一种电路板镀锡质量控制系统及方法与流程

1.本说明书涉及电路板制造领域，特别涉及一种电路板镀锡质量控制系统及方法。


背景技术：

2.印刷电路板(printed circuit board，pcb)上的铜，在空气中很容易氧化，铜的氧化层对焊接有很大的影响，很容易形成假焊、虚焊，严重时会造成焊盘与元器件无法焊接，因此，pcb在生产制造时，需要在焊盘表面镀覆上一层物质(比如锡)，以保护焊盘不被氧化。另外，镀锡还可以包括将焊盘、线路部分以及双面板中的金属化过孔镀上锡，以达到在碱性腐蚀液中保护线路部分不被腐蚀的目的。
3.在电路板镀锡过程中，镀锡时间、水洗温度、电路板表面药水残留等，都可能对电路板的镀锡质量造成影响。例如，电路板表面残留较多药水，会导致电路板出现异色、变花、发暗、可焊性不良等问题，严重影响pcb生产质量。因此，如何合理控制镀锡工艺参数，提高pcb镀锡质量一直是研究的热点。
4.针对pcb板经镀锡处理后离子污染物含量高的问题，cn106686904b提出了一种超声波清洗方法，使用固定的超声波清洗参数，对电路板进行清洗，以降低电路板表面离子污染物残留。但是，不同电路板、电路板不同位置表面的残留污染物程度不同，采用固定的超声清洗参数可能难以保证清洗效果；另外，为了提高电路板生产质量，镀锡过程中，还需要合理把控水洗温度、镀锡时间等工艺参数。
5.因此，希望提供一种电路板镀锡质量控制系统及方法，通过根据不同pcb参数确定不同镀锡工艺参数，以保证pcb镀锡质量，提高镀锡效率。


技术实现要素：

6.本说明书一个或多个实施例提供一种电路板镀锡质量控制系统，所述系统包括：镀锡模块、清洗模块、干燥处理模块、交互模块、监测模块和处理器；所述镀锡模块包括预处理装置和镀锡装置，分别用于对电路板进行微蚀和镀锡；所述清洗模块包括水洗装置和超声清洗装置，其中，所述水洗装置包括水温控制系统，用于接收所述处理器发出的控制指令及控制所述水洗装置中的水温；所述干燥处理模块与所述清洗模块通过传送装置机械连接，用于对清洗后的电路板进行烘干处理；所述监测模块包括至少一组传感器，所述至少一组传感器分别置于所述镀锡模块、所述清洗模块、所述干燥处理模块中，用于获取监测参数；所述交互模块包括触控屏，与所述监测模块通信连接，用于显示所述监测模块输出的所述监测参数，以及接收用户输入参数；所述处理器分别与所述镀锡模块、所述清洗模块、所述干燥处理模块、所述交互模块、所述监测模块通信连接，用于：接收所述监测模块的所述监测数据和/或接收所述交互模块的所述用户输入参数；以及基于所述监测数据和/或所述用户输入参数，控制所述镀锡模块、所述清洗模块、所述干燥处理模块中至少一个的运行。
7.本说明书一个或多个实施例提供一种电路板镀锡质量控制方法，由电路板镀锡质量控制系统的处理器执行，所述系统包括镀锡模块、清洗模块、干燥处理模块、交互模块、监
测模块、质检模块和所述处理器；其中，所述镀锡模块包括预处理装置和镀锡装置；所述清洗模块包括水洗装置和超声清洗装置；所述方法包括：获取监测数据和用户输入参数；基于所述监测数据和/或所述用户输入参数，控制所述镀锡模块、所述清洗模块、所述干燥处理模块、所述质检模块中至少一个的运行。
8.本说明书一个或多个实施例提供一种电路板镀锡质量控制装置。所述装置包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现本说明书任一实施例所述的电路板镀锡质量控制方法。
9.本说明书一个或多个实施例提供一种计算机可读存储介质。所述存储介质存储计算机指令，当所述计算机指令被计算机执行时，实现本说明书任一实施例所述的电路板镀锡质量控制方法。
附图说明
10.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
11.图1是根据本说明书一些实施例所示的电路板镀锡质量控制系统的示例性模块图；
12.图2是根据本说明书一些实施例所示的电路板镀锡质量控制方法的示例性流程图；
13.图3是根据本说明书一些实施例所示的控制超声清洗装置运行的示例性流程图；
14.图4是根据本说明书一些实施例所示的基于参数确定模型确定超声清洗参数的示例性示意图；
15.图5是根据本说明书一些实施例所示的基于药液残留风险进行质检的示例性流程图；
16.图6是根据本说明书一些实施例所示的基于风险预测模型预测药液残留风险的示例性示意图。
具体实施方式
17.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
18.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
19.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提
示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
20.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
21.电路板镀锡处理具有成本低、不容易变色、可以返工、平整度高、铜锡焊接可靠性高、满足无铅焊接需求等众多优点，且随着无铅焊接的广泛实施，电路板镀锡处理在pcb各种表面处理中所占的比重逐年上升，尤其在具有高可靠性需求的汽车电路板中得到了越来越广泛的应用。但电路板镀锡处理后，板面离子污染物含量相比其他处理方式高，这些离子污染物如果不能得到有效清除，将会影响到pcb板的可靠性，严重时会导致pcb板失效。
22.鉴于此，本说明书一些实施例，期望提供一种电路板镀锡质量控制系统及方法，基于电路板的图像数据，确定电路板不同区域的药液残留系数，进而确定超声清洗装置的超声清洗参数，更加智能地降低电路板表面药液残留，减少人力物力的浪费；同时，通过合理控制pcb板生产过程中的各个工艺参数，提升pcb板生产品质。
