CN117665546A - 一种pcba板的自动化测试方法及*** - Google Patents
一种pcba板的自动化测试方法及*** Download PDFInfo
- Publication number
- CN117665546A CN117665546A CN202410148626.0A CN202410148626A CN117665546A CN 117665546 A CN117665546 A CN 117665546A CN 202410148626 A CN202410148626 A CN 202410148626A CN 117665546 A CN117665546 A CN 117665546A
- Authority
- CN
- China
- Prior art keywords
- pcba
- test
- electrical test
- electrical
- pcba board
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010998 test method Methods 0.000 title abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 270
- 238000009826 distribution Methods 0.000 claims abstract description 74
- 230000002159 abnormal effect Effects 0.000 claims abstract description 54
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000001931 thermography Methods 0.000 claims abstract description 10
- RVCKCEDKBVEEHL-UHFFFAOYSA-N 2,3,4,5,6-pentachlorobenzyl alcohol Chemical compound OCC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl RVCKCEDKBVEEHL-UHFFFAOYSA-N 0.000 claims abstract 49
- 238000000034 method Methods 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 239000000523 sample Substances 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 4
- 238000010921 in-depth analysis Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 13
- 238000003466 welding Methods 0.000 abstract description 3
- 239000000306 component Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013021 overheating Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种PCBA板的自动化测试方法及***,包括将待测PCBA板放置于测试台上,通过电性测试模块对PCBA板进行预热,模拟正常工作状态;在预热后对PCBA板进行初步电性测试,记录基线电性数据;通过红外相机监测PCBA板的热分布,以生成PCBA板的热分布地图;识别所述热分布地图中的异常点,动态调整电性测试的重点区域和参数,以获得对应的电性测试数据;测试***综合分析所述电性测试数据和热分布地图,以识别生成PCBA板的故障点信息;通过并行的电性测试和红外热成像快速准确地检测PCBA板的潜在问题,通过热分布地图精准识别到故障点所在的位置,其动态调整测试参数的能力加强了针对性和准确性,并能识别焊点问题,大大提高了故障检测的可靠性。
Description
技术领域
本发明涉及PCBA测试技术领域,尤其涉及一种PCBA板的自动化测试方法及***。
背景技术
在现代电子制造业中,PCBA板是核心组件,负责实现电子设备的主要功能;随着科技的快速发展,电子产品正变得越来越复杂和高性能,这就对PCBA板的质量提出了更高的要求;高效、准确的PCBA板测试不仅影响到最终产品的质量,还关系到生产成本和效率,在这种背景下,发展和应用更先进的PCBA测试技术变得尤为重要。
目前,PCBA板的检测主要依赖于探针电性测试,这种方法通过物理接触点对PCBA板进行电压、电流、电阻等参数的测试,虽然这种方法在某种程度上能够判断PCBA板是否存在电性故障,但它主要存在以下缺点:首先,它通常只能识别出PCBA板整体是正常还是异常,并不能精确地定位到具体的故障点,检测精度较低;其次,这种物理接触式测试可能对PCBA板的某些敏感元件造成损伤;再者,这种方法在诊断一些非电性故障(如过热、冷焊点等)时效率较低。
