Yapay zeka ile PCB ve elektronik muayenesi: lehim, eksik komponent ve yönelim.

Çoğu görü problemi bir kusuru fark etmekle ilgilidir. Yoğun bir elektronik hattında daha zor problem önce gelir: kart karışımı, herhangi bir sabit programın yetişebileceğinden daha hızlı değişir. Her hatayı tarif etmek yerine hatasız bir kartı öğrenmenin karşılığını vermeye başladığı yer tam da burasıdır.

Yüksek karışımlı PCB dizgisi sabit bir AOI programını neden aşar?

Kural tabanlı otomatik optik muayene (AOI) kart kart programlanır. Bir mühendis her komponentin nerede oturduğunu, hatasız bir lehim noktasının neye benzediğini ve her özellik için toleransı tanımlar, ardından yanlış redler oturana kadar programı ayarlar. Kararlı, yüksek hacimli bir kartta bu karşılığını verir. Sorun, bir hattın kısa serilerde çok sayıda kart tipi çalıştırdığı ve son program daha ayarlanmadan yeni bir revizyonun geldiği yüksek karışımlı, küçük partili üretimle başlar. Her yeni kart bir programlama işi daha demektir ve kimsenin öngörmediği bir hatayı yakalayacak kural yoktur.

Yapay zeka anomali tespitinin doldurduğu boşluk budur. Özellik başına bir kural yerine model, hatasız bir kartın neye benzediğini örneklerden öğrenir ve sapan her şeyi işaretler; böylece hiçbir kuralın yazılmadığı, ilk kez görülen hataları yakalar. Adente Vision, Aden Group bünyesindeki ADENTE Advanced Engineering Technologies tarafından geliştirilen ve otomasyon sistem entegratörleri üzerinden satılan bir edge-AI görsel muayene ünitesidir; anomali tespiti, hat üzerinde çalıştırdığı beş muayene modundan biridir. İki yaklaşım tamamlayıcı kalır: AOI'yi iyi yaptığı bilinen, ölçülebilir kontroller için koruyun; yüksek karışımlı kartlar ve sabit bir programdan kaçan nadir hatalar için anomali tespitini ekleyin.

Yapay zeka anomali tespiti, hiç programlanmadığı bir lehim hatasını nasıl yakalar?

Anomali tespiti, bir parçayı adlandırılmış kusurlardan oluşan bir katalogla eşleştirmek yerine hatasızdan ne kadar saptığını puanlar; bu, MVTec Anomaly Detection veri seti gibi kamuya açık veri kümelerinde kıyaslanan bir görevdir. Model, hatasız örneklerden doğru bir kartın resmini kurar, sonra her yeni kartı sapmaya göre derecelendirir. Bir lehim köprüsü, yetersiz veya soğuk bir lehim noktası, tombstoning, kaymış bir parça: her biri, o hata ilk kez görünse bile, öğrenilen normalden bir ayrılış olarak okunur ve anomali eşiğini aşar. Model yalnızca hatasız parçalarla eğitildiği için başlamak üzere yaklaşık 20 hatasız referans kart yeterlidir ve eğitim 48 saatin altında tamamlanır; bu da yeni bir revizyonu, aylarca süren bir veri toplama projesi yerine iki günlük bir işe dönüştürür. Hangi 20 kartı seçtiğiniz, sayıyı artırmaktan daha önemlidir; bu kadar küçük bir kümede veri kalitesi veri miktarını yener ve kötü aydınlatılmış ya da sessizce kusurlu tek bir kart öğrenilen normali kaydırır.

Hız konusunda bir dürüstlük notu: ölçülen saha sonucu parça başına yaklaşık 30 ms, katalog sınırı ise dakikada 100+ parçada parça başına 0,5 s'dir. Bunları bir taahhüt değil, bir üst sınır olarak ele alın. Belirli bir kart ve aydınlatma düzeni için taahhüt edebileceğiniz rakam, kendi hattınızda uygulamaya özgü bir ölçüm gerektirir. Bir avuç hatasız karttan bir parçayı öğrenmenin arkasındaki tüm yöntem için yapay zeka görsel muayene rehberine bakın.

Eksik komponentleri ve yanlış yönelimi yalnızca hatasız kartlardan doğrulayabilir mi?