23.图1是根据本说明书一些实施例所示的电路板镀锡质量控制系统的示例性模块图。在一些实施例中，所述电路板镀锡质量控制系统100可以包括镀锡模块110、清洗模块120、干燥处理模块130、交互模块140、监测模块150、质检模块160和处理器170。
24.镀锡模块110可以用于对电路板进行镀锡。镀锡模块110可以由用于对电路板进行镀锡的装置等组成。镀锡模块110可以包括预处理装置和镀锡装置，分别用于对电路板进行预处理和镀锡，其中，预处理可以包括对电路板进行微蚀。通过微蚀，可以一定程度上消除电路板上铜线路表面的氧化层，形成粗糙的铜表面，保证与镀锡层的结合力。
25.在一些实施例中，镀锡模块110可以包括预处理装置和镀锡装置。其中，预处理装置可以用于对电路板进行微蚀，镀锡装置可以用于对电路板进行镀锡。关于微蚀、镀锡的更多内容可以参见图2及其相关描述。
26.清洗模块120可以指用于对镀锡后的电路板进行清洗的模块。在一些实施例中，清洗模块120可以包括水洗装置和超声清洗装置。水洗装置可以采用去离子水对电路板进行清洗，降低电路板表面的药液浓度(离子浓度)；超声清洗装置可以进一步对水洗装置水洗过的电路板进行清洗，提高清洗效果。在一些实施例中，水洗装置可以包括水温控制系统，用于接收处理器170发出的控制指令及控制水洗装置中的水温。
27.关于处理器如何控制水温的更多内容参见图2及其相关描述。
28.干燥模块130可以用于对清洗后的电路板进行烘干处理。干燥处理模块130可以包括烘干机、烘干箱等。在一些实施例中，干燥处理模块130与清洗模块120可以通过传送装置机械连接。
29.交互模块140可以用于显示监测模块150输出的监测参数，以及接收用户输入参数。在一些实施例中，交互模块140可以包括触控屏，交互模块140与监测模块150通信连接。在一些实施例中，交互模块可以嵌入到用户终端设备(如手机、平板电脑、手持终端等)中。关于用户输入参数、监测参数的更多内容可以参见图2及其相关描述。
30.监测模块150可以用于获取电路板镀锡生产过程中的监测数据。监测模块150可以
包括至少一组传感器，至少一组传感器可以分别置于镀锡模块110、清洗模块120、干燥处理模块130中。
31.在一些实施例中，监测模块150还可以包括图像获取装置，用于获取电路板的图像数据；处理器170还可以用于：基于图像数据，确定超声清洗装置的超声清洗参数；基于超声清洗参数，控制超声清洗装置对电路板进行清洗。图像获取装置可以分布在除监测模块外的其他各个模块中。图像获取装置可以包括但不限于可见光摄像头、红外热像仪等。
32.在一些实施例中，处理器170还可以用于：基于图像数据，确定电路板不同区域的药液残留系数；基于药液残留系数，确定超声清洗装置的超声清洗参数。
33.关于处理器确定超声波清洗参数、控制超声清洗装置运行的更多内容参见图3、图4及其相关描述。
34.质检模块160可以指用于对电路板进行质量检测的模块。质检模块可以由包括但不限于超声波检测仪、x射线检测仪、离子污染程度测试仪等检测仪器组成。质检模块160可以用于检测清洗模块120清洗后的电路板的至少一个区域的药液残留量。在一些实施例中，质检模块160可以与处理器170机械连接，以接收处理器170发送的指令，对电路板进行质检。
35.在一些实施例中，处理器170还可以用于：基于电路板信息、超声清洗图像，预测电路板的至少一个区域的药液残留风险；响应于药液残留风险满足预设条件，控制质检模块160对电路板进行质检。
36.关于质检模块160对电路板进行质检的更多说明参见图5及其相关描述。
37.处理器170可以用于接收监测模块150的监测数据和/或接收交互模块140的用户输入参数；以及基于监测数据和/或用户输入参数，控制镀锡模块110、清洗模块120、干燥处理模块130、质检模块160中至少一个的运行。在一些实施例中，处理器170可以分别与镀锡模块110、清洗模块120、干燥处理模块130、交互模块140、监测模块150通信连接。关于处理器170基于监测数据和/或用户输入参数，控制镀锡模块110、清洗模块120、干燥处理模块130、质检模块160运行的更多说明参见图2及其相关描述。
38.需要注意的是，以上对于电路板镀锡质量控制系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的镀锡模块110、清洗模块120、干燥处理模块130、交互模块140、监测模块150、质检模块160和处理器170可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
39.图2是根据本说明书一些实施例所示的电路板镀锡质量控制方法的示例性流程图。在一些实施例中，流程200可以由处理器执行。如图2所示，流程200可以包括下述步骤：
40.步骤210，获取监测数据和用户输入参数。
41.监测数据可以指监测模块监测到的与电路板镀锡生产过程相关的数据。例如，监测数据可以包括电路板镀锡时的环境温度、电路板温度、镀锡温度、时间数据、清洗温度、清洗时长、图像数据等。
42.在一些实施例中，处理器可以通过监测模块中分布于其他模块(如镀锡模块、清洗模块、干燥处理模块等)中的至少一组传感器获取监测数据。例如，处理器可以通过设置于清洗模块中的至少一组传感器，获取清洗温度、清洗图像等。在一些实施例中，传感器可以包括但不限于图像传感器、温度传感器等。又例如，处理器可以基于监测模块中分布于其他各个模块的图像获取装置，获取各个模块的图像数据。
