SMT贴片PCB焊点缺陷AI检测训练数据

适用于工业制造行业SMT贴片焊点检测，通过采集的SMT贴片生产线PCB焊点图像数据，经图像预处理、特征提取、AI模型推理、缺陷分类标注等多规则加工形成。数据涵盖IQC来料检验、FQC成品检验、OQC出货检验全流程，覆盖0402至SOP16等6类主流贴片元器件封装，包含正常焊点及冷焊、桥连、焊球、立碑、偏移、少锡、多锡、空洞共8类典型缺陷。核心功能为SMT产线焊点缺陷AI视觉自动检测，解决电子制造行业人工目检效率低、漏检率高、标准不统一的共性问题。行业痛点包括：①SMT产线焊点密度高，人工目检每人每日仅能检测约2000个焊点，效率瓶颈突出；②传统AOI设备误报率达15%-30%，导致大量复检人力浪费；③冷焊、空洞等隐蔽性缺陷人工识别困难，漏检引发产品可靠性风险。本数据集可横向复用至汽车电子PCBA质量检测、消费电子代工厂焊点检测、半导体封装焊线质量检测等领域，具有广泛的行业通用性和应用价值。检测ID字段采用SHA256不可逆哈希算法加密生成，原始检测记录与敏感信息不保留可逆映射关系，确保无法通过加密ID还原企业身份或原始检测数据。 边界框标注，对分割后的焊点区域计算最小外接矩形，输出边界框坐标（xmin, ymin, xmax, ymax）。 基于提取的焊点区域，计算以下多维特征并执行AI缺陷分类： 颜色特征（3维）：分别计算焊点区域R、G、B三通道的像素均值，反映焊点表面色泽和氧化程度。 灰度统计特征（2维）：计算焊点区域平均灰度值和灰度标准差，正常焊点灰度均值∈[140,200]、标准差∈[15,35]，冷焊缺陷灰度均值∈[60,100]、标准差∈[30,60]。 纹理特征（2维）：基于灰度共生矩阵（GLCM，偏移量d=1，方向θ=0°/45°/90°/135°四方向平均）计算纹理对比度和纹理能量，量化焊点表面粗糙度。 形状特征（2维）：计算Hu不变矩的第1、第2分量，表征焊点几何形状的旋转、平移、尺度不变特征； 判定规则：置信度≥0.85判定为"确认+缺陷类型"，0.70≤置信度<0.85判定为"疑似+缺陷类型"，置信度<0.70判定为"待复检"； 风险等级映射：桥连、冷焊、空洞→高风险；立碑、少锡、偏移→中风险；焊球、多锡→低风险；正常→无风险。 颜色特征：采用RGB颜色空间像素统计方法，对焊点区域提取R、G、B三通道均值，形成颜色特征向量，用于反映焊点表面色泽差异与氧化程度。 灰度统计特征：采用加权灰度转换方法，将RGB图像转为灰度图后计算焊点区域灰度均值与标准差。 纹理特征：采用GLCM灰度共生矩阵方法，提取焊点区域纹理对比度与纹理能量，量化焊点表面粗糙度与纹理均匀性。 形状特征：采用Hu不变矩方法，基于焊点图像提取几何形状特征，利用矩不变量表征焊点几何形状的旋转、平移、尺度不变特性。

搜集汇总

背景与挑战

背景概述

该数据集为SMT贴片PCB焊点缺陷AI检测训练数据，包含1728条记录，覆盖IQC、FQC、OQC检验流程及0402至SOP16等6类元器件封装，标注了正常焊点及冷焊、桥连、焊球、立碑、偏移、少锡、多锡、空洞共8类缺陷。数据提供边界框坐标及颜色、灰度、纹理、形状等多维特征，并基于AI模型输出置信度与缺陷判定结果，用于SMT产线焊点缺陷的自动检测，旨在解决人工目检效率低、漏检率高及标准不统一等问题，并可扩展至汽车电子、消费电子及半导体封装等领域的质量检测。