利用AI缺陷检测系统提高PCB质量
传统的PCB制造商通常使用基于规则的机器视觉算法进行缺陷检测，而由于PCB上大约有2-3个电气元件对比度低，无法从3D摄像头捕获的数据中准确识别，每个PCB在自动目视检查后仍需要技术高超的检查员进行复检。结果发现，AOI筛选的漏判率达70-80%。
客户目标
我们的客户是一家知名的PCB制造商，在中国和日本拥有三个大型制造中心，该客户计划利用AI技术提高其双列直插式封装（DIP）和SMT生产线的成品率。
项目挑战
为提高成品率，客户决定采用深度学习CNN，取代现有的基于规则的 AOI方法。平均而言，AI计划从原型阶段到投入生产需要7.3个月。基于AI的端到端缺陷检测解决方案需要可靠、强大的AI系统，同时要求其高精度多缺陷检测软件配备AI算法。此外，由于客户寻求持续的精度改进，因此需要在生产线上进行AI模型再训练。
研华解决方案
研华科技提供AI+AOI服务，可配合研华AIR-030 AGX OrinAI系统（用于推理）、强大的AIR-520 4UAI工作站完美运行。该工作站通过了NVIDIA认证，配有2个RTX A5000（用于边缘再训练）。研华AIR-030由NVIDIA AGX Orin提供支持，其高计算能力可支持执行视觉和推理任务，包括图像增强、缺陷识别和实时检测等。紧凑的AI 系统配备丰富的I/O接口，包括用于运动控制和传感器的CANBUS和COM，用于CCD摄像机的PoE扩展，以及用于数据传输的LAN。我们将所捕获的3D图像发送到AIR-030进行推理，AIR-520则安装在生产线上进行AI模型再训练。
系统架构图
现场复杂的实时AI训练在AIR-520上实现，通过其AMD EPYC 7000 Zen3处理器和两张NVIDIA RTX显卡在本地执行。研华AIR-520支持高达45TB的存储空间，因此所有用于AI模型训练的图像数据都可以存储在本地，以确保机密数据安全无虞。它还提供2个10GbE和2个2.5 GbE，用于海量数据传输。最后，内置1200W电源也便于进行设备集成在AIR-030和AIR-520上运行的精确AI模型。
在研发的早期阶段，从生产线收集AOI数据，并利用生成式对抗网络（GAN）框架来接近生成式AI，所生成额外缺陷图像用于训练。通过这种方法，实现了具有卓越性能的基础模型的构建。研华还提供了针对特定生产线的定制微调模型，因地制宜地解决问题。与其它使用通用模型的AOI AI解决方案相比，定制模型更能满足客户需求。
随着AI模型的运行，数据被选择性地用于通过MLOps 重新训练模型，并随时间推移优化其性能。这一过程大大提高了模型识别产品缺陷的准确性。在实施研华 AI+AOI服务后，一次通过率（FPY）从74%提高到99%，复检操作员工作量减少了96%。逃逸率可以降低到＜100 ppm，从而显著降低遗漏缺陷的风险。
方案优势
◆ 强大边缘推理系统，定制特定I/O；
◆ 边缘AI工作站：BMC服务器级可管理性、机器学习用双显卡；
◆ 与ISV合作伙伴共同加速应用部署。
项目成果
◆ 降低漏判率达99%；
◆ 减少人工复检工作量达92%；
◆ 提高成品率达95%。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码