43.用户输入参数可以指用户通过交互模块输入的与电路板镀锡相关的参数。例如，用户输入参数可以包括但不限于镀锡质量要求、电路板基础信息、初始镀锡工艺参数等。
44.在一些实施例中，处理器可以通过用户交互模块获取用户输入参数。在一些实施例中，用户可以通过交互模块中的触控屏输入用户输入参数，并发送给处理器。在一些实施例中，用户还可以通过其他方式输入用户输入参数，例如，通过触控屏从交互模块的数据库中选择用户输入参数等，本说明书对此不做限制。
45.步骤220，基于监测数据和/或用户输入参数，控制镀锡模块、清洗模块、干燥处理模块、质检模块中至少一个的运行。
46.在一些实施例中，处理器可以基于监测数据和/或用户输入参数，发送指令到镀锡模块，以控制镀锡模块运行。例如，处理器可以基于获取到的电路板材质信息(如铜的密度)、微蚀液的ph值、氯离子浓度、微蚀温度，确定微蚀时间，控制预处理装置以微蚀时间对电路板进行微蚀。又例如，处理器可以基于获取到的环境温度、电路板温度等数据确定镀锡时间、镀锡温度等，然后对用户输入参数中的镀锡工艺参数(如镀锡时间、镀锡温度)进行调整，控制镀锡装置以调整后的镀锡时间、镀锡温度进行镀锡。其中，镀锡温度可以基于历史数据确定，如基于与当前电路板温度、环境温度相同的电路板镀锡历史数据确定镀锡温度。
47.在一些实施例中，为了对电路板进行镀锡，处理器可以进一步用于：基于历史用户输入参数获取向量数据库，历史用户输入参数可以包括历史用户需求、电路板的历史基础参数；基于向量数据库确定镀锡时间；控制镀锡模块基于镀锡时间对电路板镀锡。
48.向量数据库可以指用于存储历史特征向量的数据库。其中，历史特征向量可以指用于反映历史用户输入参数的特征信息的向量。其中，历史用户输入参数可以包括历史用户需求和电路板的历史基础参数。
49.历史用户需求可以指历史电路板镀锡生产过程中用户对电路板生产的相关需求。例如，历史用户需求可以指用户需要的电路板镀锡数量、镀锡质量要求等。
50.电路板的历史基础参数可以指历史电路板生产过程中电路板的基础信息。例如，电路板的历史基础参数可以包括电路板的材质、厚度、层数等。
51.示例性地，历史特征向量可以表示为((a,b),(c,d,e))，其中，(a,b)中的a和b分别表示镀锡数量和镀锡质量；(c,d,e)中的c、d和e分别表示电路板的材质编号、厚度、层数。
52.在一些实施例中，处理器可以基于多个历史用户输入参数构建多个历史特征向量，组成向量数据库。其中，历史用户输入参数为在电路板历史镀锡生产过程中的用户输入参数。在一些实施例中，多个历史特征向量中的每一个与其对应的历史镀锡时间关联存储。
53.在一些实施例中，处理器可以基于当前用户输入参数构建当前特征向量，以表示当前用户输入参数的特征信息。当前用户输入参数与历史用户输入参数对应，为当前电路板镀锡生产过程中的用户输入参数。当前特征向量的表示形式与历史特征向量的表示形式相同。
54.镀锡时间可以指镀锡装置完成一个电路板镀锡所需的时间。
55.在一些实施例中，处理器可以基于当前特征向量在数据库中检索，确定参考特征向量。例如，处理器可以基于当前特征向量在数据库中检索，将与当前特征向量的向量距离小于距离阈值的历史特征向量确定为参考特征向量。其中，向量距离可以是欧氏距离、余弦距离等，距离阈值可以由系统默认设置或由人工设置。
56.在一些实施例中，处理器可以基于参考特征向量，将与参考特征向量关联存储的历史镀锡时间确定为当前电路板镀锡所需的镀锡时间。在一些实施例中，当存在多个参考特征向量时，处理器可以将与多个参考特征向量对应的多个历史镀锡时间求平均，将平均值确定为当前电路板镀锡所需的镀锡时间。
57.在一些实施例中，处理器可以将镀锡时间发送到镀锡模块，以控制镀锡模块中的镀锡装置基于镀锡时间进行电路板镀锡。
58.本说明书一些实施例，通过向量检索的方式确定镀锡时间，可以基于历史镀锡数据作为参考，提高确定镀锡时间的准确性与合理性。
59.在一些实施例中，处理器可以基于监测数据和/或用户输入参数，发送指令到清洗模块，控制清洗模块运行。
60.例如，处理器可以基于监测获取到的电路板表面的药液残留量、水洗采用的去离子水浓度，确定水洗装置的参数(如水洗时间)，控制水洗装置基于水洗时间对电路板进行水洗。又例如，处理器可以基于监测获取到的电路板的图像数据，确定超声清洗参数，基于超声清洗参数控制超声清洗装置运行。关于确定超声清洗参数的内容可以参见图3及其相关描述。
61.在一些实施例中，处理器可以基于监测数据确定水温控制参数，基于水温控制参数，控制水洗装置中的水温。
62.在一些实施例中，接收处理器发出的控制指令，控制水洗装置中的水温可以包括：基于监测数据确定水温控制参数；监测数据可以包括环境温度、电路板温度，水温控制参数可以包括加热功率和加热时间。
63.其中，监测数据可以为电路板镀锡之后、需要进行水洗之前的环境温度、电路板温度。
64.水温控制参数可以为进行电路板水洗时控制水洗装置的水温的参数。电路板上残留的部分镀锡药液需要通过水洗来清除，不同的水洗温度会影响水洗的效果，因此，在对镀锡后的电路板进行水洗时，需要确定合适的水温控制参数，以保证电路板水洗效果。
65.在一些实施例中，处理器可以基于监测数据中的环境温度、电路板温度，确定水温控制参数。例如，处理器可以基于环境温度、电路板温度，获取历史生产数据中与当前环境温度、电路板温度相同的其他电路板水洗时的历史水温控制参数，作为当前电路板水洗的水温控制参数。又例如，可以提前为不同的环境温度、电路板温度预设对应的水温控制参数并存储，处理器可以直接基于监测数据中的环境温度、电路板温度，从存储数据中获取对应的水温控制参数。
66.本说明书一些实施例，通过确定水洗装置的水温控制参数，可以更加精准的控制水洗装置的加热功率和加热时间，提高电路板的水洗效果。