鉴于此,需要对现有技术中的PCB热性能的测试技术加以改进,以解决无法准确定位故障点,检测精度较低的技术问题。
发明内容
本发明的目的在于提供一种PCBA板的自动化测试方法及***,解决以上的技术问题。
为达此目的,本发明采用以下技术方案:
一种PCBA板的自动化测试方法,包括:
将待测PCBA板放置于测试台上,通过电性测试模块对PCBA板进行预热,模拟正常工作状态;
在预热后对PCBA板进行初步电性测试,记录基线电性数据;
在进行电性测试的同时,通过红外相机监测PCBA板的热分布,以生成PCBA板的热分布地图;
识别所述热分布地图中的异常点,动态调整电性测试的重点区域和参数,以获得对应的电性测试数据;
测试***综合分析所述电性测试数据和热分布地图,以识别生成PCBA板的故障点信息。
可选的,所述将待测PCBA板放置于测试台上,通过电性测试模块对PCBA板进行预热,模拟正常工作状态;具体包括:
通过自动化搬运模块将待测PCBA板搬运至测试台上,并对待测PCBA板进行定位,电性测试模块的探头与PCBA板预设的测试点形成电连接;
测试***根据预设的测试程序,设定适当的预热温度和电流参数;
启动所述测试程序以对PCBA板进行预热进程,电性测试模块以所述电流参数向PCBA板供电,以模拟PCBA板的正常工作状态;
通过内置的温度传感器实时监控PCBA板的温度数据,当温度数据达到预设的温度阈值时,判断PCBA板完成预热进程。
可选的,所述在进行电性测试的同时,通过红外相机监测PCBA板的热分布,以生成PCBA板的热分布地图;具体包括:
在PCBA板经过预热并开始进行电性测试时,启动红外相机捕捉PCBA板的表面温度分布,以生成热影像数据;
将所述热影像数据传输至数据处理单元,通过将所述热影像数据匹配到PCBA板的线路结构图上,生成PCBA板的热分布地图;
在所述热分布地图上进行高温区域和温度梯度的标记,并记录标记后的所述热分布地图。
可选的,所述识别所述热分布地图中的异常点,动态调整电性测试的重点区域和参数,以获得对应的电性测试数据;具体包括:
测试***分析标记后的所述热分布地图,并通过温控故障识别模型检测出若干个温度异常区域,并将所述温度异常区域内的电子元件标记为异常点;
根据标记的所述异常点并结合PCBA板的线路结构图,制定新的电性测试参数,所述新的电性测试参数用于对所述温度异常区域进行重点测试;
所述电性测试模块执行新的电性测试参数,以对PCBA板上的温度异常区域进行重点测试,判断所述重点测试的结果是否存在电性故障,若是,则微调所述电性测试参数并对所述温度异常区域进行新一次的重点测试;若否,则进行下一温度异常区域的重点测试;
整合若干个所述温度异常区域的重点测试的结果,以形成对应的电性测试数据。
可选的,所述测试***综合分析所述电性测试数据和热分布地图,以识别生成PCBA板的故障点信息;具体包括:
将所述电性测试数据和红外图像数同步设置,使两者处于对应的时刻线;
对所述电性测试数据和所述热分布地图进行交叉验证,以获得初步分析结果。
可选的,所述测试***综合分析所述电性测试数据和热分布地图,以识别生成PCBA板的故障点信息;还包括:
使用云端的卷积神经网络模型分析所述电性测试数据和所述热分布地图,获得深入分析结果;
综合所述初步分析结果和所述深入分析结果,于所述PCBA板的线路结构图上定位故障点的位置,以生成PCBA板的故障点信息。
可选的,PCBA板的自动化测试方法还包括:
根据所述PCBA板的故障点信息,生成诊断报告,并规划对应的维修建议。
本发明还提供了一种PCBA板的自动化测试***,应用于如上所述的自动化测试方法,所述测试***包括:
自动化搬运模块,包括机械臂和定位模块,所述机械臂用于将PCBA板搬运至测试台上,所述定位模块用于定位PCBA板;
电性测试模块,用于对PCBA板进行电性测试;
热成像模块,包括红外相机和数据处理单元;
数据分析和处理模块,用于分析电性测试数据和热分布地图;
存档模块,用于生成诊断报告,并进行存储;
温度监控模块,用于实时监控PCBA板的温度数据。
可选的,所述电性测试模块包括测试探头、数据采集单元和控制***,所述测试探头用于与PCBA板上的预设测试点形成电连接,以实施电性测试;所述数据采集单元记录电性测试数据,所述控制***用于设定和调整电性测试参数。
与现有技术相比,本发明具有以下有益效果:检测时,首先通过电性测试模块对PCBA板进行预热以模拟正常工作状态,并记录基线电性数据,在进行电性测试的同时,红外相机监测PCBA板的热分布,以生成热分布地图;通过分析热分布地图,测试***可以动态调整电性测试的重点区域和参数,针对性地检测潜在故障点;测试软件将电性和红外数据综合分析,精确地识别PCBA板的故障点;本自动化测试方法能够通过并行的电性测试和红外热成像快速准确地检测PCBA板的潜在问题,通过热分布地图精准识别到故障点所在的位置,其动态调整测试参数的能力加强了针对性和准确性,而非接触式的红外检测避免了对敏感元件的损害;此外,这种方法能及时揭示隐藏的问题,如过热或冷焊点,大大提高了故障检测的可靠性和有效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
