ITRI
活动+

PCB产业智能检测需求发酵 AOI辨识藉AI优化成趋势

  • 廖家宜
AOI设备利用AI辅助提高辨识正确率,已逐渐成为PCB产业检测手法。RTI

自动光学检测(Automatic Optical Inspection;AOI ) 是以非接触的方式,运用机器视觉技术撷取影像进行分析,进而判断半成品是否存在瑕疵,为业界广泛应用的检测手法。

由于部分产业如印刷电路板(PCB)在极高良率的要求下,AOI设备容易因敏感而出现过筛现象,因此产业在需要更智能化的检测系统条件下,开始应用AI技术来辅助AOI设备进行后续筛检的优化。

AOI设备可部署于生产线的节点中间来检查半成品,同时不影响产能,因此成为制程中比重甚高的必要投资。根据市场调查,目前AOI检测应用最广泛的两个领域分别为PCB和面板显示产业,两者的占比分别为64%和15%。

以应用最广泛的PCB产业为例,AOI检测系统流程主要系先利用光学仪器对待检测的PCB板进行扫描获取图象,然后系统对数据库中的合格参数进行比对,经过计算机影像处理技术检查出PCB上是否存在缺陷,可检测的缺陷种类包括短路、多铜及少铜、断路、缺口、毛刺、铜渣、缺件、偏斜等。

但业界指出,目前AOI检测会面临过度筛检的现象。造成此现象的原因一来是因PCB产业有高良率的要求,因此在AOI的参数上设定非常严格。二来则是因光学原理容易使AOI因光影干扰而敏感,因此只要有些微外在光影的影响,设备便会自动判读为缺陷品。

经业界统计,当PCB产业使用AOI设备进行检测时,过筛的机率高达70%,即NG产品中其实有70%的成品是合格的。因此目前产业的作法是采取人工进行第二次筛选,将实际合格的PCB板再度送回产线,估一台AOI检测机常需配置4名人员进行再筛。

为降低不必要的人力消耗并加快产线检测速度,目前PCB产业正尝试导入AI辨识模块,利用视觉辨识技术辅助AOI检测的后续优化,以提高检测设备的辨识正确率。PCB业者预估导入AI视觉辨识后,将可有效降低过筛机率至25%。而AOI检测与AI辨识的差异,在于是否可针对未知瑕疵进行识别。

智能机械推动办公室副主任王维汉解释,AOI设备的检测原理系只能以设定好的参数标准为基准进行判断,也就是逻辑性的思考,业者须先定义瑕疵的样本,AOI再透过样本进行筛检。而AI则是在经由训练成熟后自行定义瑕疵范围,可进一步有效判别未知的瑕疵成像。

AI既可弥补AOI之缺失,但是否因此取代AOI设备的地位?王维汉对此则认为,两者的作用实际上是相辅相成。

初期AI的作用可作为AOI设备的辅助,因AI要达到极高的准确率必须先经由大量数据的训练与优化,而AOI设备所搜集的瑕疵成像恰可做为AI模块的前期训练,因此AI若初期就完全取代AOI设备,实际上在缺少数据训练的情形下,较难以达到准确的判断率。

王维汉建议业者将AI导入检测流程不可抱持一步到位想法,而是采取渐进式手段进行,在AI模块训练成熟后再行评估。以PCB产业的目前的做法为例,即是以AOI作为第一道检测手续,而AI则是取代后续的人工检测部分,藉由智能检测系统可加速生产线速度,并节省部分人力。

目前AOI设备利用AI辅助提高辨识正确率已逐渐成为一种新兴手法。从市场面来看则是以PCB产业发展较快,而水五金产业可能也为另一潜在市场。

由于水五金产品因具多重曲面特性,在检测上仍须仰赖大量人力,因此仍存在误差及精准度不足的问题,需藉由智能检测系统辅助。因金属零件容易反光,加上多重曲面立体呈现,使得影像捕捉难度高,对于自动化检测技术来说势必是其必须要克服的一大考验。