67.在一些实施例中，处理器可以基于监测数据和用户输入参数确定干燥处理模块的
烘干参数(如烘干温度和烘干时长)，基于烘干参数控制干燥处理模块的运行。其中，烘干参数可以基于预设确定。例如，处理器可以将烘干参数发送到干燥处理模块，控制干燥处理模块对电路板进行烘干处理。其中，电路板为通过传送装置传送过来的基于清洗模块清洗后的电路板。
68.在一些实施例中，处理器可以基于监测数据，发送指令到质检模块，控制质检模块对电路板进行质检。其中，监测数据可以包括电路板的药液残留风险。关于确定药液残留风险的内容可以参见图5及其相关描述。
69.本说明书一些实施例，通过获取电路板镀锡生产各个环节的监测数据和用户输入参数，控制电路板镀锡质量控制系统的各个模块的运行，实现电路板镀锡生产的自动化和智能化；通过对生产过程的实时监测，可以及时发现问题，对生产的工艺参数进行调整，基于实时的监测数据和用户输入参数确定合理的工艺参数，提高电路板镀锡生产质量和生产效率。
70.图3是根据本说明书一些实施例所示的控制超声清洗装置运行的示例性流程图。在一些实施例中，流程300可以由处理器执行。如图3所示，流程300可以包括如下步骤：
71.步骤310，获取图像数据。
72.图像数据可以指与电路板镀锡生产相关的各种电路板图像。例如，图像数据可以包括电路板设计图(线路分布图)、预处理图像、镀锡图像、水洗图像、超声清洗图像、烘干图像、质检图像等。
73.在一些实施例中，图像数据还可以包括电路板在各个镀锡生产过程中的图像，例如，预处理过程中的图像、镀锡过程中的图像等。通过获取镀锡生产过程中的图像，可以及时发现每个过程中可能出现的问题。例如，可以通过预处理过程中的多张图像，确定微蚀时电路板的微蚀程度是否合理，若微蚀程度达到要求时可以及时取出电路板，停止微蚀。
74.在一些实施例中，处理器可以通过图像获取装置获取图像数据。例如，监测模块可以获取设置在镀锡模块、清洗模块、干燥处理模块、质检模块中的图像获取装置，获取各个模块的图像数据，再将获取到的图像数据发送到处理器。关于图像获取装置的内容可以参见图1及其相关描述。
75.在一些实施例中，处理器还可以从交互模块、或交互模块的存储设备中获取图像数据。例如，处理器可以从交互模块中获取用户输入的电路板设计图、或直接从交互模块的存储设备中调取预先存储的电路板设计图。
76.步骤320，基于图像数据，确定超声清洗装置的超声清洗参数。
77.超声清洗参数可以指用于对电路板进行超声清洗的各种参数。例如，超声清洗参数可以包括超声清洗时长、清洗介质、超声频率、超声功率密度等。其中，清洗介质可以指超声清洗时可以加速超声波清洗的介质，包括化学溶剂、水基清洗剂等。
78.在一些实施例中，处理器可以基于水洗图像，确定超声清洗参数。例如，处理器可以基于水洗图像进行图像识别，确定水洗效果，为不同的水洗效果预设对应的超声清洗参数。其中，水洗效果可以用电路板表面的药液残留程度表示，药液残留越少，水洗效果越高。在一些实施例中，处理器可以将水洗图像与预设图像对比，基于相似度确定水洗效果。例如，可以设置多张不同水洗效果的预设图像，将与水洗图像相似度最高的预设图像的水洗效果确定为当前水洗图像的水洗效果。
79.在一些实施例中，处理器可以进一步用于接收图像获取装置获取的水洗图像，水洗图像为基于水洗装置水洗后的电路板图像；处理器可以基于参数确定模型对水洗图像和镀锡时间进行处理，确定超声清洗参数。
80.在一些实施例中，参数确定模型可以是深度神经网络(deep neural networks，dnn)模型、卷积神经网络(convolutional neural networks，cnn)模型、循环神经网络(recurrent neural network，rnn)模型或其他自定义网络中的至少一种及其任意组合。
81.在一些实施例中，参数确定模型的输入可以包括水洗图像和镀锡时间，输出可以包括超声清洗参数。关于镀锡时间的内容可以参见图2及其相关描述。
82.在一些实施例中，参数确定模型可以包括特征提取层和参数确定层；特征提取层可以用于对水洗图像进行处理，确定水洗图像特征；参数确定层可以用于对水洗图像特征、镀锡时间进行处理，确定超声清洗参数。
83.图4是根据本说明书一些实施例所示的基于参数确定模型确定超声清洗参数的示例性示意图。如图4所示，参数确定模型可以包括特征提取层420和参数确定层450。在一些实施例中，特征提取层420的网络结构可以为cnn；参数确定层450的网络结构可以为dnn。
84.在一些实施例中，如图4所示，特征提取层420的输入可以包括水洗图像410，输出可以包括水洗图像特征430；参数确定层450的输入可以包括水洗图像特征430和镀锡时间440，输出可以包括超声清洗参数460。
85.其中，水洗图像特征430可以指可以反映水洗图像的尺寸、线路分布、水洗效果等信息的数据。关于水洗图像410、超声清洗参数460的内容可以参见图3及其相关描述；关于镀锡时间440的内容可以参见图2及其相关描述。
86.在一些实施例中，参数确定模型可以通过联合训练特征提取层420和参数确定层450获取。在一些实施例中，训练参数确定模型的第一训练样本可以是样本水洗图像和样本镀锡时间。在一些实施例中，处理器可以从历史清洗数据中获取超声清洗效果达到标准要求的数据对应的历史水洗图像和历史镀锡时间，作为第一训练样本。其中，标准要求可以由系统默认设置。第一标签可以是第一训练样本对应的实际超声清洗参数，可以从历史清洗数据中获取。
87.在一些实施例中，处理器可以将样本水洗图像输入初始特征提取层，得到初始水洗图像特征，将初始水洗图像特征和样本镀锡时间输入初始参数确定层，得到初始超声清洗参数。处理器可以基于初始超声清洗参数和第一标签构建损失函数，基于损失函数同步更新初始特征提取层和初始参数确定层，通过参数更新，获取训练好的参数确定模型。