本说明书附图所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本实施例一的自动化测试方法的流程示意图之一;
图2为本实施例一的自动化测试方法的流程示意图之二;
图3为本实施例一的自动化测试方法的流程示意图之三。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。需要说明的是,当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一:
本发明实施例提供了一种PCBA板的自动化测试方法,包括:
S1,将待测PCBA板放置于测试台上,通过电性测试模块对PCBA板进行预热,模拟正常工作状态;
将PCBA板放置于测试台上,利用电性测试模块的控制***设定合适的预热参数,如温度和时间,以确保PCBA板达到适宜的工作温度。通过预热PCBA板,测试环境模拟了PCBA板在实际使用时的工作状态,这是因为在正常使用中,PCBA板通常会因为电流流经而产生热量,这会影响其电性能;因此,预热后的测试更接近于实际使用条件下的表现。
通过电性测试模块对PCBA板进行预热,旨在模拟其正常工作状态下的环境,这一步骤帮助测试条件接近真实使用场景,确保随后的测试结果更加准确和可靠。
S2,在预热后对PCBA板进行初步电性测试,记录基线电性数据;测试包括但不限于电阻、电容和电流等参数的测量,确保数据的准确性和一致性,为发现潜在问题提供基础。
初步电性测试所得的基线数据为后续测试提供了一个比较基准,通过与基线数据的对比,可以更清楚地识别出在后续测试中出现的任何异常或偏差,这对于准确判断PCBA板的性能和稳定性至关重要。基线电性测试增加了整个测试流程的全面性。它不仅提供了单一条件下的数据点,而且还增强了对整个PCBA板性能的理解,从而提高了故障检测和诊断的准确性。
在预热后立即进行的电性测试可以帮助早期识别那些可能在基本电性参数上表现出来的问题;例如,如果某个电阻或电容的读数与预期值不符,这可能表明存在焊接问题或元件缺陷。
通过分析初步电性测试的结果,可以为后续更详细的测试(包括红外热成像)提供方向。例如,如果初步测试发现特定区域的电性参数异常,那么在后续的红外测试中可以重点关注这些区域。
S3,在进行电性测试的同时,通过红外相机监测PCBA板的热分布,以生成PCBA板的热分布地图;
使用红外相机实时监测PCBA板的热分布情况,确保同时捕捉电性测试期间板上的热变化;同时进行电性测试和红外热成像,用于生成PCBA板的热分布地图;这可以揭示因电性问题导致的异常热分布,如过热区域,这些可能是潜在故障的早期迹象。
S4,识别热分布地图中的异常点,动态调整电性测试的重点区域和参数,以获得对应的电性测试数据;
依据热分布地图上的异常点,调整测试模块的焦点,如更改电流或电压参数,以便更深入地研究这些异常区域;在识别出热图中的异常点后,根据这些信息动态调整电性测试的重点区域和参数,这能够更精确地定位和分析潜在的故障点。
S5,测试***综合分析电性测试数据和热分布地图,以识别生成PCBA板的故障点信息。
通过预设的软件工具和算法,对两种类型的数据进行交叉分析和对比,以识别出与正常数据模式不符的异常区域;综合分析电性测试数据和热分布地图,以精确地识别PCBA板的故障点。这一步骤利用电性和热成像数据的互补性,增强故障诊断的准确性。
S6,根据PCBA板的故障点信息,生成诊断报告,并规划对应的维修建议。
整理和分析故障数据,撰写包含故障描述、可能原因及维修建议的报告,确保报告清晰、准确,便于维修团队理解和实施。基于识别出的故障点,生成详细的诊断报告,并提供相应的维修建议。这样不仅指出了问题所在,还提供了解决方案,促进快速有效的维修。
本发明的工作原理为:检测时,首先通过电性测试模块对PCBA板进行预热以模拟正常工作状态,并记录基线电性数据,在进行电性测试的同时,红外相机监测PCBA板的热分布,以生成热分布地图;通过分析热分布地图,测试***可以动态调整电性测试的重点区域和参数,针对性地检测潜在故障点;测试软件将电性和红外数据综合分析,精确地识别PCBA板的故障点;相较于现有技术中的测试技术,本自动化测试方法能够通过并行的电性测试和红外热成像快速准确地检测PCBA板的潜在问题,通过热分布地图精准识别到故障点所在的位置,其动态调整测试参数的能力加强了针对性和准确性,而非接触式的红外检测避免了对敏感元件的损害;此外,这种方法能及时揭示隐藏的问题,如过热或冷焊点,大大提高了故障检测的可靠性和有效性。
在本实施例中,具体说明的是,步骤S1具体包括:
S11,通过自动化搬运模块将待测PCBA板搬运至测试台上,并对待测PCBA板进行定位,电性测试模块的探头与PCBA板预设的测试点形成电连接;自动化搬运模块为机械臂;
利用自动化搬运设备将PCBA板放置并固定在测试台上,使用高精度定位技术确保PCBA板的正确摆放,以及测试探头与板上预设测试点的精确对接;自动化搬运模块将待测PCBA板准确无误地搬运至测试台上,并进行精确定位,确保电性测试模块的探头与PCBA板的预设测试点正确形成电连接,这一步骤的目的是确保测试的高度准确性和可重复性。
