以智能洞察,定义精密检测新标准工业 X 射线无损检测专家 中文 / CN
TECHNICAL WHITE PAPER

AI-AXI:从图像判读到智能决策

以数据为基础,以模型为引擎,以产线闭环为目标,探索智能X射线检测的技术演进。

EX130 APPLICATION REPORT · PART 01

01 / 技术参数

技术规格

EX130测试报告 · 第4页

01

核心成像系统

X射线源:

封闭式微焦斑发生器 (微焦点技术)

管电压/电流:

EX130 (130kV/300μA) | EX180 (180kV/500μA)

系统分辨率:

EX130 | EX180 (5-30μm) (高对比CMOS平板探测)

02

检测效能与适配

PCB尺寸:

EX130 (508×508mm)

采集与承重:

30 fps高速采集 (2D/2.5D),承重5.0KG (可选10KG)

柔性适配:

自动宽度调整,净空高度(视分辨率而定)上100mm/下70mm,夹板支持5mm板厚

03

智能计算与控制

硬件配置:

Intel Core i9 处理器 + NVIDIA RTX 3090 显卡

系统环境:

Windows 10 64位专业版,多线程并行处理架构

产线集成:

标配SMEMA标准通讯接口,无缝对接自动化产线

04

安全防护与物理参数

辐射安全:

铅铝复合屏蔽结构,泄漏剂量率 <0.5μSv/h

系统规格:

尺寸 1670×2320×2150mm,整机重量约 3500kg

环境要求:

气压 4-6 bar 洁净干燥压缩空气,工业级稳定设计

系统特点

EX130测试报告 · 第5页

01

卓越图像画质

搭载先进X射线源与高灵敏度探测器,输出高对比度、低噪点的清晰检测影像,为缺陷识别提供可靠基础。

02

宽靶角大视野

独特宽靶角设计拓展FOV成像范围,兼容滨松、奕瑞等主流品牌平板探测器,适配不同规格检测需求。

03

微焦点精准检测

配备高性能微焦点射线源,可清晰分辨μBGA微米级焊点细节,满足高端芯片封装的微小缺陷检测要求。

04

AI智能算法赋能

内置自研AI缺陷识别算法,简化编程操作流程,大幅提升检测速度与检出准确率,降低人工调试成本。

05

多维无损检测

支持2D成像、2.5D断层扫描与CT三维重建,实现被测物体内部结构的分层剖析与全方位无损分析。

06

灵活帧率配置

可选30帧/60帧高帧率平板探测器,兼顾高速批量检测与精细成像精度,适配多样化产线检测场景。

X-Ray 高清成像

EX130系统特点技术示图EX130系统特点技术示图

硬件架构

EX130测试报告 · 第6页

双边双驱动线性马达 

保证系统的稳定性和重复性精度。

X/Y/Z均配备1μm光栅尺 

可达1μm定位精度,确保检测位置的准确性。

加速度达到2.5G 

最高可在1秒内完成60张图片拍摄,大幅提升检测效率。

PCB夹持系统 

通过上下移动达到调整精度的目的,灵活适应不同厚度的PCB板。

安全互锁 

保证设备的安全运行。

5mm的铅房设计 

保证辐射泄漏小于0.5μSv/h,符合安全标准。

高精度运动平台与射线成像核心

EX130硬件架构技术示图
EX130 APPLICATION REPORT · PART 02

02 / 优势及功能

高检出的 AI 识别算法

EX130测试报告 · 第8页

持续学习与自我优化

搭载自研深度学习AI算法,系统可通过持续学习新样本、适配新缺陷特征不断迭代模型,始终保持高检出率与低误判率。

编程更简单 · 部署更高效

编程方式变得更简单,大幅提升产线部署与调试的生产效率。

全 AI 算法架构

EX130采用全AI的算法架构设计,引领工业视觉检测行业的智能化发展趋势。

数据

AI 深度学习模型

智能判定

AI 全流程检测架构

高速动态图像采集模式

EX130测试报告 · 第9页

微米级运动控制精度

系统全轴采用直线电机 + 光栅尺闭环定位,实现快速响应并达到微米级的运动控制精度。

行业领先的飞拍模式

1.4

s @FOV30PJ

搭载行业领先的飞拍模式,大幅提升取照效率,采集速度最快可达 1.4s@FOV30PJ。

全轴直线电机 + 光栅尺闭环定位 · 飞拍模式示意

EX130高速动态图像采集模式技术示图

三视图和体积渲染

EX130测试报告 · 第10页

三视图与体积渲染技术可全方位还原焊点内部结构,大幅提升检测可视化效果,让微小缺陷清晰可见,实现对焊点缺陷的精准识别与快速判定。

EX130 焊点缺陷 3D 可视化检测

焊点三视图

BGA 阵列切层图像

体积渲染 3D 视图

BGA阵列切层焊点三维体积渲染

Z 补正功能

EX130测试报告 · 第11页

智能算法实时补偿

工作原理

可利用高度传感器测得的数据,采用平面拟合或曲面拟合的算法,纠正PCB变形带来的平面不一致问题。当PCB板放置水平有差异时,由于PCB在XY平面的高度不一致,导致上下四周焊点在同一高度切层时,切层图像会有偏差,采用Z补正后,切层图像得到纠正。

