近期，我邀请AOI领域的3位专家回答了10个问题。这3位专家分别是MIRTEC USA公司总裁Brian D’Amico、Koh Young America公司SMT业务运营总经理兼销售总监Joel Scutchfield，以及Darwin AI公司首席运营官Arif Virani。此次深入的访谈探讨了自动检测系统在电子组装行业中的关键作用。
在技术飞速发展的时代，电子设备已经成为日常生活不可或缺的组成部分，它们为智能手机、笔记本电脑、医疗设备和汽车系统等一切提供动力。随着对电子设备的依赖增加，确保电子组件的质量和可靠性变得非常重要。
自动检测系统已经成为这个不断发展变化世界的颠覆者，提供了人工检查无法达到的精密度、速度和一致性。这些系统采用了先进的技术，如机器视觉、人工智能和机器人技术，仔细检查电子元器件和组件，以最佳精度识别缺陷和异常。
采访探讨了自动检测系统在电子组装行业中的多重重要性。3位专家介绍了它们在维护产品质量、优化生产流程、降低成本和提高整体效率方面的关键作用。此外，他们还分享了对自动检测技术最新发展的观点，以及这些创新对电子组装领域发展前景的影响。
Brian D’Amico：使用自动检测系统的主要目标是消除制造过程中的缺陷。不仅可以通过标记这些缺陷以供审查和返工来实现消除缺陷的目标，还可以使用由此产生的检查数据来实际消除缺陷最初发生的机会。
Joel Scutchfield：大多数人认为进行检测是在标准SMT生产线上的各种典型检测点 “发现缺陷”， 检测点包括印刷焊膏后、贴装后/贴装回流前、回流后、X射线，或任何特殊检测点（引脚/端子、点涂工艺、THT等）。尽管这种方法确实在质量保证方面为制造商提供了安心，并有助于确保不会发生缺陷漏检（不被客户发现），但更大的优势和价值在于使用这些检测点提供的数据来纠正和控制组装过程，从而防止缺陷出现在未来所有产品中。将其提升到新的高度，我们将检测结果数据作为AI引擎的数据，AI引擎可以自动实现对所涉及各种工艺的控制，从而使我们更接近“真正”的智能工厂，实现自我修复过程。
Arif Virani：自动检测系统旨在提高检测质量和一致性，同时降低成本。
3位是否可以介绍电子制造自动检测系统涉及的关键组成和技术？
D’Amico：自动检测系统涉及各种不同的组成和技术。大多数系统都配置了高分辨率光学和照明系统，并结合了各种形式的3D检测技术，如莫尔和激光。
Scutchfield：我会特别谈谈SPI和AOI。根据使用的是2D还是3D，SPI和AOI有多种方法（技术）。谈到3D，有两种基本方法：莫尔干涉法和激光。不幸的是，激光在应用于PCB检测领域进行SPI和AOI时有几个缺点，这也是大多数供应商在不同程度上使用莫尔方法的原因。需要注意的是，这一点很重要，因为并非所有3个维度都是相同的。从技术上讲，3D图像可以从单个莫尔投影仪生成，但该图像容易受到背面阴影的影响。因此，至少需要两台投影仪来消除“背面阴影现象”。检测系统需要使用非常精密的模式生成和数据收集子系统来收集正确类型数据（基于测量的参数结果），从多个来源收集正确数量的数据，从而获得极佳的统计相关性。
Virani：基于人工智能的检测系统有5个关键组成部分。
1.光学/照明：拍摄PCBA、元器件及缺陷的图像。
2.材料搬运：通过系统的输送带和逻辑系统移动PCBA。
3.人工智能模型：分析PCBA图像中的缺陷和附加信息。
5.工程师/质量用户界面：实现AI学习和持续改进检测性能的界面。
电子制造中有哪些不同类型的常用自动检测系统，每类系统最适合的应用范围？
