SolVisionÉtude de cas

Inspection de la soudure BGA à l’aide de l’IA

Cas

Inspection précise de la soudure BGA

La technologie de l’array à billes (BGA) est une méthode d’emballage privilégiée pour les puces semi-conductrices haute densité et avancées, conçue pour réduire les courts-circuits électriques et améliorer la fiabilité globale. Cette approche utilise un réseau de petites billes de soudure sur la face inférieure de l’emballage pour créer des connexions électriques haute densité entre le BGA et le circuit imprimé (PCB). Les BGA en plastique, utilisant généralement des substrats stratifiés, offrent une solution économique pour la fabrication en grande quantité, en particulier dans l’électronique grand public et d’autres applications sensibles aux coûts. Cependant, lors du processus de soudure par refusion, les variations de température peuvent entraîner des déformations du PCB et du BGA, conduisant à des défauts tels que le manque de mouillage, le chevauchement des billes de soudure, les joints de soudure froids et les vides, tous susceptibles de provoquer des courts-circuits ou des connexions affaiblies. Une inspection précise est essentielle pour garantir la fiabilité et la fonctionnalité du produit final.

Défi

Atteindre la précision dans la détection des défauts BGA

Les méthodes d’inspection optique traditionnelles sont souvent insuffisantes pour vérifier la qualité de la soudure dans les BGA, en particulier pour le dense réseau de billes de soudure sur la surface inférieure. L’imagerie par rayons X est cruciale pour pénétrer l’emballage et détecter les défauts de soudure potentiels cachés sous la surface. Cependant, les images par rayons X souffrent souvent d’un bruit de fond significatif et manquent de contraste clair, ce qui rend difficile pour les systèmes basés sur des règles de détecter avec précision les défauts et d’évaluer la qualité de la soudure.

Solution

Détection des défauts pilotée par l’IA pour la soudure BGA

SolVision utilise l’apprentissage profond pour entraîner son modèle d’IA à l’aide d’images échantillons étiquetées de défauts de soudure, tels que le manque de mouillage et le chevauchement des billes de soudure. En s’appuyant sur des algorithmes avancés d’IA, SolVision identifie non seulement ces défauts avec une grande précision, mais accélère également considérablement le processus d’inspection, garantissant un contrôle de qualité plus rapide et plus fiable. Le modèle est entraîné pour reconnaître des défauts subtils même dans des images de rayons X bruitées et à faible contraste, un défi que les systèmes d’inspection traditionnels ont du mal à surmonter. Cela se traduit par une détection précise des défauts qui améliore la fiabilité de l’inspection et minimise les faux positifs.