北京新一代AOI光学检测仪

AIVS-D系列在线PCBA插件AOI通过1200或2000万高分辨率的工业相机，从电子电路板顶面拍照，通过AI人工技术，深度学习算法、智能图像分析，检测电子电路板上插件元器件的缺件、多件、偏移、反向、错件、浮高、OCV(文字识别）、可支持测试色环电阻错料。本插件AOI设备可应用于波峰焊炉前或炉后，应用在炉后时，可自动检测板卡的旋转角度，保证元件的检测正确性和稳定性。AIVS-D系列在线PCBA插件AOI采用的卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的表示算法之一。卷积神经网络仿造生物的视知觉（visualperception）机制构建，可以进行监督学习和非监督学习。作为图像识别领域的算法之一，卷积神经网络在学习数据充足时有稳定的表现。针对本系统所处理的大规模图像分类问题，卷积神经网络将用于提取图像的判别特征，再通过分类器进行学习和识别。 目前常用的图像识别算法为灰度相关算法，通过计算归一化的相关来量化检测图像和标准图像之间的相似程度。北京新一代AOI光学检测仪

随着计算机的快速发展，AOI也采用了目前许多成熟的图像分析技术，包括模板匹配法(或自动对比)、边缘检测法、特征提取法(二值图)、灰度直方图法、傅里叶分析法、光学特征识别法等，每个技术都有优势和局限。模板比较法通过获得物体图像，如片状电容或QFP，并用该信息产生一个刚性的基于像素的模板。在检测位置的附近，传感器找出相同的物体。当相关区域中所有点进行评估之后，找出模板与图像之间有Z小差别的位置停止搜寻。AOI系统为每个要检查的物体产生这种模板，通过在不同位置使用相应模板，建立对整个板的检查程序，来查找所有要求的元件。但是由于元件检测图像很少完全匹配模板，所以用两种方法来解决这个问题：可以用一定数量的容许误差来确认匹配的，如果模板太僵硬，可能产生对元件的“误报”;如果模板松散到接受大范围的可能变量，也会导致“漏报”;可以根据同类的众多良品进行标准模板的计算，或者叫“特征元件”，这样可以Zda限度提取该类元件的共性特征，从而降低误报率。深圳智能AOI测试在线AOI光学检测是一种连接网络来对产品进行检测的一种方式，这种检测模式解决需要将产品进行送检的麻烦。

AOI图像采集的一个关键步骤是控制系统，光电传感器的FOV（视窗）有限，物体高速运动中准确地抓拍到清晰的图像，软硬件协调动作非常重要，如下图所示，当图像传感器与机台移动速度不匹配时造成图像的拉伸，收缩等变形，所以，载物移动平台XY方向移动与图像采集光电传感器的同步移动影响到数据的准确，要在固定光照，等间距下拍摄一幅清晰的图像，高精度的导轨，电机和运动控制程序是非常必要的。在AOI检测中，噪声是造成图像退化的因素之一，起因是AOI图像获取，传输过程中，外界杂散光，光电二极管电子噪声及温度，光源的不稳定不均匀，机械系统的抖动，传感器温度等原因导致，不可避免的使得图像因含有噪音而变得模糊。给图像识别，图像切割等后续处理工作带来了困难。因此，为了获得真实的图像信息，除去噪声的滤波处理必不可少。

AOI检测原理是采用摄像技术将被检测物体的反射光强以定量化的灰阶值输出，通过与标准图像的灰阶值进行比较，分析判定缺陷并进行分类的过程。与人工检查做一个形象的比喻，AOI采用的普通LED或特殊光源相当于人工检查时的自然光，AOI采用的光学传感器和光学透镜相当于人眼，AOI的图像处理与分析系统就相当于人脑，即“看”与“判”两个环节。因此，AOI检测的工作逻辑可以简单地分为图像采集阶段（光学扫描和数据收集），数据处理阶段（数据分类与转换），图像分析段（特征提取与模板比对）和缺陷报告阶段四个阶段（缺陷大小类型分类等）。为了支持和实现AOI检测的上述四个功能，AOI设备的硬件系统也就包括工作平台，成像系统，图像处理系统和电气系统四个部分，是一个集成了机械，自动化，光学和软件等多学科的自动化设备。AOI的光学图像系通常CCD线阵相机、聚集镜头、卤素或LED灯光源及图像采集卡等组成。

图像采集阶段（光学扫描和数据收集）AOI的图像采集系统主要包括光电转化摄影系统，照明系统和控制系统三个部分。因为摄影得到的图像被用于与模板做对比，所以获取的图像信息准确性对于检测结果非常重要，可以想象一下，如果图像采集器看不清楚或看不到被检测物体的特征点，那么也就无法谈到准确的检出。下面我们对光电转化摄影系统，照明系统和控制系统三个部分逐一分析介绍。首先，光电转化摄影系统指的是光电二极管器件和与之搭配的成像系统。是获得图像的”眼睛”,原理都是光电二极管接受到被检测物体反射的光线，光能转化产生电荷，转化后的电荷被光电传感器中的电子元件收集，传输形成电压模拟信号。二极管吸收光线强度不同时生成的模拟电压大小不同，依次输出模拟电压值被转化为数字灰阶0-255值，灰阶值反映了物体反射光的强弱，进而实现识别不同被检测物体的目的。 现市面上的AOI的制程分调试型和学习型两种。深圳智能AOI

AOI通过人工光源LED灯光代替自然光，光学透镜和CCD代替人眼，已经编好程的标准进行比较、分析和判断。北京新一代AOI光学检测仪

AOI技术向智能化方向发展是SMT发展带来的必然要求。在SMT的微型化、高密度化、快速组装化、品种多样化发展特征下，检测信息量大而复杂，无论是在检测反馈实时性方面，还是在分析、诊断的正确性方面，依赖人工对AOI获取的质量信息进行分析、诊断几乎已经不可能，代替人工进行自动分析、诊断的智能AOI技术成为发展的必然。对各种缺陷的特征提取和缺陷识别与分类进行研究;针对高密度PCB视觉检测系统中要检测的缺陷细小，缺陷的种类繁多，特征不易确定等问题，对于各种不同缺陷的特征提取技术和各种分类方式进行研究，采用机器学习的方法，设计不同的分类器，并对不同分类器的分类效果和误差进行比较和分析，采用优化的分类器可以实现对缺陷的快速检出和准确分类，并尽可能地提高分类器的智能化水平。北京新一代AOI光学检测仪

深圳爱为视智能科技有限公司是一家有着先进的发展理念，先进的管理经验，在发展过程中不断完善自己，要求自己，不断创新，时刻准备着迎接更多挑战的活力公司，在广东省等地区的机械及行业设备中汇聚了大量的人脉以及**，在业界也收获了很多良好的评价，这些都源自于自身不努力和大家共同进步的结果，这些评价对我们而言是比较好的前进动力，也促使我们在以后的道路上保持奋发图强、一往无前的进取创新精神，努力把公司发展战略推向一个新高度，在全体员工共同努力之下，全力拼搏将共同深圳爱为视智能科技供应和您一起携手走向更好的未来，创造更有价值的产品，我们将以更好的状态，更认真的态度，更饱满的精力去创造，去拼搏，去努力，让我们一起更好更快的成长！