总部位于瑞典的领先电子组装解决方案提供商Mycronic宣布推出DeepReview，这是一种新的自动缺陷分类系统，它利用AI的力量大幅降低误报，同时提高3D自动光学检测（AOI）的一次良率。

为了进一步提高PCB组装的质量、灵活性和生产效率，Mycronic现在正在将先进的神经网络应用于自动缺陷分类（ADC）等高度数据密集型的任务。制造商寻求将全覆盖3D光学检测应用于越来越多的产品，DeepReview的发布，有望将操作员审查误报所花费的时间降低50-90%，具体取决于合格元件的比例。

让操作员专注在正确的方向

对于操作员来说，与误报的斗争可能感觉像是一场艰苦的战斗。对于质量标准要求全面测试覆盖的制造商来说尤其如此，因为电路板设计、元件类型甚至材料供应链的每一次变化都可能产生源源不断的新误报。

“DeepReview 旨在自动筛选这些误判，”产品线检查产品经理 Alexia Vey 说。“它利用深度学习来识别元件和成像变化，这是典型的基于算法的系统根本无法分类的。”

消除大多数误报

对于定期在自己的检测成像数据库上训练系统的客户来说，可以减少50-100%的潜在误报。由于该系统覆盖了普通PCBA上的大多数元件，这相当于减少了高达90%的审查误判所花费的时间 - 这些时间可以更好地用于专注于识别真正的缺陷。

“我们的客户非常注重防止实际缺陷，而这正是人类判断不可替代的地方，”High Flex部门高级副总裁 Clemens Jargon说。“得益于深度学习提供的强大新功能，MYPro I系列3D AOI可以卸载一些更繁琐的任务，从而可以将完整的测试覆盖率应用于任何产品组合，而不必担心更多的误判。”

人工智能之旅仍在继续

DeepReview紧随公司用于 SPI 和 AOI 检测的开创性机器学习解决方案的脚步。它结合了对用户在要求苛刻的高混装和高可靠性电子应用中的需求的深刻理解，以及公司多年来在电子制造应用人工智能方面的积极研究。

DeepReview允许制造商完全控制自己的工艺质量标准。通过定期根据自己的检测数据训练神经网络，客户可以根据内部检测标准应用、调整和完善自己的缺陷分类模型。

DeepReview 建立在现代边缘计算架构之上，可处理各种缺陷源，例如焊点、电桥、偏移和共面性。在不久的将来，DeepReview将受益于扩展的封装库，使其能够覆盖大多数电子元件。

在IPC APEX上展示的MYWizard软件是3D AOI编程的游戏规则改变者，将采用一种新的深度学习算法来验证极性标记。