← 回首頁旗艦案例總覽
FLAGSHIP CASE #01
AI PCB 瑕疵檢測與焊點偏移量測系統 (YOLO Segmentation + OpenCV)
傳統工業 AOI 依賴幾何樣板比對，當面對 PCB 電路板焊錫反光、錫珠微小裂痕或導線顏色些微差異時，誤報率往往高達 25% 以上。鳳凰程式工坊打造端到端 AI PCB 視覺系統：從工業相機採集、YOLOv8-Seg 像素級分割、OpenCV 幾何中心偏移量測，到 C# 產線介面與 CSV/SQL 報表自動生成，將漏檢率降至 0%，檢測時間縮短至 12 毫秒！
端到端工業視覺系統工作流程 (Pipeline Architecture)
01
工業相機取像
使用 Basler / Daheng 工業相機，透過同軸環形光源消除焊錫反光，採集 4000x3000 高解析度 PCB 影像。
02
YOLOv8-Seg 像素分割
定位 PAD 焊點、SMD 元件、金屬導線，輸出各物件之精確多邊形 (Polygon Mask)。
03
OpenCV 幾何與偏移量測
計算焊點幾何質心與標準 CAD 設計圖之 $\Delta X, \Delta Y, \Delta \theta$ 偏移公差。
04
OK / WARN / NG 判定
依據 IPC-A-610 電子組裝標準，自動判定短路、斷路、少錫、空焊或元件偏移。
05
C# GUI 介面與資料庫
即時顯示即時產線畫面、OK/NG 統計燈號，並將每片 PCB 條碼與量測數據寫入 SQL。
實測數據與方案性能對比 (Benchmark Evaluation)
| 檢測指標項目 | 傳統幾何樣板 AOI | 一般 YOLO 物件偵測 | 鳳凰 AI PCB 整合系統 (Seg + OpenCV) |
|---|---|---|---|
| 焊點微小瑕疵檢出率 (Recall) | 78.5% (焊錫反光易漏檢) | 91.2% (僅方框無法量測邊界) | 99.8% (像素級 Mask 分割) |
| 誤報率 (False Alarm Rate) | 22.4% (需大量人工複檢) | 8.5% | < 0.3% (極低人工複核成本) |
| 尺寸偏移量測精度 | ± 0.05 mm | 無法量測 (僅標註框) | ± 0.008 mm (次像素精度) |
| 單片板檢測推論速度 | 120 ms | 35 ms | 12 ms (TensorRT FP16 加速) |
| 產線 C# / PLC 整合度 | 封閉式原廠軟體 | 僅 Python 終端機腳本 | C# 產線 GUI + PLC I/O + 報表 |
一、解決產線焊錫反光與陰影干擾的核心技術
在 PCB 產線上，焊錫表面呈曲面球狀，光線直射時會產生高亮光斑與深色陰影，導致傳統二值化演算法失效。我們透過以下策略徹底克服：
- 客製化同軸環形光源配置：消除高反射亮點，突顯焊點邊界輪廓。
- YOLOv8-Seg 結合 C2f 注意力模組：在特徵提取階段增強高頻邊緣特徵權重，即使焊點邊緣泛光，也能精準勾勒出 PAD 輪廓。
- 次像素角點精修 (Sub-pixel Corner SubPix)：在分割出的 Mask 邊界上執行次像素多項式擬合，將量測精度由 1 個像素提升至 0.1 像素等級。
二、常見失敗案例 (Failure Cases) 與自我防禦機制
在為期 72 小時的產線壓力測試中，我們收集了以下邊界異常情境並加入防禦機制：
- PCB 板彎形變導致失焦：系統內建拉普拉斯 (Laplacian) 影像清晰度即時評估，若發現聚焦不良立即觸發自動調焦或警示。
- 粉塵與表面指紋污漬：透過雙分支神經網路區分「真實銅箔刮傷」與「無害表面灰塵」，避免產線誤停機。