[发明专利]一种基于人工智能的PCBA质量检测方法

说明书

一种基于人工智能的PCBA质量检测方法，包括图片储存模块、标记模块；图片储存模块内存有PCBA若干故障图片，以及电路板自身包括敷铜线开路、短路等故障图片；实现方法包括如下步骤，第一步：经标记模块进行数据标注，配上与故障图片数据一比一对应的合格产品图片数据，并将分为训练集和测试集；第二步：设计出适合的人工智能深度学习类型；第三步：模型进行训练；第四步：用测试集对模型进行测试其是否正确；第五步：测试PCBA具体待检故障数据；第六步：实证模型持续优化。本发明应用的AI模型具备自适应学习能力，在保持产线扩容情况下，仍旧能够正常工作，提高了生产率，市场运用广阔。本发明检测速度快、精度高、节省了人工，提高了生产方经济效益。

技术领域

本发明涉及检测技术领域，特别是一种基于人工智能的PCBA质量检测方法。

背景技术

PCBA，即通过SMT(贴片方式)和DIP(打孔方式)安装了各种电子元器件的电路板。现有厂家实际生产中，为了保证产品质量需要对PCBA的质量进行检测，进而判断电路板自身质量是否有问题，以及安装的元器件位置是否正确等问题。目前对于PCBA的检测技术，一种是依靠人工目视检测，由于人的视角有限(比如无法有效观察到小型贴片元件之间的脱焊、极性相反等)，存在检测速度慢、准确度不高、检测效果不好的缺点，因此这种方式使用逐渐越来越少。另外一种方式是通过AOI系统(自动光学检测，是基于光学原理来对焊接生产中遇到的常见缺陷进行检测的设备)进行判断；AOI系统虽然采用光学原理，用光学透镜代替人眼，并在拍摄过程中进行图像放大，能够获得较为清晰的设备图像，但目前的AOI系统缺陷在于，判断检测点是否故障的方法、都是通过人工基于AOI系统中存储的标准数字化图像与实际检测到的图像进行对比判别，也就是说同样需要人为目视对比检测，因此也存在检测速度慢，以及漏检、准确度不高的缺点。

随着人工智能技术的发展，人工智能深度学习方法也有应用在了检测技术中。现有技术中，基于人工智能深度学习方法检测电子设备的质量，受到技术限制，只能实现对平面状态下、结构不复杂的部件质量进行检测，应用在PCB(PCB即没有安装各种电子部件的印刷电路板)质量的检测中，主要检测其外观质量，比如说检测其敷铜线是否有开路、短路等现象；由于PCB没有安装元件、处于平整状态，检测的项目少，因此现有基于人工智能深度学习方法检测PCB质量能达到检测目的。而实际情况下，PCBA上安装了大量电子元件，那么需要检测的内容就不仅限于检测平面状态的敷铜线是否有开路、短路现象，还需要对处于立体状态及高度不同的电子元件进行是否漏焊、安装不到位、焊接不牢等等项目的检测；因此，目前基于人工智能深度学习方法检测PCB的质量，无法用于PCBA的质量检测，基于人工智能深度学习方法检测PCBA质量的技术还存在空白。

发明内容

为了克服技术中，采用AOI系统检测PCBA质量中存在的缺点，以及现有基于人工智能深度学习检测PCB质量的方法，无法用于PCBA质量检测的弊端，本发明提供了能填补基于人工智能深度学习方法检测PCBA质量的技术空白，利用AOI系统获取产品图片基础上，用大量PCBA图片作为图片数据库，引入人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到PCBA等各种质量问题，能涵盖PCBA漏贴、翻贴、错贴、侧贴、多贴、锡珠、断锡、少锡、冷焊、虚焊、短路、立碑、偏移、破损、极性反、有异物、引脚起翘等主要质量检测项目，同时能检测电路板自身包括敷铜线是否有开路、短路等外观质量缺陷，并设计出合理的软件架构，使系统具备良好扩容、自适应学习能力，由此达到检测速度快、检测精度高、节省了人工、提高了生产方经济效益的一种基于人工智能的PCBA质量检测方法。

本发明解决其技术问题所采用的技术方案是：