88.本说明书一些实施例，通过参数确定模型确定超声清洗参数，可以利用机器学习模型的自学习能力，学习到超声清洗参数与水洗图像、镀锡时间的关系，提高确定超声清洗参数的准确性和效率；通过为参数确定模型设置不同的层，分别处理不同的数据，可以提高数据处理效率，提高预测准确性。
89.在一些实施例中，基于图像数据，确定超声清洗装置的超声清洗参数可以包括：基于图像数据，确定电路板不同区域的药液残留系数；基于药液残留系数，确定超声清洗装置的超声清洗参数。
90.药液残留系数可以指用于表征药液在电路板中残留程度的参数。例如，药液残留系数可以通过百分比表示，10％表示药液在电路板中残留程度为10％。
91.在一些实施例中，处理器可以基于图像数据确定电路板上不同区域线路复杂程度；基于不同区域线路复杂程度和药液参数(如药液浓度)，确定药物残留系数。其中，图像数据为镀锡图像。例如，处理器可以基于历史图像数据确定不同线路复杂程度的电路板区域的历史药液残留系数，并将与当前图像数据不同区域的线路复杂程度相同的历史图像数据对应的历史药液残留系数，确定为当前图像数据对应区域的药液残留系数。其中，历史药液残留系数可以在历史生产过程中通过离子污染程度测试仪检测确定。
92.在一些实施例中，处理器可以基于药液残留系数，确定超声清洗参数。例如，处理器可以提前为不同药液残留系数的电路板预设超声清洗参数。在一些实施例中，同一电路板上不同区域的药液残留系数不同，所需超声清洗参数不同，处理器可以基于多个超声清洗参数，将多个超声清洗参数的平均值、最大值等确定为最终的超声清洗参数。
93.本说明书一些实施例，通过确定药液残留系数，再基于药液残留系数确定超声清洗参数，可以提高超声清洗参数的准确性，提高电路板清洗效果。
94.在一些实施例中，处理器可以进一步用于根据药液残留系数，调整超声清洗参数；超声清洗参数的调整幅度与药液残留系数正相关。
95.在一些实施例中，处理器可以基于药液残留系数对应的调整幅度，对超声清洗参数进行调整。例如，当药液残留系数大于当前超声清洗参数对应的药液残留系数时，处理器可以基于调整幅度将超声清洗参数调高。
96.在一些实施例中，对超声清洗参数进行调整还可以包括：基于调整幅度，对基于参数确定模型确定的超声清洗参数进行调整。关于基于参数确定模型确定的超声清洗参数的内容可以参见图4及其相关描述。
97.其中，调整幅度可以指调整超声清洗参数的幅度。例如，调整幅度可以包括调整超声清洗时长的时长幅度、调整超声功率的功率幅度等。
98.在一些实施例中，处理器可以基于药液残留系数确定调整幅度。药液残留系数越高，调整幅度越大。
99.本说明书一些实施例，通过药液残留系数确定调整幅度，并基于调整幅度对超声清洗参数进行调整，可以基于实际的电路板药液残留情况，确定合理的超声清洗参数，提高清洗效率和清洗效果。
100.在一些实施例中，处理器还可以进一步用于：基于预设公式确定调整幅度。
101.预设公式可以指预设的用于确定调整幅度的公式。
102.在一些实施例中，处理器可以基于药液残留系数，通过预设公式确定调整幅度。具体地，预设公式如下：其中，r表示调整幅度，x为药液残留系数，α为预设系数，e为自然常数(欧拉数)，t为预设的药液残留系数阈值，h为预设的超声清洗参数的最大限值。当r表示超声清洗时长时的调整幅度时，h为预设的超声清洗时长的最大值，处理器可以基于药液残留系数x，通过预设公式调整超声清洗时长的调整幅度；当r表示超声功率的调整幅度时，h为预设的超声功率的最大值，处理器可以基于药液残留系数x，通过预设公式确定超声功率的调整幅度。
103.本说明书一些实施例，通过预设公式确定调整幅度，可以避免在药液残留系数太
大时，导致较大的超声清洗参数，提高确定超声清洗参数的合理性和可行性，避免过大的超声清洗参数对电路板造成损伤。
104.步骤330，基于超声清洗参数，控制超声清洗装置对电路板进行清洗。
105.在一些实施例中，处理器可以将调整后的超声清洗参数发送到超声清洗装置，控制超声清洗装置对电路板进行清洗。
106.本说明书一些实施例，通过确定超声清洗参数，并基于超声清洗参数控制超声清洗装置的运行，可以提高对电路板进行超声清洗的效果和效率。
107.在一些实施例中，处理器还可以用于：接收图像获取装置获取的图像数据，图像数据可以包括预处理图像、镀锡图像、预处理参考图、镀锡参考图；基于图像数据获取电路板信息；基于对比模型对预处理图像、镀锡图像、预处理参考图、镀锡参考图、电路板信息进行处理，确定预处理效果和镀锡效果。
108.预处理图像可以指经过预处理后的电路板图像。镀锡图像可以指经过镀锡之后的电路板图像。在一些实施例中，处理器可以基于设置于镀锡模块的图像获取装置获取预处理图像和镀锡图像。
109.预处理参考图可以指可以用于参考的历史预处理图像。镀锡参考图可以指可以用于参考的历史镀锡图像。在一些实施例中，预处理参考图可以包括多张不同预处理效果的参考图，镀锡参考图可以包括多张不同镀锡效果的参考图。例如，预处理参考图可以包括多张预处理效果很好(如，90分以上)、较好(如，80分以上90分以下)、一般(如，60分以上80分以下)、较差(如，60分以下)的历史预处理图像。同样的，镀锡参考图也可以包括多张镀锡效果很好、较好、一般、较差的历史镀锡图像。
110.在一些实施例中，处理器可以从电路板镀锡生产历史数据中获取预处理参考图和镀锡参考图。在一些实施例中，每一张预处理参考图与对应的预处理效果关联、每一张镀锡参考图与对应的镀锡效果关联。
111.电路板信息可以指可以反映电路板特征的信息。例如，电路板信息可以包括电路板类型、尺寸、线路分布情况等。