S12,测试***根据预设的测试程序,设定适当的预热温度和电流参数;
测试***根据预设或经验数据设定预热温度和电流参数,需要考虑到对板上不同元件的特性和散热需求的不同,以及可能的工作环境模拟。设定合适的预热温度和电流参数,是为了使PCBA板在接下来的预热过程中达到模拟正常工作状态所需的条件,正确的参数设置对于确保测试结果的可靠性和一致性至关重要。
S13,启动测试程序以对PCBA板进行预热进程,电性测试模块以电流参数向PCBA板供电,以模拟PCBA板的正常工作状态;
启动测试程序,电性测试模块根据设定参数向PCBA板供电,开始预热过程,整个过程需精确控制以确保均匀加热,避免对PCBA板造成损害。通过预热进程使PCBA板达到工作状态的模拟温度,模拟实际使用时的环境条件,这有助于在接下来的测试中揭露那些只有在工作状态下才会显现的潜在问题。
S14,通过内置的温度传感器实时监控PCBA板的温度数据,当温度数据达到预设的温度阈值时,判断PCBA板完成预热进程。
通过内置于测试台上的温度传感器实时监测PCBA板的温度,一旦温度达到预设阈值,***会判断预热完成,并准备进入下一测试阶段。通过实时监控PCBA板的温度数据,确保预热进程按照预设参数进行,同时避免过热或不均匀加热。这一步骤是为了确保预热过程的安全性和有效性,并确保预热过程中板的温度均匀且符合预设的预热温度要求;一旦PCBA板达到预设的预热状态,并保持稳定条件一段适当的时间后,***会自动转入下一阶段,即初步电性测试,并记录基线电性数据。
在本实施例中,具体说明的是,步骤S3具体包括:
S31,在PCBA板经过预热并开始进行电性测试时,启动红外相机捕捉PCBA板的表面温度分布,以生成热影像数据。
在电性测试同步进行的过程中,红外相机被激活来捕捉PCBA板表面的温度分布。红外相机对温度敏感,能够生成精确的温度图像,从而可视化PCBA板上相对的热点和冷区;在PCBA板经过预热并开始电性测试时,启动红外相机捕捉PCBA板的表面温度分布,目的是通过热影像数据来揭示由电性问题可能导致的温度异常。
S32,将热影像数据传输至数据处理单元,通过将热影像数据匹配到PCBA板的线路结构图上,生成PCBA板的热分布地图;
使用图像识别和数据处理算法,热影像数据被准确地放置于PCBA板的对应区域,生成详尽的热分布地图;这样,每一处热点都与具体的电路元件或路径对应起来。将红外相机捕捉到的热影像数据传输至数据处理单元,通过定位和映射技术将热影像数据与PCBA板的线路结构图相匹配,这一步骤的目的是提供更加具体和直观的PCBA板热分布信息,便于后续的分析和故障诊断。
S33,在热分布地图上进行高温区域和温度梯度的标记,并记录标记后的热分布地图。
使用预设的软件工具,在热分布地图上对异常温度进行高亮表示,如使用不同的颜色或标记来区分不同的温度范围,记录这个过程并保存标记后的热分布地图,为进一步的数据分析提供基础。在热分布地图上进行高温区域和温度梯度的标记,目的是为了快速识别潜在的问题区域,特别是那些温度异常的部分,可能表示存在电气故障或热管理问题。
在本实施例中,具体说明的是,步骤S4具体包括:
S41,测试***分析标记后的热分布地图,并通过温控故障识别模型检测出若干个温度异常区域,并将温度异常区域内的电子元件标记为异常点;
采用高级数据分析和图像处理算法,如模式识别,对热分布地图进行细致分析,识别出温度异常的区域。这些区域可能涉及电子元件故障、短路、过载等问题。目的在于通过热图数据定位可能的故障源头,作为电性测试的依据。
S42,根据标记的异常点并结合PCBA板的线路结构图,制定新的电性测试参数,新的电性测试参数用于对温度异常区域进行重点测试。其中,重点测试是指重点加强对于温度异常区域内的电子元件的工作信号,即增大对应电子元件的功率,并降低其他电子元件的功率,从而使得重点测试的结果能够更加突出温度异常区域的检测情况。
依据温度异常区域和PCBA板结构,调整测试参数(如电压、电流、频率),以确保测试能够针对性地覆盖所有标记的异常区域。根据识别出的异常点和结合PCBA板的线路结构图,制定新的电性测试参数,目的是将测试焦点聚焦在疑似故障区域,以便更精准地诊断和分析这些区域的电性问题。
S43,电性测试模块执行新的电性测试参数,以对PCBA板上的温度异常区域进行重点测试,判断重点测试的结果是否存在电性故障,若是,则微调电性测试参数并对温度异常区域进行新一次的重点测试;若否,则进行下一温度异常区域的重点测试;
按照新设定的参数,对每个标记的温度异常区域进行详细的电性测试,如果测试结果表明存在电性故障,进行微调参数以进一步细化测试;如果没有发现问题,则移动到下一个异常区域进行测试。电性测试模块执行新制定的电性测试参数,对PCBA板上的温度异常区域进行重点测试,目的是判断这些区域是否存在电性故障,提供更精确的故障诊断。
S44,整合若干个温度异常区域的重点测试的结果,以形成对应的电性测试数据。