Varlık, yokluk ve yönelim, ünitenin doğru kartlardan öğrendiği tanıma kontrolleridir; dolayısıyla her yanlış dizginin kataloğuna ihtiyaç duymaz. Tam dizilmiş, doğru yönlendirilmiş bir kartın neye benzediğini öğrenir; ardından eksik bir konektörü, olmayan bir kondansatörü, döndürülmüş veya ters takılmış bir parçayı, üzerine hareket edebileceğiniz parça başına bir güven değeriyle sapma olarak işaretler. Eşiğin üzerinde kart geçer; altında ise bir sınıfa zorlanmak yerine ikinci bir bakış için güvenli varsayılana yönlendirilir; böylece şüpheli bir kart, reflow'a veya son teste ulaşmadan ayrılır. Bir avuç hatasız parçadan few-shot eğitimin nasıl çalıştığı için bir parçayı yalnızca 20 görüntüyle nasıl muayene edersiniz yazısına bakın.

Kural tabanlı AOI ve yapay zeka anomali tespiti nerede kazanır?

Bir elektronik hattında iki yaklaşımdan hiçbiri diğerinin yerini almaz. Kural tabanlı AOI, kararlı ve tanımlanmış kontroller için daha hızlı, daha tekrarlanabilir seçimdir; yapay zeka anomali tespiti, yüksek karışımlı kartları ve sabit bir programın tarif edemediği bilinmeyen hataları kapsar. Aşağıdaki tablo, her birinin yerini nerede hak ettiğini ortaya koyar.

Pratikte bir tesis, yapay zeka aşamasını mevcut bir AOI istasyonuna kademeli olarak ekler; çalışan bir hattı değiştirmek yerine zaten güvendiği deterministik kontrolleri korur ve üzerine öğrenilmiş korumayı katmanlar.

Parlak lehim hangi optiği ve aydınlatmayı ister?

Lehim speküler bir yüzeydir; dolayısıyla görüntü, modelden çok aydınlatma geometrisine bağlıdır. Yanlış ışık altında parlak, ayna gibi bir lehim noktası ya kamaşmaya boğulur ya da bir boşluğu gizler ve kameranın hiç yakalamadığı detayı hiçbir eğitim geri getirmez. Ünite, global deklanşörlü ve C-mount lensli, 12 MP'ye kadar bir kamera taşır; böylece hareket eden bir kart bulanıklık olmadan dondurulur ve küçük özellikler çözülebilir kalır. Aydınlatma, 24 V'ta difüz, yönlü ve koaksiyel geometriler arasında renk ve açı olarak yapılandırılabilir: koaksiyel ışık düz, speküler lehime ve pedlere uyar; yönlü, alçak açılı ışık çizikleri ve kalkmış bacakları öne çıkarır; difüz ışık mat ve kavisli yüzeyleri dengeler. Cihaz üzerindeki önizleme, Aim adımında bir kişinin ışığı ve kadrajı hat üzerinde ayarlamasına izin verir; böylece aydınlatma bir tezgahta değil, kartın gerçekten aktığı yerde ayarlanır.

AV-S100 bir elektronik hattına nasıl bağlanır?

AV-S100, kuru bir elektronik dizgi veya ambalaj hücresi için standart endüstriyel ünitedir (IP54, 0–45 °C) ve ayrı bir PC veya bulut bağımlılığı olmadan yerine oturur. Geçti/kaldı ve kodlu sonuçları, konuştuğu beş endüstriyel protokol (PROFINET, EtherNet/IP, Modbus TCP, EtherCAT veya OPC UA) üzerinden taşır; dijital sinyaller ve red aktüasyonu için 24 V'ta 4 giriş ve 4 çıkışı vardır. Çıkarım, muhafazanın içindeki fansız Jetson sınıfı bir kartta (8–16 GB) çalışır; hücreye toz çeken bir fan olmadan hat hızında parça başına karar vermeyi mümkün kılan da budur.

Ünite 9 kg'ın altındadır ve bir kişi tarafından yaklaşık 30 dakikada monte edilir. Her kart görüntüsü ünite üzerinde işlenir; bu nedenle fason bir üretici için hassas müşteri fikri mülkiyeti olan ham görüntüler hattan hiç çıkmaz. AV-S100'ün gerçek sistem donanımı içinde nereye oturduğunu görün veya zaten çalıştırdığınız AOI'nin yanına yapay zeka muayenesini ekleyin.