112.在一些实施例中，处理器可以基于图像数据在预设数据库中检索，确定电路板信息，预设数据库可以指预设的用于存储与电路板镀锡相关的数据和/或信息的数据库。例如，处理器可以基于图像数据，在预设数据库中获取与当前图像数据满足相似度要求的参考图像，从参考图像对应的电路板设计资料中获取电路板信息。
113.在一些实施例中，处理器可以基于对比模型对预处理图像、镀锡图像、预处理参考图、镀锡参考图、电路板信息进行处理，确定预处理效果和镀锡效果。
114.在一些实施例中，对比模型的网络结构可以包括cnn，dnn，rnn或其他自定义网络中的至少一种或其任意组合。
115.在一些实施例中，处理器可以每次将预处理图像和一张预处理参考图、电路板信息输入对比模型，通过对比模型确定预处理对比结果，其中，预处理对比结果可以为符合或不符合。在一些实施例中，对比模型通过多次对比处理，可以确定多个预处理对比结果。
116.在一些实施例中，处理器可以基于多个预处理对比结果，确定预处理效果。例如，处理器可以基于预处理对比结果，确定预处理图像与每一种效果(很好、较好、一般、较差)的预处理参考图的对比结果为符合的占比，将占比最大的预处理参考图对应的效果确定为
当前预处理效果。示例性地，假设多个预处理对比结果中，预处理图像与80％的效果较好的预处理参考图相符合，与5％的效果一般的预处理参考图相符合，与1％的效果较差的预处理参考图相符合，则处理器可以将预处理效果确定为较好。
117.其中，预处理对比结果可以指对比模型基于预处理图像、预处理参考图和电路板信息确定的电路板预处理的对比情况；预处理效果可以指电路板的预处理质量效果。
118.在一些实施例中，与确定预处理效果类似，对比模型通过多次对比处理，可以获得多个镀锡对比结果，镀锡对比结果可以为符合或不符合。
119.在一些实施例中，处理器可以基于多个镀锡对比结果，确定镀锡效果。具体确定镀锡效果的方法与确定预处理效果的方法类似，在此不再赘述。
120.其中，镀锡对比结果可以指对比模型基于镀锡图像、镀锡参考图和电路板信息确定的电路板镀锡的对比情况；镀锡效果可以指电路板镀锡的质量效果。
121.通过将电路板信息作为对比模型的输入，可以根据不同的电路板信息(如不同的线路复杂程度)确定更符合实际的预处理效果或镀锡效果。对于电路板信息中线路复杂程度高的输入数据，对比模型输出的对比结果具有更高的容忍度。例如，线路复杂程度低的电路板，可能预处理图像和预处理参考图的相似度达到90分，对比模型才输出对比结果为符合；而线路复杂程度高的电路板，可能相似度达到85分对比模型就判定对比结果为符合。
122.在一些实施例中，对比模型可以通过训练获取。在一些实施例中，训练对比模型的第二训练样本可以包括多组训练数据，其中，每一组训练数据可以包括样本预处理图像、样本预处理参考图像和样本电路板信息(或样本镀锡图像、样本镀锡参考图和样本电路板信息)。在一些实施例中，处理器获取第二训练样本的方式可以是：从电路板历史镀锡生产数据中获取历史电路板信息作为样本电路板信息；获取多张历史实际预处理图像(或历史实际镀锡图像)，从多张历史实际预处理图像(或历史实际镀锡图像)中随机选取部分图像作为样本预处理图像(或样本镀锡图像)，剩余图像作为样本预处理参考图(或样本镀锡参考图)。
123.在一些实施例中，训练对比模型的第二标签可以是0或1，0代表对比结果为不符合，1代表对比结果为符合。其中，当第二训练样本为一组样本预处理图像、样本预处理参考图像和样本电路板信息时，第二标签为样本预处理图像与样本预处理参考图的对比结果(0或1)；当第二训练样本为一组样本镀锡图像、样本镀锡参考图和样本电路板信息时，第二标签为样本镀锡图像和样本镀锡参考图的对比结果(0或1)。第二标签可以通过人工标注获取。
124.在一些实施例中，处理器可以将第二训练样本输入初始对比模型，得到初始对比结果(初始预处理对比结果或初始镀锡对比结果)，基于初始对比结果和第二标签构建损失函数；利用损失函数更新初始对比模型的参数，通过参数更新，获取训练好的对比模型。
125.本说明书一些实施例，通过对比模型确定预处理效果和镀锡效果，可以提高确定预处理效果和镀锡效果的准确性和效率，及时对预处理效果或镀锡效果不达标的电路板进行处理，提高镀锡质量。
126.应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
127.图5是根据本说明书一些实施例所示的基于药液残留风险进行质检的示例性流程图。在一些实施例中，流程500可以由处理器执行。如图5所示，流程500可以包括如下步骤：
128.在一些实施例中，质检模块可以用于检测清洗模块清洗后的电路板的至少一个区域的药液残留量。其中，药液残留量可以指电路板表面残留的药液量。
129.步骤510，获取电路板信息和图像数据，图像数据包括超声清洗图像。
130.在一些实施例中，处理器可以基于监测模块获取图像数据，关于如何获取图像数据的内容可以参见图2及其相关描述。在一些实施例中，处理器可以基于图像数据获取电路板信息，关于基于图像数据获取电路板信息的内容可以参见图3及其相关描述。
131.在一些实施例中，图像数据可以包括超声清洗图像。超声清洗图像可以指基于超声清洗装置清洗后的电路板图像。
132.步骤520，基于电路板信息、超声清洗图像，预测电路板的至少一个区域的药液残留风险。
133.药液残留风险可以指电路板不同区域药液残留的风险。线路复杂程度高的区域药液残留风险大。药液残留风险可以通过数字表示，数值越大，风险越高。