未补正:切层图像存在明显偏差

已补正:图像清晰,检测准确

EX130Z 补正功能技术示图EX130Z 补正功能技术示图

功能模块与数据流

EX130测试报告 · 第12页

AXI 系统

自动检查

Offline 模块

算法训练 / 程序编辑

Server 服务器

数据中心存储

Rework 工作站

返修处理

SPC 系统

统计分析与质量监控

合格数据归档存储

不合格数据流向返修

程序下发与更新

数据流转

EX130 APPLICATION REPORT · PART 03

03 / 检查方法

AI 算法简介

EX130测试报告 · 第14页

三维重建算法

图像过滤技术

AI 模型

核心算法引擎

气泡识别

焊点识别

短路识别

偏移、异物识别

AI 气泡识别

EX130测试报告 · 第15页

背景

传统算法受元件及周边环境影响,二值化处理导致气泡识别不准确。

优势

EX130采用AI深度学习算法,自动提取焊点特征,精准识别微小气泡与内部空洞,突破传统极限,杜绝隐性隐患。

结果

QFN底部焊点总空洞占比达35%,其中最大单个气泡占比为27%。

QFN 底部焊点 AI 气泡识别

空洞占比量化结果

EX130AI 气泡识别技术示图EX130AI 气泡识别技术示图

AI 焊点识别

EX130测试报告 · 第16页

原理

焊点缺陷采用AI深度学习自动提取焊点特征,精准识别焊点轮廓,对识别到的焊点进行特征分析。

焊点特征分析维度

焊点面积

BGA锡球的圆度

平均灰度值

长度、宽度

灰度值曲线变化

……

AI 焊点轮廓识别(Pad48)

EX130AI 焊点识别技术示图EX130AI 焊点识别技术示图

AI 短路 · 偏移

EX130测试报告 · 第17页

原理

提取到的焊点轮廓,对识别到的焊点360度范围分析焊点是否短路,并计算出偏移量。

蓝色线:焊点轮廓

BGA 锡球轮廓与偏移分析

短路 / 偏移量化检测结果

EX130AI 短路 · 偏移技术示图EX130AI 短路 · 偏移技术示图

AI 通孔检测

EX130测试报告 · 第18页

●

对插件的针脚侧的XY平面进行切层,对得到的切层图进行分析,判断是否连锡、多锡,以及是否短路。

●

对插件的本体侧的XY平面进行切层,对得到的切层图进行分析判断是否溢锡。

分析填充区的体积占比

针脚侧 / 本体侧切层分析

插件剖面示意图

分析填充区体积占比示意

EX130AI 通孔检测技术示图EX130AI 通孔检测技术示图

AI 异物检测

EX130测试报告 · 第19页

检查逻辑:

AI模型识别到的焊点轮廓与模板匹配后叠加,没有被模板覆盖到的焊点将被视为异物。

BGA 锡球模板

焊点识别结果

+

结果与模板对齐

异物

EX130AI 异物检测技术示图EX130AI 异物检测技术示图
01 / DATA FOUNDATION

构建可信赖的缺陷数据集

从缺陷采集出发,结合半自动预标注与专家校验,保证训练数据质量;使用Mixup / CutMix / Mosaic、物理仿真、迁移学习与课程学习适配小样本训练(算法资料第6–7页)。

01

缺陷采集

积累不同封装与工艺缺陷

02

预标注

半自动标注提升整理效率

03

专家校验

审核类别、区域与边界

04

增强训练

数据增强与迁移学习

面向边缘端的模型工程

LSTM + CBAM注意力机制,结合YOLOv8 / DETR缺陷检测。通过剪枝、INT8量化与知识蒸馏,面向Jetson进行边缘部署。

对比项优化前优化后
模型体积245MB42MB
推理延迟85ms12ms
判读指标人工一致率低于85%AI识别准确率99.2%,误报率<0.3%

模型体积与延迟来自《AI算法技术与应用》第10页内嵌图表:FP32→INT8,245MB→42MB,85ms→12ms;第14页另述单图边缘推理<8ms。原资料未给出两者一致的硬件与测试工况,故不合并或承诺通用延迟。人工判读一致率(第4页)与AI准确率(第13–14页)是不同统计口径,不计算二者直接增幅。

轻量化模型体积

推理延迟对比

02 / PLANNING & RECONSTRUCTION

用更少采集,获得更有效的信息

从视场聚类到VTSP路径求解

智能视场规划降低20–35%的成像次数;强化学习路径优化在75节点场景提升16%,200节点场景提升31%。AI编程调机仅需10分钟,相较传统方案调机效率提升80%。

从FBP到AI辅助三维重建

第15页所述:基于NeRF思想,以30张投影达到传统FBP 360张投影的重建质量;CycleGAN与扩散模型后处理使SSIM提升0.15以上;3D U-Net分割Dice系数达0.94。以上为该资料中的技术指标,不能将30张重建概述替代测试报告中U22的60张实际采集配置。

03 / FUTURE DIRECTIONS

下一阶段的智能检测

VLM零样本识别

探索视觉语言模型对新型缺陷的语义理解。

未来方向 · 非现售功能承诺

联邦学习

探索跨厂协同,在隐私边界内提升模型能力。

未来方向 · 非现售功能承诺

数字孪生

结合检测信息探索寿命预测。

未来方向 · 非现售功能承诺

动态自适应策略

根据产品与工况动态调整检测策略。

未来方向 · 非现售功能承诺

AI-AXI技术概要

依据两份产品PPT整理,含原始页码、参数口径与适用边界;非第三方认证报告。

下载技术概要 ↓
LET’S BUILD BETTER QUALITY

让每一处隐形缺陷,无所遁形。

从样品验证到产线集成,探索适合您的智能检测方案。

与我们的技术专家交流 ↗