收集并整合来自各个异常区域的测试数据,将这些数据与原始的热图和电性测试数据进行对比,以形成一个全面的故障分析报告。整合所有温度异常区域的重点测试的结果,形成对应的电性测试数据,目的是提供一个综合的视图,以理解不同异常区域之间的关系和整体的电性表现。
在本实施例中,具体说明的是,步骤S5具体包括:
S51,将电性测试数据和红外图像数同步设置,使两者处于对应的时刻线。
通过测试***内部的时钟或同步机制,确保记录的电性测试数据与对应时刻捕捉的红外图像数据能够一一对应,这涉及到时间戳记录和时间对齐技术;将电性测试数据和红外图像数据同步设置,是为了确保两种数据处在一个共同的时间线上,从而使得数据分析可以基于相同的工作状态和条件。同步操作是准确比较和分析电性故障与温度异常之间关系的前提。
S52,对电性测试数据和热分布地图进行交叉验证,以获得初步分析结果。
分析电性测试中的异常数据点,如过高的电流或电压,以及与它们时间对应的热分布地图上的温度异常区域。通过比对、分析这些数据,识别和确认潜在的故障。
对电性测试数据和热分布地图进行交叉验证,以识别出由于组件故障或设计缺陷导致的异常,交叉验证能够提高故障诊断的准确性,通过结合两种数据类型揭示出电性故障可能不明显的问题。
S53,使用云端的卷积神经网络模型分析电性测试数据和热分布地图,获得深入分析结果;其中,卷积神经网络模型需要应用到联网技术,将电性测试数据和热分布地图上传到云端,通过寄存于云端的卷积神经网络模型来对电性测试数据和热分布地图分析,以应对较为复杂的故障情况。
卷积神经网络被训练以识别和分类电性测试数据和热分布地图中的模式,这一模型能够自动学习数据中的复杂关系和特征,从而对故障点进行更准确的预测,同时能够对初步分析无法分析获得准确结果的复杂故障情况进行分析。使用卷积神经网络(CNN)模型分析电性测试数据和热分布地图,旨在借助深度学习的强大特征提取能力,获取关于故障和异常的更深入洞察。
S54,综合初步分析结果和深入分析结果,于PCBA板的线路结构图上定位故障点的位置,以生成PCBA板的故障点信息。
结合PCBA板的详细线路结构图,精确定位并可视化故障点。然后生成包含故障位置,可能的故障原因和建议的后续行动的故障信息报告;综合初步分析的交叉验证结果以及CNN模型的深入分析结果,在PCBA板的线路结构图上定位故障点的位置,生成详细的PCBA板故障点信息。目的是将分散的数据和分析结果集中,以形成详细的故障位置描述。
实施例二:
本发明还提供了一种PCBA板的自动化测试***,应用于如实施例一的自动化测试方法,测试***包括:
自动化搬运模块,包括机械臂和定位模块,机械臂用于将PCBA板搬运至测试台上,定位模块用于定位PCBA板;
电性测试模块,用于对PCBA板进行电性测试;
热成像模块,包括红外相机和数据处理单元;
数据分析和处理模块,用于分析电性测试数据和热分布地图;
存档模块,用于生成诊断报告,并进行存储;
温度监控模块,用于实时监控PCBA板的温度数据。
本自动化测试***的工作原理为:本自动化测试***的工作原理是通过一系列协调工作的模块对PCBA板进行准确、高效的测试。首先,自动化搬运模块使用机械臂将PCBA板移至测试台并进行精确定位。一旦PCBA板就位,电性测试模块开始对板上的电气属性进行测试,同时热成像模块的红外相机捕捉PCBA板的表面温度分布并产生热影像数据。这些数据传输至数据处理单元,并与电性测试数据一起由数据分析和处理模块进行交叉验证和深入分析,其中可以包括卷积神经网络等高级分析技术。温度监控模块确保整个测试过程中PCBA板的温度保持在设定范围内,避免过热造成损害。最终,存档模块基于测试结果生成诊断报告和维修建议,并将这些信息进行存储。
本自动化测试***的自动化流程大幅提高了测试速度和精度,从而降低了劳动成本并提升了生产效率;其次,高级数据分析技术,尤其是利用卷积神经网络等深度学习模型,大幅提高了故障检测的准确性,从而减少了错误诊断和随之而来的不必要维修;此外,***的温度监控和自动化搬运模块也为测试过程带来了更高的安全性和可靠性。整体来看,通过综合利用现代电子测试技术和数据分析,本测试***提供了对PCBA板状况全面评估的能力,极大地提高了整体测试质量和效率。
进一步说明的是,电性测试模块包括测试探头、数据采集单元和控制***,测试探头用于与PCBA板上的预设测试点形成电连接,以实施电性测试;数据采集单元记录电性测试数据,控制***用于设定和调整电性测试参数。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种PCBA板的自动化测试方法,其特征在于,包括:
将待测PCBA板放置于测试台上,通过电性测试模块对PCBA板进行预热,模拟正常工作状态;
在预热后对PCBA板进行初步电性测试,记录基线电性数据;
在进行电性测试的同时,通过红外相机监测PCBA板的热分布,以生成PCBA板的热分布地图;
识别所述热分布地图中的异常点,动态调整电性测试的重点区域和参数,以获得对应的电性测试数据;
测试***综合分析所述电性测试数据和热分布地图,以识别生成PCBA板的故障点信息。
2.根据权利要求1所述的PCBA板的自动化测试方法,其特征在于,所述将待测PCBA板放置于测试台上,通过电性测试模块对PCBA板进行预热,模拟正常工作状态;具体包括:
通过自动化搬运模块将待测PCBA板搬运至测试台上,并对待测PCBA板进行定位,电性测试模块的探头与PCBA板预设的测试点形成电连接;
测试***根据预设的测试程序,设定适当的预热温度和电流参数;
启动所述测试程序以对PCBA板进行预热进程,电性测试模块以所述电流参数向PCBA板供电,以模拟PCBA板的正常工作状态;
通过内置的温度传感器实时监控PCBA板的温度数据,当温度数据达到预设的温度阈值时,判断PCBA板完成预热进程。
3.根据权利要求1所述的PCBA板的自动化测试方法,其特征在于,所述在进行电性测试的同时,通过红外相机监测PCBA板的热分布,以生成PCBA板的热分布地图;具体包括:
在PCBA板经过预热并开始进行电性测试时,启动红外相机捕捉PCBA板的表面温度分布,以生成热影像数据;
将所述热影像数据传输至数据处理单元,通过将所述热影像数据匹配到PCBA板的线路结构图上,生成PCBA板的热分布地图;
在所述热分布地图上进行高温区域和温度梯度的标记,并记录标记后的所述热分布地图。
4.根据权利要求3所述的PCBA板的自动化测试方法,其特征在于,所述识别所述热分布地图中的异常点,动态调整电性测试的重点区域和参数,以获得对应的电性测试数据;具体包括:
测试***分析标记后的所述热分布地图,并通过温控故障识别模型检测出若干个温度异常区域,并将所述温度异常区域内的电子元件标记为异常点;
根据标记的所述异常点并结合PCBA板的线路结构图,制定新的电性测试参数,所述新的电性测试参数用于对所述温度异常区域进行重点测试;
所述电性测试模块执行新的电性测试参数,以对PCBA板上的温度异常区域进行重点测试,判断所述重点测试的结果是否存在电性故障,若是,则微调所述电性测试参数并对所述温度异常区域进行新一次的重点测试;若否,则进行下一温度异常区域的重点测试;
整合若干个所述温度异常区域的重点测试的结果,以形成对应的电性测试数据。
5.根据权利要求1所述的PCBA板的自动化测试方法,其特征在于,所述测试***综合分析所述电性测试数据和热分布地图,以识别生成PCBA板的故障点信息;具体包括:
将所述电性测试数据和红外图像数同步设置,使两者处于对应的时刻线;
对所述电性测试数据和所述热分布地图进行交叉验证,以获得初步分析结果。
6.根据权利要求5所述的PCBA板的自动化测试方法,其特征在于,所述测试***综合分析所述电性测试数据和热分布地图,以识别生成PCBA板的故障点信息;还包括:
使用云端的卷积神经网络模型分析所述电性测试数据和所述热分布地图,获得深入分析结果;
综合所述初步分析结果和所述深入分析结果,于所述PCBA板的线路结构图上定位故障点的位置,以生成PCBA板的故障点信息。
7.根据权利要求1所述的PCBA板的自动化测试方法,其特征在于,还包括:
根据所述PCBA板的故障点信息,生成诊断报告,并规划对应的维修建议。
8.一种PCBA板的自动化测试***,其特征在于,应用于如权利要求1至6任一项所述的自动化测试方法,所述测试***包括:
自动化搬运模块,包括机械臂和定位模块,所述机械臂用于将PCBA板搬运至测试台上,所述定位模块用于定位PCBA板;
电性测试模块,用于对PCBA板进行电性测试;
热成像模块,包括红外相机和数据处理单元;
数据分析和处理模块,用于分析电性测试数据和热分布地图;
存档模块,用于生成诊断报告,并进行存储;
温度监控模块,用于实时监控PCBA板的温度数据。
9.根据权利要求8所述的PCBA板的自动化测试***,其特征在于,所述电性测试模块包括测试探头、数据采集单元和控制***,所述测试探头用于与PCBA板上的预设测试点形成电连接,以实施电性测试;所述数据采集单元记录电性测试数据,所述控制***用于设定和调整电性测试参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410148626.0A CN117665546B (zh) | 2024-02-02 | 2024-02-02 | 一种pcba板的自动化测试方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410148626.0A CN117665546B (zh) | 2024-02-02 | 2024-02-02 | 一种pcba板的自动化测试方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117665546A true CN117665546A (zh) | 2024-03-08 |
CN117665546B CN117665546B (zh) | 2024-04-30 |
Family