D’Amico：电子制造中使用很多类型自动检测系统，包括焊膏检测(Solder Paste Inspection，简称 SPI)、自动光学检测(Automated Optical Inspection，简称AOI)、飞针检测设备和X射线检测设备。每类系统用于制造过程中的各种不同环节。SPI主要用于焊料沉积后，但也可用于检查粘合剂的沉积。AOI可以在贴装后或回流后使用，以验证PCB上每个元器件是否适当贴装及其电气连接。飞针检测设备用于在光学检查制造缺陷后检查成品PCB的电气特性。X射线检测几乎可以在制造过程的任何阶段使用，但主要用于检查底部端子器件的焊料连接。
Scutchfield：SPI系统在印刷焊膏后检测焊膏，以确认每个印刷沉积的位置及体积，并与预期值对比。AOI可根据不同偏好用于不同位置，包括用于回流焊前检测不太复杂的产品（更少的投影设备），我们希望确认所有部件都是适当的，并且它们已精确放置且极性正确。回流焊前AOI的使用数量持续快速增长，原因有很多，其中与许多EMS供应商仍在处理的元器件和人工短缺有关。对于投影设备的数量和相机的复杂性，在回流前位置使用的系统通常不那么复杂，因为在该位置执行的检测可以用这样的系统有效地完成，通常成本也较低。对于回流焊后AOI检测（AOI最常见的位置），通常使用更复杂的系统，因为需要检测焊点以及检测有关的特性，包括隐藏焊点和反射性很强的焊料。AOI还用于引脚和端子检测，且两者的数量都很高。由于电镀引脚和端子的反射性质，这些系统通常需要配置上的一些差异，通孔检测也属于这一类。在需要三防漆、底部填充或灌封检测以确认每种材料的厚度和、或体积的情况下，也可采用点胶工艺检测。
Virani：电子制造中常用的自动检测系统可分为以下几类：
A.目视检查是各种自动检测系统中最灵活、最通用的方法之一，适用于电子制造过程的不同环节，包括：
· 部件检查，如来料部件到达阶段，以检查收到的部件是否被损坏
· 贴装，检查元器件是否放置正确、是否没有丢失、是否损坏，以及元器件是否正确
· 最终组装阶段，以确保元器件没有移动、没有丢失、没有极性错误、没有损坏，焊料没有丢失、焊料没有形成桥接
· 清洗阶段，以确保元器件和焊料未被冲走、焊料未被损坏
B.无损测试，如X射线检测系统，最适合于需要查看部件下方或内部是否有损坏的情况（如BGA焊膏检测），最适合用于部件到达环节和最终检查环节。
C.功能测试和在线测试(In-Circuit Testing ，简称ICT)最适合在最终组装环节确定电路板是否满足所需结果，并对组装后的电子产品进行电气探测，以检查是否存在短路、开路和电容。
自动检测系统如何有助于改善电子制造中的质量控制和减少缺陷？
D’Amico：测试和检测的最终目的是收集可操作的数据，这些数据可用于减少缺陷并最大限度地提高生产线的效率。目标是最大限度地减少报废，有效地处理那些需要设置的工艺参数，以便首次就以正确的方式生产产品。
Scutchfield：一切都是从拥有正确的基于测量的数据开始，然后以正确的方式应用它，无论是手动的还是在可能的情况下以自动化的方式，以减少人工干预。检测系统提供的数据现在被认为是为了适当运行SMT生产线，可以收集最关键和最重要的信息。因此，这些结果必须是正确和可靠的，生产线的性能和成功取决于这些结果。
Virani：自动检测系统提供了一致且准确的鉴别缺陷的方法。这些系统尤其有助于包含数千个元器件的复杂印制电路板组件(PCBA)，因为可以比人工检测员更快地完成检测，从而缩短检测周期。
此外，更新的基于人工智能的检测系统具有成本效益，可以部署在生产过程中的多个岗位。这类系统有助于在缺陷发生时实时捕捉缺陷，从而能够及时采取纠正措施。此外，这些系统收集的端到端数据为生产过程提供了宝贵的信息，强调了改进的机会。