134.在一些实施例中，处理器可以基于电路板信息和超声清洗图像，预测电路板的至少一个区域的药液残留风险。例如，处理器可以通过电路板信息，将超声清洗图像划分为不同的区域图像，将划分后的区域图像中的每一个与多个历史区域图像对比，确定与当前区域图像相似度(如颜色相似度)最高的历史区域图像。处理器可以将该相似度最高的历史区域图像对应的历史药液残留风险，确定为当前区域图像的药液残留风险。其中，历史区域图像可以基于历史超声清洗图像划分得到；历史药液残留风险可以通过历史检测数据(如离子污染程度测试仪检测的数据)确定。
135.在一些实施例中，药液残留风险可以基于风险预测模型确定。风险预测模型可以包括特征提取层和风险预测层。在一些实施例中，风险预测模型可以与参数确定模型共用特征提取层。特征提取层可以用于对超声清洗图像进行处理，确定超声清洗图像特征。风险预测层可以用于对电路板信息、超声清洗图像特征进行处理，确定药液残留风险。
136.风险预测模型可以为机器学习模型。例如，风险预测模型可以是深度神经网络(deep neural networks，dnn)模型、卷积神经网络(convolutional neural networks，cnn)模型、循环神经网络(recurrent neural network，rnn)模型或其他自定义模型中的至少一种及其任意组合。
137.图6是根据本说明书一些实施例所示的基于风险预测模型预测药液残留风险的示例性示意图。如图6所示，风险预测模型可以包括特征提取层620和风险预测层650。在一些实施例中，特征提取层620的网络结构可以是cnn，风险预测层650的网络结构可以是dnn。
138.在一些实施例中，特征提取层620的输入可以包括超声清洗图像610，输出可以包括超声清洗图像特征630。在一些实施例中，风险预测层650的输入可以包括超声清洗图像特征630和电路板信息640，输出可以包括药液残留风险660。其中，超声清洗图像特征630可以指可以反映超声清洗图像610的特征(如，表面形貌、纹理、颜色等)的数据。关于超声清洗图像610和药液残留风险660的更多说明可以参见图5及其相关描述；关于电路板信息640的更多内容可以参见图3及其相关描述。
139.在一些实施例中，风险预测模型可以通过训练获取。
140.在一些实施例中，训练风险预测模型的第三训练样本可以包括样本超声清洗图像和样本电路板信息；第三标签可以包括第三训练样本对应的历史药液残留风险。在一些实施例中，第三训练样本可以根据历史清洗数据获取，历史清洗数据包括历史超声清洗图像和历史电路板样本信息；第三标签可以通过离子污染浓度测试仪对历史超声清洗图像的历史检测数据确定。例如，处理器可以基于离子污染浓度测试仪检测的历史药液残留量，为不同的历史药液残留量确定对应的药液残留风险(等级)，作为第三标签。
141.在一些实施例中，处理器可以将样本超声清洗图像输入特征提取层，得到超声清洗图像特征，特征提取层为参数确定模型中训练好的；将超声清洗图像特征和样本电路板信息输入初始风险预测层，得到初始风险预测层输出的初始药液残留风险。基于第三标签和初始药液残留风险构建损失函数；利用损失函数更新初始风险预测层的参数。通过参数更新，得到训练好的风险预测层。基于训练好的特征提取层和风险预测层确定风险预测模型。
142.本说明书一些实施例通过风险预测模型对超声清洗图像和电路板信息进行处理，可以利用机器学习模型的自学习能力，从大量电路板生产数据中找到规律，获取到药液残留风险与电路板信息之间的关联关系，提高确定药液残留风险的准确度和效率；风险预测模型与参数确定模型共用特征提取层，可以提高风险预测模型的训练效率。
143.步骤530，响应于药液残留风险满足预设条件，控制质检模块对电路板进行质检。
144.预设条件指预先设置的药液残留风险需要满足的条件。例如，预设条件可以为药液残留风险大于等于某个风险阈值。在一些实施例中，预设条件可以由系统默认设置，也可以由用户预先设置确定。
145.在一些实施例中，当药液残留风险满足预设条件时，处理器可以发送指令到质检模块，控制质检模块对电路板、或电路板特定区域进行质检，以确定电路板的药液残留情况。例如，处理器可以发送指令到质检模块的粒子污染程度测试仪，控制其对电路板、或电路板特定区域的离子浓度进行检测。
146.本说明书一些实施例通过预测电路板的药液残留风险，可以避免对所有电路板进行质检，而只针对药液残留风险较大的电路板或电路板区域进行质检，从而提高质检效率、降低成本；通过获取电路板信息和图像数据，可以更全面地了解电路板的情况，结合超声清洗图像可以更准确地预测药液残留风险，从而提高质检准确性。
147.应当注意的是，上述有关流程500的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程500进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
148.本说明书实施例还提供一种电路板镀锡质量控制装置，装置包括至少一个存储介质和至少一个处理器，至少一个存储介质用于存储计算机指令；至少一个处理器用于执行计算机指令以实现本说明书实施例中任一项所述的电路板镀锡质量控制方法。
149.本说明书实施例还提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机指令被计算机执行时，实现本说明书实施例中任一项所述的电路板镀锡质量控制方法。
150.本说明书实施例可能带来的有益效果包括但不限于：(1)通过获取电路板镀锡生产各个环节的监测数据和用户输入参数，控制电路板镀锡质量控制系统的各个模块的运
行，实现电路板镀锡生产的自动化和智能化；通过对生产过程的实时监测，可以及时发现问题，对生产的工艺参数进行调整，基于实时的监测数据和用户输入参数确定合理的工艺参数，提高电路板镀锡生产质量和生产效率；(2)通过基于图像数据(如水洗图像)确定超声清洗参数，并基于超声清洗参数控制超声清洗装置的运行，可以提高对电路板进行超声清洗的效果和效率，提高电路板镀锡质量；(3)通过预测电路板的药液残留风险，可以避免对所有电路板进行质检，而只针对药液残留风险较大的电路板或电路板区域进行质检，从而提高质检效率、降低成本。
