Inspección de soldadura BGA mediante IA
Caso
Inspección precisa de soldadura BGA
La tecnología de matriz de rejilla de bolas (BGA) es un método de empaquetado preferido para chips semiconductores avanzados y de alta densidad, diseñado para reducir los cortocircuitos eléctricos y mejorar la confiabilidad general. Este enfoque utiliza una matriz de pequeñas bolas de soldadura en la parte inferior del paquete para crear conexiones eléctricas de alta densidad entre el BGA y la PCB. Los BGA de plástico, que suelen utilizar sustratos laminados, ofrecen una solución rentable para la fabricación de grandes volúmenes, especialmente en electrónica de consumo y otras aplicaciones sensibles a los costes. Sin embargo, durante el proceso de soldadura por reflujo, las variaciones de temperatura pueden causar deformación de PCB y BGA, lo que conduce a defectos como no humectación, superposición de bolas de soldadura, juntas de soldadura frías y vacíos, todo lo cual puede provocar cortocircuitos o conexiones debilitadas. La inspección precisa es fundamental para garantizar la fiabilidad y la funcionalidad del producto final.
Desafiar
Lograr precisión en la detección de defectos BGA
Los métodos tradicionales de inspección óptica a menudo son insuficientes para verificar la calidad de la soldadura en BGA, particularmente para la densa matriz de bolas de soldadura en la superficie inferior. Las imágenes de rayos X son cruciales para penetrar en el paquete y detectar posibles defectos de soldadura ocultos debajo de la superficie. Sin embargo, las imágenes de rayos X a menudo sufren de un ruido de fondo significativo y carecen de un contraste claro, lo que dificulta que los sistemas basados en reglas detecten con precisión los defectos y evalúen la soldadura calidad.
Solución
Detección de defectos impulsada por IA para soldadura BGA
SolVision aprovecha el aprendizaje profundo para entrenar su modelo de IA utilizando imágenes de muestra etiquetadas de defectos de soldadura, como la no humectación y la superposición de bolas de soldadura. Al aprovechar los algoritmos avanzados de IA, SolVision no solo identifica estos defectos con alta precisión, sino que también acelera significativamente el proceso de inspección, lo que garantiza una mayor rapidez y Control de calidad confiable. El modelo está entrenado para reconocer defectos sutiles incluso en imágenes de rayos X ruidosas y de bajo contraste, un desafío con el que luchan los sistemas de inspección tradicionales. Esto da como resultado una detección precisa de defectos que mejora la fiabilidad de la inspección y minimiza los falsos positivos.
Detección de defectos de soldadura BGA
De acuerdo
NG
Tamaño incorrecto
Cortocircuito