Een SMT-soldeerpin-foutdetectiesysteem gebaseerd op een verbeterd connectivity domain-algoritme

Waarom kleine soldeerverbindingen belangrijk zijn

Moderne elektronica, van telefoons tot auto’s, is opgebouwd uit printplaten vol met kleine metalen pinnetjes en glanzende soldeerverbindingen. Als zelfs een paar van die verbindingen per ongeluk aan elkaar smelten, kunnen ze een circuit kortsluiten, componenten beschadigen of mysterieuze storingen in eindproducten veroorzaken. Deze studie toont hoe een slimmer camera-gebaseerd inspectiesysteem die verborgen fouten betrouwbaarder kan opsporen, waardoor fabrieken de kwaliteit hoog kunnen houden zonder de productie te vertragen.

Met digitale ogen op zoek naar problemen

Om soldeerverbindingen automatisch te controleren, vertrouwen fabrieken vaak op machine-vision-systemen: camera’s nemen close-upfoto’s van de platen en software scant elke pixel om te bepalen welke gebieden tot metalen pennen, welke tot soldeer en welke tot de achtergrond behoren. Een veelgebruikte aanpak behandelt elk aaneengesloten vlak van heldere pixels als een aparte regio en telt hoeveel pixels het bevat. Een normale soldeerverbinding heeft een typisch groottebereik, terwijl een brug die twee pennen verbindt meestal veel groter is. In eenvoudige lay-outs met ruime tussenruimtes tussen pennen werkt deze telmethode goed en markeert ze snel te grote regio’s als waarschijnlijke defecten.

Wanneer onderdelen te dicht op elkaar zitten

Terwijl fabrikanten apparaten verkleinen en meer onderdelen op elke plaat persen, worden de tussenruimtes tussen pennen uiterst klein. In deze dichte gebieden kan standaard regiotelling misleidend zijn: twee aangrenzende pennen die correct gesoldeerd zijn, kunnen in het beeld als één regio lijken samen te vloeien, waardoor de software ze ten onrechte als een brug labelt. Ruis in de afbeelding en vage randen rond het soldeer kunnen dit probleem verergeren, wat leidt tot valse alarmen die de inspectie vertragen en mogelijk echte fouten verbergen onder een stroom van onterechte waarschuwingen.

Een tweestapsmethode om te scheiden wat vast lijkt te zitten

De onderzoekers pakken dit probleem aan door de snelheid van de traditionele methode te behouden en daar een gerichte tweede controle aan toe te voegen waar de eerste stap mogelijk fout ging. Het systeem voert eerst de gebruikelijke regiolabeling en pixeltelling uit om verdachte gebieden te vinden die te groot lijken. In plaats van die meteen als defecten te accepteren, snijdt het ze uit als kleine patchs en verbetert het het contrast binnenin zodat subtiele grenzen duidelijker worden. Vervolgens gebruikt het een afstandsgebaseerde truc die meet hoe ver elk punt van de rand van de regio verwijderd is, waardoor een glad landschap ontstaat waarin de centra van soldeerklonten als heuvels en de ruimtes ertussen als dalen lijken.

Virtueel water laat verborgen grenzen zien

Op dit kunstmatige landschap past het team een proces toe dat watershed heet, waarbij men zich voorstelt dat water de dalen vult en bij onzichtbare bergruggen samenkomt. Deze ruggen markeren waarschijnlijke grenzen tussen afzonderlijke soldeerverbindingen die bij eerste aanblik samengevoegd leken. Omdat dit alleen binnen de verdachte patchs wordt toegepast, blijven de rekencapaciteiten laag terwijl pennen die ten onrechte waren samengevoegd zorgvuldig worden gesplitst. De nieuw gescheiden regio’s worden daarna teruggeplaatst in de oorspronkelijke afbeelding en de regiotelstap wordt opnieuw uitgevoerd, ditmaal op een schoner, nauwkeuriger beeld van de verbindingen.

Bewijs van echte printplaten

Om het systeem te testen bouwden de auteurs een praktische inspectieopstelling met een industriële camera en een LabVIEW-gebaseerd programma en pasten deze toe op een mix van publieke testbeelden en platen uit hun eigen lab. Ze maten hoe vaak het systeem echte soldeerbruggen correct detecteerde en hoe vaak het ten onrechte alarm sloeg. Over 300 testafbeeldingen behield de verbeterde methode een hoge nauwkeurigheid terwijl het aantal valse positieven op dicht bezette pennen sterk daalde. Het kon echte soldeerbruggen onderscheid maken van onschuldige dichtbije buren en bleef stabiel onder verschillende lay-outs en lichtomstandigheden.

Wat dit betekent voor alledaagse elektronica

Voor niet-specialisten is de conclusie dat deze aanpak printplaatfabrikanten een betrouwbaardere set digitale ogen geeft. Door een snelle eerste scan te combineren met een gerichte tweede analyse kan het systeem gevaarlijke soldeerbruggen beter scheiden van onschuldige verbindingen die alleen verdacht lijken. Dit maakt inspectie betrouwbaarder en minder gevoelig voor drukke lay-outs, en helpt te waarborgen dat de kleine metalen verbindingen in alledaagse apparaten naar behoren functioneren gedurende hun levensduur.

Bronvermelding: 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

Trefwoorden: detectie van soldeerbruggen, machine vision, SMT-inspectie, beeldsegmentatie, printplaatkwaliteit