AI-Based Inline PCB Defect Detection and Robotic Sorting Using Smart Vision, PLC Logic, Fanuc Vision and SCADA Integration

Nas fábricas que constroem a eletrônica do mundo, um pequeno erro pode custar uma fortuna. Um único chip faltando em uma placa de circuito, uma mancha de solda onde não deveria estar, ou um componente colocado ligeiramente torto podem tornar um dispositivo inútil. Durante décadas, a solução era ter olhos humanos escaneando cada placa, uma tarefa lenta e exaustiva onde a fadiga inevitavelmente levava a erros perdidos. Então vieram as máquinas que podiam ver, usando câmeras e software para comparar o que viam contra um modelo perfeito. Mas essas primeiras máquinas eram rígidas; se uma placa se deslocasse levemente ou a iluminação mudasse, a máquina ficaria confusa, rejeitando peças boas ou deixando passar as ruins. O próximo passo nesta evolução foi dar às máquinas um cérebro que pudesse aprender, muito como um humano faz, para reconhecer padrões e defeitos sem precisar de um modelo perfeito e imutável. Essa mudança de regras rígidas para o aprendizado flexível é o coração da automação industrial moderna, prometendo um futuro onde as fábricas operem de forma mais rápida, limpa e com menos erros.

Uma equipe de pesquisadores da Universidade Tecnológica de Michigan construiu um modelo funcional deste futuro, criando um sistema completo que inspeciona placas de circuito e as classifica automaticamente sem ajuda humana. Eles não apenas escreveram um programa de computador para encontrar erros; eles construíram uma estação de trabalho física onde uma câmera, um controlador, um robô e uma tela de monitoramento trabalham todos juntos como uma única unidade. O sistema utiliza uma câmera inteligente equipada com inteligência artificial para observar placas de circuito movendo-se ao longo de uma correia transportadora. Quando a câmera detecta uma placa, ela interrompe a correia, tira uma foto e decide instantaneamente se a placa é boa ou ruim. Se a placa estiver defeituosa, um braço robótico alcança e a remove; se for boa, a correia recomeça e a placa segue adiante. Os pesquisadores provaram que toda essa cadeia de eventos — desde a câmera vendo a placa até o robô movendo-a — pode acontecer de forma confiável, mesmo quando várias placas estão na correia ao mesmo tempo.

O cerne de sua conquista reside em como eles gerenciaram o fluxo de informações. Em uma fábrica movimentada, as placas não param uma a uma; elas frequentemente viajam em um fluxo. Isso cria um problema complicado: se uma câmera inspeciona uma placa e depois a correia se move, como o robô saberá qual placa deve pegar mais tarde? Se o sistema se confundir, ele pode jogar fora uma placa boa ou deixar uma placa ruim para trás. Os pesquisadores resolveram isso usando uma fila digital, um método de manter os resultados da inspeção na ordem exata em que chegam, como uma fila de pessoas esperando por um ingresso. Quando uma placa chega à câmera, o resultado é colocado no final da fila. Quando essa mesma placa chega à estação do robô, o sistema pega o resultado do início da fila e o utiliza para dizer ao robô o que fazer. Isso garante que cada placa seja julgada pelo seu próprio registro de inspeção, não importa quantas outras placas estejam se movendo ao seu redor.

Para testar este sistema, a equipe montou um ambiente do mundo real com uma correia transportadora, dois sensores para detectar quando uma placa chega, uma câmera inteligente e um braço robótico de seis eixos. Eles treinaram a inteligência artificial da câmera para reconhecer circuitos integrados ausentes, que são os pequenos chips pretos que são o cérebro da placa de circuito. A câmera foi ensinada a procurar pelas formas específicas desses chips e a contá-los. Se a câmera visse o número correto de chips, ela marcava a placa como aprovada. Se visse menos chips do que o esperado, ou se os chips estivessem no lugar errado, ela marcava a placa como reprovada. O sistema foi projetado para lidar com a realidade desordenada de um chão de fábrica, onde as placas podem não parar exatamente no mesmo lugar todas as vezes ou onde a iluminação pode variar ligeiramente.

Os resultados mostraram que o sistema funcionou conforme o pretendido. Em uma série de testes envolvendo quatorze placas de circuito, o sistema identificou corretamente quais eram boas e quais eram ruins. Ele distinguiu com sucesso entre placas que tinham todos os seus componentes e aquelas que estavam com componentes faltando. A câmera levou menos de um segundo para tomar sua decisão, e o braço robótico moveu-se com precisão para classificar as placas. Os pesquisadores descobriram que o sistema era particularmente bom em lidar com o movimento físico das placas; a fila digital nunca perdeu o rastro de qual resultado pertencia a qual placa, mesmo quando a correia transportadora estava movendo múltiplos itens. O braço robótico, guiado por seu próprio sistema de visão, foi capaz de pegar as placas e colocá-las nos cestos corretos, fosse enviando uma placa boa para a linha ou jogando uma placa ruim em um cesto de rejeito.

No entanto, os pesquisadores foram cuidadosos em notar que este era um protótipo, um modelo funcional construído para provar o conceito, em vez de um produto acabado pronto para uma fábrica de grande escala. Embora o sistema tenha alcançado uma precisão de cerca de oitenta por cento em seus testes específicos, eles reconheceram que ainda não é perfeito. O sistema teve um pouco de dificuldade quando as placas não estavam posicionadas exatamente da mesma forma todas as vezes, e a velocidade da correia transportadora foi limitada porque a correia tinha que parar para a câmera tirar uma foto. Estas são barreiras práticas que precisariam ser resolvidas antes que tal sistema pudra operar nas altas velocidades de um grande fabricante de eletrônicos. A equipe também observou que o modelo de inteligência artificial foi treinado em um conjunto de imagens relativamente pequeno, o que limitou sua capacidade de lidar com todo tipo de defeito ou condição de iluminação.

Apesar dessas limitações, o projeto demonstrou que é possível combinar inteligência artificial avançada com equipamentos de fábrica padrão para criar uma linha de inspeção totalmente automatizada. O sistema não dependia de um único computador poderoso em uma sala de servidores distante; em vez disso, a inteligência vivia dentro da própria câmera, tomando decisões localmente e instantaneamente. Essa abordagem permitiu que a câmera falasse diretamente com o controlador da fábrica, que então dizia ao robô o que fazer. Todo o processo era monitorado em uma tela que mostrava o status de cada parte do sistema em tempo real, permitindo que um operador humano visse exatamente o que estava acontecendo com um relance. Esta integração de visão inteligente, controle lógico e classificação física representa um passo significativo à frente em como as fábricas podem garantir a qualidade. Mostra que a lacuna entre a pesquisa de alta tecnologia e a maquinaria real de um chão de fábrica está diminuindo, aproximando-nos de um mundo onde as máquinas podem não apenas ver defeitos, mas também entendê-los e corrigir o problema sem intervenção humana.