Un sistema de detección de defectos de soldadura en pines SMT basado en un algoritmo mejorado de dominio de conectividad

Por qué importan los diminutos puntos de soldadura

La electrónica moderna, desde teléfonos hasta automóviles, se construye sobre placas de circuito llenas de diminutos pines metálicos y brillantes uniones de soldadura. Si incluso unas pocas de estas uniones se funden accidentalmente entre sí, pueden provocar un cortocircuito, dañar componentes o causar fallos inexplicables en productos terminados. Este estudio muestra cómo un método de inspección por cámara más inteligente puede detectar esos errores ocultos de forma más fiable, ayudando a las fábricas a mantener la calidad alta sin ralentizar la producción.

Buscando problemas con ojos digitales

Para comprobar automáticamente las uniones de soldadura, las fábricas suelen confiar en sistemas de visión por máquina: cámaras que toman imágenes de cerca de las placas y software que analiza cada píxel para decidir qué áreas corresponden a pines metálicos, cuáles a soldadura y cuáles al fondo. Un enfoque popular trata cada parche continuo de píxeles brillantes como una región separada y cuenta cuántos píxeles contiene. Una unión de soldadura normal tiene un rango de tamaño típico, mientras que un puente que conecta dos pines tiende a ser mucho más grande. En diseños simples con bastante espacio entre pines, este método de conteo funciona bien, señalando rápidamente las regiones sobredimensionadas como probables defectos.

Cuando las piezas están demasiado juntas

A medida que los fabricantes reducen el tamaño de los dispositivos y colocan más componentes en cada placa, las separaciones entre pines se vuelven extremadamente pequeñas. En estas zonas densas, el conteo de regiones estándar puede engañarse: dos pines vecinos correctamente soldados pueden aparecer como una sola región en la imagen, haciendo que el software los etiquete erróneamente como un puente. El ruido en la imagen y los bordes débiles alrededor de la soldadura pueden empeorar este problema, provocando falsas alarmas que retrasan la inspección e incluso pueden ocultar fallos reales bajo un aluvión de advertencias equivocadas.

Una forma en dos pasos de separar lo que parece pegado

Los investigadores abordan este problema manteniendo la rapidez del método tradicional pero añadiendo una segunda mirada focalizada donde el primer paso podría haber fallado. El sistema primero ejecuta el etiquetado de regiones y el conteo de píxeles habituales para localizar áreas sospechosas que aparentan ser demasiado grandes. En lugar de aceptarlas como defectos de inmediato, recorta esos parches pequeños y mejora el contraste en su interior para que los límites sutiles sean más claros. A continuación, utiliza un truco basado en la distancia que mide qué tan lejos está cada punto del borde de la región, creando un paisaje suave donde los centros de las gotas de soldadura parecen montañas y los espacios entre ellas parecen valles.

Dejar que el agua virtual encuentre fronteras ocultas

En este paisaje artificial, el equipo aplica un proceso llamado watershed, que imagina agua llenando los valles y encontrándose en líneas de cresta invisibles. Estas crestas marcan los límites probables entre uniones de soldadura separadas que al principio parecían fusionadas. Al aplicar esto solo dentro de los parches sospechosos, el método mantiene bajos los requisitos de cálculo mientras separa con cuidado pines que se habían unido por error. Las regiones recién separadas se reincorporan a la imagen original, y el paso de conteo de regiones se ejecuta de nuevo, esta vez sobre una imagen de las uniones más limpia y precisa.

Prueba en placas de circuito reales

Para probar el sistema, los autores construyeron un montaje de inspección práctico con una cámara industrial y un programa basado en LabVIEW, y lo aplicaron a una mezcla de imágenes de prueba públicas y placas de su propio laboratorio. midieron con qué frecuencia el sistema detectaba correctamente puentes de soldadura reales y con qué frecuencia daba falsas alarmas. En 300 imágenes de prueba, el método mejorado mantuvo una alta precisión mientras reducía drásticamente los falsos positivos en pines muy apretados. Pudo distinguir puentes de soldadura verdaderos de vecinos cercanos inofensivos y se mantuvo estable bajo diferentes diseños y condiciones de iluminación.

Qué significa esto para la electrónica de todos los días

Para los no especialistas, la conclusión es que este enfoque ofrece a los fabricantes de placas de circuito un par de ojos digitales más fiables. Al combinar una primera pasada rápida con un segundo análisis dirigido, el sistema puede separar mejor los puentes de soldadura verdaderamente peligrosos de uniones inofensivas que solo parecen sospechosas. Esto hace que la inspección sea más confiable y menos sensible a diseños densos, ayudando a garantizar que las diminutas conexiones metálicas dentro de los dispositivos cotidianos funcionen como se espera a lo largo de su vida útil.

Cita: Xiong, W., Xiao, N. & Wang, R. A SMT pin soldering defect detection system based on improved connectivity domain algorithm. Sci Rep 16, 14789 (2026). https://doi.org/10.1038/s41598-026-44847-0

Palabras clave: detección de puentes de soldadura, visión por máquina, inspección SMT, segmentación de imagen, calidad de placas de circuito