151.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
152.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
153.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
154.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
155.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
156.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、
定义和/或术语的使用为准。
157.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

技术特征：
1.一种电路板镀锡质量控制系统，其特征在于，所述系统包括镀锡模块、清洗模块、干燥处理模块、交互模块、监测模块和处理器；所述镀锡模块包括预处理装置和镀锡装置，分别用于对电路板进行微蚀和镀锡；所述清洗模块包括水洗装置和超声清洗装置，其中，所述水洗装置包括水温控制系统，用于接收所述处理器发出的控制指令及控制所述水洗装置中的水温；所述干燥处理模块与所述清洗模块通过传送装置机械连接，用于对清洗后的电路板进行烘干处理；所述监测模块包括至少一组传感器，所述至少一组传感器分别置于所述镀锡模块、所述清洗模块、所述干燥处理模块中，用于获取监测数据；所述交互模块包括触控屏，与所述监测模块通信连接，用于显示所述监测模块输出的所述监测数据，以及接收用户输入参数；所述处理器分别与所述镀锡模块、所述清洗模块、所述干燥处理模块、所述交互模块、所述监测模块通信连接，用于：接收所述监测模块的所述监测数据和/或接收所述交互模块的所述用户输入参数；以及基于所述监测数据和/或所述用户输入参数，控制所述镀锡模块、所述清洗模块、所述干燥处理模块中至少一个的运行。2.根据权利要求1所述的系统，其特征在于，所述监测模块还包括图像获取装置，用于获取所述电路板的图像数据；所述处理器还用于：基于所述图像数据，确定所述超声清洗装置的超声清洗参数；基于所述超声清洗参数，控制所述超声清洗装置对所述电路板进行清洗。3.根据权利要求2所述的系统，其特征在于，所述基于所述图像数据，确定所述超声清洗装置的超声清洗参数包括：基于所述图像数据，确定所述电路板不同区域的药液残留系数；基于所述药液残留系数，确定所述超声清洗装置的所述超声清洗参数。4.根据权利要求1所述的系统，其特征在于，所述系统还包括质检模块，所述质检模块与所述处理器通信连接，用于检测所述清洗模块清洗后的所述电路板的至少一个区域的药液残留量；所述处理器还用于：基于电路板信息、超声清洗图像，预测所述电路板的所述至少一个区域的药液残留风险；响应于所述药液残留风险满足预设条件，控制所述质检模块对所述电路板进行质检。5.一种电路板镀锡质量控制方法，其特征在于，所述方法由电路板镀锡质量控制系统的处理器执行，所述系统包括镀锡模块、清洗模块、干燥处理模块、交互模块、监测模块、质检模块和所述处理器；其中，所述镀锡模块包括预处理装置和镀锡装置；所述清洗模块包括水洗装置和超声清洗装置；所述方法包括：获取监测数据和用户输入参数；
基于所述监测数据和/或所述用户输入参数，控制所述镀锡模块、所述清洗模块、所述干燥处理模块、所述质检模块中至少一个的运行。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：获取图像数据；基于所述图像数据，确定所述超声清洗装置的超声清洗参数；基于所述超声清洗参数，控制所述超声清洗装置对所述电路板进行清洗。7.根据权利要求6所述的方法，其特征在于，所述基于所述图像数据，确定所述超声清洗装置的超声清洗参数包括：基于所述图像数据，确定所述电路板不同区域的药液残留系数；基于所述药液残留系数，确定所述超声清洗装置的所述超声清洗参数。8.根据权利要求5所述的方法，其特征在于，所述质检模块用于检测所述清洗模块清洗后的所述电路板的至少一个区域的药液残留量；所述方法还包括：获取电路板信息和图像数据，所述图像数据包括超声清洗图像；基于所述电路板信息、所述超声清洗图像，预测所述电路板的所述至少一个区域的药液残留风险；响应于所述药液残留风险满足预设条件，控制所述质检模块对所述电路板进行质检。9.一种电路板镀锡质量控制装置，其特征在于，所述装置包括至少一个存储器和至少一个处理器，所述至少一个存储器用于存储计算机指令，所述至少一个处理器执行所述计算机指令或部分指令，以实现权利要求5-8中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取所述计算机指令时，所述计算机执行如权利要求5-8中任一项所述的方法。

技术总结
本说明书实施例提供一种电路板镀锡质量控制系统及方法，该方法由电路板镀锡质量控制系统的处理器执行，包括：获取监测数据和用户输入参数；基于监测数据和/或用户输入参数，控制镀锡模块、清洗模块、干燥处理模块、质检模块中至少一个的运行。中至少一个的运行。中至少一个的运行。


技术研发人员：黎育民 邱国晟 翁志锋
受保护的技术使用者：赣州市超跃科技有限公司
技术研发日：2023.05.23
技术公布日：2023/10/6