阻正常焊接状态，图右：电阻漏焊状态

案例三：电阻撞歪检测

图左：电阻正常安装状态，图右：电阻安装撞歪状态

图左：电阻正常安装状态，图右：电阻撞歪状态

审核编辑：郭婷