A high-resolution macro photograph of a Ball Grid Array (BGA) on a green printed circuit board, serving as a featured image for a case study on SolVision AI soldering inspection.

使用AI進行BGA 焊接檢測

案例概述

產業:電子業半導體業

解決方案SolVision

案例說明

高精度 BGA 焊接檢測

球柵陣列(Ball Grid Array, BGA)封裝廣泛應用於高密度半導體設計中,可提升電氣可靠性並降低短路風險。其電氣連接是透過封裝底部排列的焊球陣列來實現,使 BGA 與 PCB 之間能進行高密度且緊湊的互連。

在大量生產中,常見的是採用層壓基板的塑膠 BGA。於回流焊接過程中,熱應力與溫度變化可能導致 PCB 或封裝變形,進而產生未潤濕、焊球重疊、冷焊點及空洞等缺陷。這些缺陷可能造成短路或降低連接可靠度,因此,精準的 BGA 焊接檢測至關重要。

挑戰

隱藏式 BGA 焊點的檢測困難

 傳統光學檢測無法檢查位於封裝底部的 BGA 焊點,必須透過 X 光檢測才能發現內部缺陷。然而,X 光影像通常對比度低、背景雜訊高。

在此情況下,規則式檢測系統難以有效運作。焊球形狀與密度的變化會降低檢測穩定性並增加誤判率,使其在實際產線環境中的檢測效果受到限制。

解決方案

SolVision AI BGA 焊接檢測


SolVision 採用深度學習技術分析 X 光影像進行 BGA 焊接檢測。AI 模型以已標註的缺陷資料進行訓練,涵蓋未潤濕、焊球重疊、尺寸偏差與短路等缺陷類型。

該模型能在高雜訊、低對比的影像中辨識出傳統演算法難以可靠偵測的細微缺陷特徵。透過SolVision,不僅能提升檢測一致性,也能有效降低誤判率,進而支援穩定的產線即時品質控管。

BGA 焊接缺陷分類

透過 X 光檢測高品質的 BGA 焊接點,並由 AI 驅動的自動化檢測系統判定為「OK」,以確保製程符合品質規範。

OK:合格的焊點

在 X 光分析過程中,AI 自動化檢測系統將不良的 BGA 焊接點標示為「NG(No Good)」,以避免 PCB 在實際應用中發生故障。

NG:不良焊點

X 光影像顯示球柵陣列(BGA),AI 檢測系統標示出「尺寸異常(Wrong Size)」缺陷,辨識組裝中焊球尺寸不正常的情況。

尺寸異常(Wrong Size):焊球尺寸異常

AI 驅動的 BGA 焊接檢測可辨識焊點之間的電性橋接與短路缺陷,並以紅色標示重點,確保品質控管。

短路(Short Circuit):焊點之間產生電性短路

成果

成功檢出隱藏的 BGA 焊接缺陷
可分類不同類型的缺陷
降低誤判率,確保產線即時檢測的穩定性