PCBA（印制电路板组件）是电子制造中最核心的中间产品，一块板上可能有几百上千个元器件和焊点，任何一个出问题都可能导致整台设备故障。PCBA缺陷检测一直是电子制造行业质量控制的重点和难点——人工目检效率低且容易疲劳漏检，传统AOI设备对复杂缺陷适应性差，AI视觉检测正在成为新的解决方案。我们在PCBA视觉检测项目中有大量落地经验，这篇文章把缺陷分类、检测方案和实施中的坑讲清楚。
PCBA缺陷检测怎么做？
PCBA缺陷的三大分类
第一类是焊接缺陷，占比最高也最难检。焊接缺陷包括：锡桥（相邻焊盘间多余焊锡导致短路）、虚焊（焊锡和焊盘或引脚没有形成有效合金层）、冷焊（焊锡表面粗糙无光泽，结合强度低）、立碑（片式元件一端翘起）、偏移（元件相对焊盘偏移超过标准范围）、锡珠（焊锡飞溅形成的独立小球）、少锡（焊锡量不足导致结合面积不够）。
这些缺陷的检测难度差异很大。锡桥和立碑的形态特征明显，传统算法就能检。虚焊和冷焊的表面特征差异微妙，传统AOI经常误判——焊锡表面灰度的细微变化可能被算法判为冷焊，实际只是锡膏印刷时的正常波动。AI深度学习通过学习大量真实缺陷样本，对这类形态多变、特征模糊的缺陷识别能力明显优于传统算法。
第二类是元器件缺陷，包括：缺件（应该贴装的元件没有贴）、错件（贴装了错误型号或规格的元件）、极性反向（有极性的元件方向贴反）、侧立（元件侧面贴在板上而非底面）、翻件（元件上下翻转贴装）。元器件缺陷的检测对分辨率要求高——0402封装（1.0×0.5mm）的元件极性标记可能只有0.3mm大小，要识别极性标记需要相机分辨率至少500万像素，镜头倍率足够高。
第三类是外观缺陷，包括：划痕（板面或绿油划伤）、异物（板面残留锡珠、胶水、灰尘等）、标记不良（丝印模糊、错印）、金手指氧化、板面污染。外观缺陷的检测标准因客户而异——消费电子产品的外观标准宽松，汽车电子和医疗器械的外观标准严格，验收时要按客户标准设定阈值。
AI视觉检测vs传统AOI：不只是技术升级
传统AOI设备基于规则算法——模板匹配、边缘检测、颜色分析。工程师对每种缺陷编写检测规则，设备按规则执行。这种方式在产品固定、缺陷类型明确的场景下有效，但面对新产品换型或新缺陷类型时需要重新编程，周期长且依赖经验丰富的工程师。
AI深度学习的本质区别在于：不是人写规则，而是算法从数据中自动学习缺陷特征。喂给算法几千张真实缺陷图片，它自己总结出"什么样的是锡桥""什么样的是虚焊"，然后用学到的模型检测新的样品。
在PCBA检测中，AI的优势体现在三个方面：第一，对形态多变的缺陷适应性强——同一个"锡桥"在不同位置、不同焊盘间距下表现不同，AI可以泛化识别，传统算法可能只覆盖了几种典型形态。第二，换型速度快——新产品导入时只需采集良品图和少量缺陷图训练模型，不需要重新编程，30分钟内可以完成换型。第三，持续优化能力——产线上出现新的缺陷类型时，采集样本标注后重新训练，设备越用越准。
但AI也有局限：对小样本缺陷（出现频率极低的缺陷类型）识别能力有限，因为训练数据不够。这种情况需要AI和传统算法结合——常见缺陷用AI检，罕见缺陷用规则算法兜底。
检测方案设计：三个关键决策
决策一：检测工位放在哪里。PCBA检测通常有两个工位：SPI（锡膏印刷检测）在锡膏印刷后、贴片前，检测锡膏印刷质量；AOI在回流焊后，检测最终焊接质量。两个工位的检测重点不同，SPI主要检锡膏厚度、面积、偏移，AOI主要检焊接缺陷和元器件缺陷。如果预算有限，优先上回流焊后AOI——这个工位覆盖的缺陷类型最多。
决策二：相机和光源配置。PCBA检测通常需要多相机方案：高分辨率相机（500万到2000万像素）做全板扫描，检测元器件缺陷和外观缺陷；低分辨率高帧率相机（100到200万像素，帧率60fps以上）做局部精细检测，检测焊点缺陷。光源配置至少需要三种：环形光（常规照明）、同轴光（检测焊盘和金手指的反光面）、低角度暗场光（检测焊点侧面形态和锡珠）。
决策三：检测节拍和产能匹配。PCBA产线的贴片节拍通常0.1到0.5秒/片，AOI设备必须跟上产线速度。如果单相机一次拍摄覆盖整块板，检测节拍可以做到0.3秒/片。如果板子太大需要多次拍摄拼接，节拍会延长到1到2秒/片，可能成为产线瓶颈。方案设计时要根据板子尺寸和产能要求确定相机数量和拍摄策略。
落地经验：三个最容易翻车的环节
环节一：缺陷样品采集。AI模型的质量取决于训练数据的质量。很多项目失败不是因为算法不行，而是因为缺陷样品不够或者标注不准确。建议在项目启动前一个月开始采集产线缺陷样品，每种缺陷类型至少采集200到500张图片，标注由经验丰富的QC工程师完成，标注结果经过二次复核。
环节二：误报率控制。AI模型的初期误报率通常偏高——把正常焊点的灰度波动判为虚焊，导致操作员频繁确认假报警，最终嫌烦关掉检测。解决方案：在模型训练时加入大量"困难负样本"（和缺陷特征相似但实际是合格的焊点），让算法学会区分真缺陷和伪缺陷。初期上线时设置"辅助检测"模式——设备报警但不自动拦截，人工确认后再切换到"自动拦截"模式。
环节三：换型管理。PCBA工厂通常同时生产多种板子，换型时模型切换必须无缝。方案是每个产品型号对应一个独立模型，切换产品时自动加载对应模型，切换时间不超过30秒。模型版本管理要做好——每次模型更新后保留旧版本，新版本出问题时可以快速回退。
上海科迎法电气科技有限公司
上海科迎法的AI深度学习智能视觉检测系统已在多个PCBA工厂落地应用，支持30秒极速建模和多模型自动切换。我们的太阳光模拟器产品线也可以为PCBA行业的紫外老化测试提供光源方案。在检测设备内部，视觉检测系统的传感器和通讯接口用到我们的M12连接器和工业以太网连接器，确保高速数据传输的稳定性。上海科迎法专注于工业视觉检测和连接器领域，为电子制造行业客户提供从检测设备到连接方案的完整产品线。
