深圳自动AOI原理

本系统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（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。画面显示：1、主图画面都有显示器件框，便于观察器件是否被识别；2、根据底板颜色可以自由选择器件框颜色；3、可依据客户需求，自由定义器件中文名；4、不良器件图静态显示；程序制作灵活性：1、无需设置参数；2、在线抓拍首件板系统辅助做程序，且支持持续补充学习，学习后自动建模比例更高（80%+）；---自动框图器件种类多（60+），比例高。3、支持中文、英文、中英文混合输入；4、批量复制、粘贴、剪切、删除等支持快捷键操作。---硬件条件和安装尺寸不发生变化。 要选择一台适合自己AOI产品，我们首先要先了解AOI的基本架构和组成。深圳自动AOI原理

关于元件长度公差，不同的组件供应商、电路板和无铅焊料的供应商都不可能没有任何直接的影响。优良的AOI程序应该能够应付这些这影响。如果这些个别点的变化可以保持不变，那么就能够相当大地简化AOI编程。经研究得到的结论是，由于无铅产生的影响，图形对照系统无法得到适合的检查结果，这是因为合格的样品变化太大。更加可行的方法是，取出确定每道工艺和元件变化的特性。这些变化可以分成不同的等级。如果在现在使用的工艺中，出现了一个新的变化，就要增加一个级别，来保证检查的精确性。所有认识到的和已知的缺陷都储存起来，他们的类型和图片可以用于AOI系统和全球数据库里的检查程序。我们没有必要把一块不同缺陷的电路板保存起来用于详细的检查。上海自动AOI检测仪一般都将离线AOI检测设备设置在生产线的中段，在这个位置，设备可以产生的过程控制信息。

基本的AOI技术包含下列子系统：高速高精度XY方向的运动控制系统;机械光学系统;高精度高可靠性图像采集系统;智能图像识别与错误检测系统。这些子系统构成了一个与多维测量和错误检测密切相关的设备。注意到AOI识别是机器视觉在印刷电路板领域的具体应用，换言之，印刷电路板的缺陷检测实质上是属于模式识别的范畴。它将PCB上的不同缺陷视为不同的模式类，从采集到的图像信号中提取和选择特征，根据特征向量构造判别函数，进行缺陷分类，即模式识别。识别算法的好坏直接影响到智能图像识别系统的性能，进而影响整个AOI系统的性能。从机器视觉的发展来看，目前在AOI上面至少可以完整地应用以下的视觉识别算法。

运用高速高精度视觉处理技术自动检测PCB板上各种不同帖装错误及焊接缺陷。PCB板的范围可从细间距高密度板到低密度大尺寸板，并可提供在线检测方案，以提高生产效率，及焊接质量。通过使用AOI作为减少缺陷的工具，在装配工艺过程的早期查找和消除错误以实现良好的过程控制。早期发现缺陷将避免将坏板送到随后的装配阶段，AOI将减少修理成本将避免报废不可修理的电路板。自动光学检查（AOI为工业自动化有效的检测方法，使用机器视觉做为检测标准技术，大量应用于LCD/TFT、晶体管与PCB工业制程上，在民生用途则可延伸至保全系统。自动光学检查是工业制程中常见的代表性手法，利用光学方式取得成品的表面状态，以影像处理来检出异物或图案异常等瑕疵，因为是非接触式检查，所以可在中间工程检查半成品。AOI是较近才兴起的一种新型测试技术，但发展迅速，很多厂家都推出了AOI测试设备。以SMT检测为例，当自动检测时，机器通过摄像头自动扫描PCB，采集图像，测试的焊点与数据库中的合格的参数进行比较，经过图像处理，检查出PCB上缺陷，并通过显示器或自动标志把缺陷显示/标示出来，供维修人员修整。取而代之的是自动检测技术，其在生产中承担着重要的角色。对于装配过程中错误的前期查找、消除起关键作用。

当前电子产品日渐向着小型化趋势发展，对产品元器件的微型化要求也越来越高，微型器件的组装和检测难以只通过人工完成，由此产生越来越多的自动检测设备需求。与此同时，自动检测设备还能够健身制造成本、提升产品质量，AOI检测设备代替人工的进程发展较快。在此背景下，中国自动光学检测行业逐步发展起来。从AOI检测设备来看，目前AOI检测设备是SMT加工厂必备的设备，平均一条SMT生产线至少需要2-3台AOI检测设备，但我国AOI检测设备的渗透率较低，只为50%左右。 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。3dAOI检测设备

现市面上的AOI的制程分调试型和学习型两种。深圳自动AOI原理

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。 深圳自动AOI原理

深圳爱为视智能科技有限公司汇集了大量的优秀人才，集企业奇思，创经济奇迹，一群有梦想有朝气的团队不断在前进的道路上开创新天地，绘画新蓝图，在广东省等地区的机械及行业设备中始终保持良好的信誉，信奉着“争取每一个客户不容易，失去每一个用户很简单”的理念，市场是企业的方向，质量是企业的生命，在公司有效方针的领导下，全体上下，团结一致，共同进退，**协力把各方面工作做得更好，努力开创工作的新局面，公司的新高度，未来深圳爱为视智能科技供应和您一起奔向更美好的未来，即使现在有一点小小的成绩，也不足以骄傲，过去的种种都已成为昨日我们只有总结经验，才能继续上路，让我们一起点燃新的希望，放飞新的梦想！