利用AI缺陷檢測系統(tǒng)提高PCB質量

傳統(tǒng)的PCB制造商通常使用基于規(guī)則的機器視覺算法進行缺陷檢測，而由于PCB上大約有2-3個電氣元件對比度低，無法從3D攝像頭捕獲的數據中準確識別，每個PCB在自動目視檢查后仍需要技術高超的檢查員進行復檢。結果發(fā)現，AOI篩選的漏判率達70-80%。

客戶目標

我們的客戶是一家知名的PCB制造商，在中國和日本擁有三個大型制造中心，該客戶計劃利用AI技術提高其雙列直插式封裝（DIP）和SMT生產線的成品率。

項目挑戰(zhàn)

為提高成品率，客戶決定采用深度學習CNN，取代現有的基于規(guī)則的 AOI方法。平均而言，AI計劃從原型階段到投入生產需要7.3個月。基于AI的端到端缺陷檢測解決方案需要可靠、強大的AI系統(tǒng)，同時要求其高精度多缺陷檢測軟件配備AI算法。此外，由于客戶尋求持續(xù)的精度改進，因此需要在生產線上進行AI模型再訓練。

研華解決方案

研華科技提供AI+AOI服務，可配合研華AIR-030 AGX OrinAI系統(tǒng)（用于推理）、強大的AIR-520 4UAI工作站完美運行。該工作站通過了NVIDIA認證，配有2個RTX A5000（用于邊緣再訓練）。研華AIR-030由NVIDIA AGX Orin提供支持，其高計算能力可支持執(zhí)行視覺和推理任務，包括圖像增強、缺陷識別和實時檢測等。緊湊的AI 系統(tǒng)配備豐富的I/O接口，包括用于運動控制和傳感器的CANBUS和COM，用于CCD攝像機的PoE擴展，以及用于數據傳輸的LAN。我們將所捕獲的3D圖像發(fā)送到AIR-030進行推理，AIR-520則安裝在生產線上進行AI模型再訓練。

系統(tǒng)架構圖

現場復雜的實時AI訓練在AIR-520上實現，通過其AMD EPYC 7000 Zen3處理器和兩張NVIDIA RTX顯卡在本地執(zhí)行。研華AIR-520支持高達45TB的存儲空間，因此所有用于AI模型訓練的圖像數據都可以存儲在本地，以確保機密數據安全無虞。它還提供2個10GbE和2個2.5 GbE，用于海量數據傳輸。最后，內置1200W電源也便于進行設備集成在AIR-030和AIR-520上運行的精確AI模型。

在研發(fā)的早期階段，從生產線收集AOI數據，并利用生成式對抗網絡（GAN）框架來接近生成式AI，所生成額外缺陷圖像用于訓練。通過這種方法，實現了具有卓越性能的基礎模型的構建。研華還提供了針對特定生產線的定制微調模型，因地制宜地解決問題。與其它使用通用模型的AOI AI解決方案相比，定制模型更能滿足客戶需求。

隨著AI模型的運行，數據被選擇性地用于通過MLOps 重新訓練模型，并隨時間推移優(yōu)化其性能。這一過程大大提高了模型識別產品缺陷的準確性。在實施研華 AI+AOI服務后，一次通過率（FPY）從74%提高到99%，復檢操作員工作量減少了96%。逃逸率可以降低到＜100 ppm，從而顯著降低遺漏缺陷的風險。

方案優(yōu)勢

◆ 強大邊緣推理系統(tǒng)，定制特定I/O；

◆ 邊緣AI工作站：BMC服務器級可管理性、機器學習用雙顯卡；

◆ 與ISV合作伙伴共同加速應用部署。

項目成果

◆ 降低漏判率達99%；

◆ 減少人工復檢工作量達92%；

◆ 提高成品率達95%。