ID=90069906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410148626.0A Active CN117665546B (zh) | 2024-02-02 | 2024-02-02 | 一种pcba板的自动化测试方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117665546B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118226236A (zh) * | 2024-05-23 | 2024-06-21 | 联觉(深圳)科技有限公司 | 一种pcb缺陷的智能识别方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4963752A (en) * | 1988-12-30 | 1990-10-16 | Honeywell Inc. | Method for detecting missing circuit board components |
KR100783352B1 (ko) * | 2006-09-04 | 2007-12-10 | 한국표준과학연구원 | Pcb 어셈블리 검사 장치와 방법 |
JP2013156084A (ja) * | 2012-01-27 | 2013-08-15 | Tokyo Electron Ltd | 電子デバイス試験システム |
CN105158678A (zh) * | 2015-10-23 | 2015-12-16 | 湖北三江航天万峰科技发展有限公司 | 一种印制电路板短路故障点快速检测装置 |
CN206773147U (zh) * | 2017-05-27 | 2017-12-19 | 浙江万里学院 | 一种通用电路板板上器件故障检测*** |
CN107765162A (zh) * | 2016-08-18 | 2018-03-06 | 华为机器有限公司 | 一种微电流漏电图像检测方法及其*** |
CN110554302A (zh) * | 2019-09-10 | 2019-12-10 | 北京理工大学 | 快速自动检测电路板故障的装置 |
CN110888044A (zh) * | 2019-12-26 | 2020-03-17 | 北京航星中云科技有限公司 | 高密度电路板内故障芯片定位装置及定位方法 |
CN111896888A (zh) * | 2020-06-24 | 2020-11-06 | 江苏航天龙梦信息技术有限公司 | 一种基于热成像仪的主板短路故障位置定位方法 |
CN112881786A (zh) * | 2021-01-08 | 2021-06-01 | 觉芯电子(无锡)有限公司 | 一种漏电检测方法、装置和*** |
CN112946459A (zh) * | 2021-02-26 | 2021-06-11 | 天津中德应用技术大学 | 成品印刷电路板短路故障点检测装置和方法 |
CN117419814A (zh) * | 2023-11-10 | 2024-01-19 | 国网河南省电力公司郑州供电公司 | 一种基于电气设备红外热像的图像处理*** |
CN117420380A (zh) * | 2023-09-14 | 2024-01-19 | 云南电网有限责任公司丽江供电局 | 一种配电网故障预警、处置方法及*** |
CN117436004A (zh) * | 2023-12-20 | 2024-01-23 | 深圳市鸿明机电有限公司 | 电机性能实时监测***及方法 |
-
2024
- 2024-02-02 CN CN202410148626.0A patent/CN117665546B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4963752A (en) * | 1988-12-30 | 1990-10-16 | Honeywell Inc. | Method for detecting missing circuit board components |
KR100783352B1 (ko) * | 2006-09-04 | 2007-12-10 | 한국표준과학연구원 | Pcb 어셈블리 검사 장치와 방법 |
JP2013156084A (ja) * | 2012-01-27 | 2013-08-15 | Tokyo Electron Ltd | 電子デバイス試験システム |
CN105158678A (zh) * | 2015-10-23 | 2015-12-16 | 湖北三江航天万峰科技发展有限公司 | 一种印制电路板短路故障点快速检测装置 |
CN107765162A (zh) * | 2016-08-18 | 2018-03-06 | 华为机器有限公司 | 一种微电流漏电图像检测方法及其*** |
CN206773147U (zh) * | 2017-05-27 | 2017-12-19 | 浙江万里学院 | 一种通用电路板板上器件故障检测*** |
CN110554302A (zh) * | 2019-09-10 | 2019-12-10 | 北京理工大学 | 快速自动检测电路板故障的装置 |
CN110888044A (zh) * | 2019-12-26 | 2020-03-17 | 北京航星中云科技有限公司 | 高密度电路板内故障芯片定位装置及定位方法 |
