學校名稱:國立陽明交通大學

指導教授:王蒞君、帥宏翰

學生:彭浩然、陳姵蓁、陳品樺、夏靖傑

表面貼焊技術(SMT)作為積體電路製造業的核心技術之一,可以極大程度降低電子產品的體積,生產高精密電子產品。然而,SMT過程中產生的瑕疵也為電路板製造產線帶來了良品率降低的挑戰。因此,通過瑕疵檢測技術提升輸出良品率已成為工業4.0的關鍵。然而,SMT產線的高吞吐量為瑕疵檢測的帶來了負荷大、精準度降低的挑戰,常常出現漏放和誤判的情況。傳統的瑕疵檢測採用自動光學辨識(AOI)技術,利用"機械視覺"檢測並處理光學信號,再通過計算機影像處理技術提取圖像特徵,檢測出缺陷。但是傳統AOI依賴於特定任務設計手工規則,針對複雜微小的電子元件存在較高的漏放和誤判。此外,特定的任務規則無法應對實際生產過程中多變的元件類型和缺陷特徵,缺乏泛化能力,大量的規則設計工作增加了人力成本。本專題將深度學習技術與AOI系統相結合,開發出一個可以實現跨元件並針對不同瑕疵(如:錫少、短路和空焊等)進行精準、快速檢測的人工智慧模型。本系統包含跨平台載體,大數據處理,深度學習瑕疵辨別與雲端瑕疵警報四大技術框架。考量到公司實際需求及難解之處,將目檢人力成本降為原有六分之一。這項研究也具有極高學術價值,預計投稿至國際頂級期刊。