电子制造中与自动检测系统相关的一些常见挑战或限制是什么？如何解决这些挑战或限制？
D’Amico：向高阶微型封装的持续发展导致PCB密度和复杂性不断增加，制造过程中的每个自动化检测系统增加了更多的挑战和限制。例如，较小的分立器件，如01005和030015，以及微BGA和CSP器件，需要非常小的焊料沉积，因此增加了SPI工艺的复杂性。这些较小的器件还需要更高分辨率的光学、照明和AOI机器的3D检测能力。此外，随着PCB密度的增加，较高的器件和较低的分立元件之间的接近度降低，带来了与阴影相关的挑战。为了克服这一挑战，AOI设备必须配置多角度3D投影技术，并能够处理高达 25 mm的器件。最后，底部端接器件的使用增加了对X射线检测能力的要求，以验证适当的电气连接。好消息是，现有的检测技术可以克服每项挑战。
Scutchfield：在机械方面，闪亮和隐藏的焊点可能具有挑战性，因此必须创建系统（特殊照明和侧面摄像技术）来克服这些挑战。除此之外，对正在生成的大量3D数据的管理和处理也带来了额外的挑战。同样，我们将继续完善与此相关的一切技术，因为它仍然是个不断变化的目标，随着技术的不断发展，将产生越来越多的数据。
Virani：与自动检测系统相关的一些常见挑战包括：
· 每种新电路板类型的编程时间都很长，当电路板上的元器件发生变化时，编程时间会增加
· 不适合在制造的不同环节涵盖各种各样的检测任务（例如，许多系统不适合用于检测具有不同尺寸、外形和高度以及不同类型,如SMT、通孔、导线等已组装组件的最终组装检测）
能否介绍机器视觉和图像处理算法在电子制造自动检测系统中的作用？
D’Amico：大多数自动检测系统都使用某种形式的机器视觉技术。随着检测过程变得更加复杂，这些系统必须配置高速、高分辨率的光学、照明和3D技术，以捕捉每个关注区域的多个图像，进行数据处理。最先进的系统使用2D及3D算法组合来分析这些数据，以确定制造过程每个阶段的完整性。对于焊料沉积，SPI算法用于分析每个沉积的面积、体积、形状和偏移，以及沉积之间的桥接。AOI系统使用复杂算法组合来确定每个器件的主体和引线的长度、宽度、高度和共面性，以及每个焊点的体积测量。X射线系统提供具有专门算法的计算断层扫描(computed tomography ，简称CT)扫描，用于在多个不同角度和水平上对给定的关注区域进行详细的横截面3D分析。
左到右：AOI(来源：Darwin Al)；测试机显示图像(来源：MIRTEC)；SPI(来源：Koh Young)
Scutchfield：当涉及到能力、精度和可重复性时，机器视觉和图像处理算法可能是最重要的特征。图像采集是检测过程中的第一个重要步骤，必须适当完成，系统才能有机会提供可靠、值得信赖的结果。检测工作的成功与否取决于相机、光学分辨率、采集的图像数量以及图形创建源（数字、模拟或两者兼有）的组合。这些组合产生了数据集，以及需要处理和分析的数据集的大小。大多数情况下，数据越多，图像清晰度越好，系统可以提供的结果也越精确。但是，处理大型数据集需要更长的时间，尤其是在执行许多测试的情况下。为了完全能够满足卓越的图像采集和快速处理（事实检查周期时间），系统必须采用所有功能和能力，加上强大且优化的算法。
Virani：机器视觉，尤其是机器学习，有助于克服传统自动检测系统的局限性。通过自动化编程步骤，可以显著提高生产力，因为系统可以轻松快速学习新的PCB，并适应PCB设计和所用元器件的变化。此外，机器学习使缺陷检测更加稳健，在保持高缺陷检测率的同时降低误报率。此外，它使我们能够检测以前只有人工操作员才可能检查的对象。
标签:
#检测和检验
# AOI