CN111896888A (zh) * | 2020-06-24 | 2020-11-06 | 江苏航天龙梦信息技术有限公司 | 一种基于热成像仪的主板短路故障位置定位方法 |
CN112881786A (zh) * | 2021-01-08 | 2021-06-01 | 觉芯电子(无锡)有限公司 | 一种漏电检测方法、装置和*** |
CN112946459A (zh) * | 2021-02-26 | 2021-06-11 | 天津中德应用技术大学 | 成品印刷电路板短路故障点检测装置和方法 |
CN117420380A (zh) * | 2023-09-14 | 2024-01-19 | 云南电网有限责任公司丽江供电局 | 一种配电网故障预警、处置方法及*** |
CN117419814A (zh) * | 2023-11-10 | 2024-01-19 | 国网河南省电力公司郑州供电公司 | 一种基于电气设备红外热像的图像处理*** |
CN117436004A (zh) * | 2023-12-20 | 2024-01-23 | 深圳市鸿明机电有限公司 | 电机性能实时监测***及方法 |
Non-Patent Citations (2)
Title |
---|
王格芳 等: "印刷电路板红外测试***", 红外技术, vol. 16, no. 06, 30 December 1994 (1994-12-30), pages 35 - 38 * |
陈亚芳 等: "电路故障点红外线定位装置的设计", 军事通信技术, vol. 32, no. 03, 30 September 2011 (2011-09-30), pages 92 - 94 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118226236A (zh) * | 2024-05-23 | 2024-06-21 | 联觉(深圳)科技有限公司 | 一种pcb缺陷的智能识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117665546B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117665546B (zh) | 一种pcba板的自动化测试方法及*** | |
JP6922168B2 (ja) | 表面実装ラインの品質管理システム及びその制御方法 | |
US12020415B2 (en) | Method for monitoring manufacture of assembly units | |
KR20190006551A (ko) | 용접 감시 시스템 | |
CN104730078A (zh) | 一种基于红外热像仪aoi的电路板检测方法 | |
CN111128782A (zh) | 晶圆的测试方法 | |
CN105158678A (zh) | 一种印制电路板短路故障点快速检测装置 | |
CN111862019B (zh) | 一种热电光软多维信息融合电路智能检测与故障诊断方法 | |
CN107238796A (zh) | 一种用于线路板的维修测试设备 | |
CN110880179A (zh) | 视觉传感器工作状态测试方法 | |
TW201504646A (zh) | 自動化信號完整性測試系統及方法 | |
CN104345260A (zh) | 信号完整性自动化测试***及方法 | |
CN112798109B (zh) | 一种主板质量的检测评价装置 | |
WO2013001594A1 (ja) | 電子基板の検査管理方法、検査管理装置および目視検査装置 | |
CN106199378A (zh) | 一种电路板网表快速提取方法 | |
RU2413976C1 (ru) | Способ формирования контрольно-диагностических тестов | |
KR20220128206A (ko) | 플라잉 프로브 테스터를 이용한 pcb 칩 측정방법 | |
RU2413272C1 (ru) | Способ неразрушающего контроля, диагностики и ремонта радиоэлектронной аппаратуры | |
CN116577638A (zh) | 一种电路板智能测试***、方法、装置及介质 | |
CN114487892B (zh) | Dc/dc电源模块短路定位方法 | |
CN113866536B (zh) | 温升检测方法、装置和温升检测*** | |
KR20150104766A (ko) | 검사공정에서의 불량 이력 추적 방법 | |
CN118226236B (zh) | 一种pcb缺陷的智能识别方法及装置 | |
CN111105109A (zh) | 操作检测装置、操作检测方法及操作检测*** | |
CN117316248B (zh) | 基于深度学习的tf卡运行智能检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |