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。 软件辅助建模:极速建模,一键智能搜索80多种器件。东莞智能AOI检测
AOI的工作方式与SMT加工当中SPI和印刷机中使用的视觉系统相同,通常使用设计规则检查(DRC)和模式识别。DRC方法根据一些给定的规则检查电路图形(所有的线应该在焊点处结束,所有的引线应该至少,所有的引线应该至少,等等)。该方法能从算法上保证待测电路的正确性,且具有制作简单、算法逻辑简单、处理速度快、程序编辑量小、数据占用空间小等特点,因此被很多人采用。但该方法确定边界的能力较差。图形识别方法是将存储的数字图像与实际图像进行比较。根据完整的印刷电路板或根据模型建立的检验文件进行检验,或根据计算机轴辅助设计中编制的检验程序进行检验。其准确性取决于所采用的发牌率和检验程序,一般与电子测试系统相同,但采集的数据量大,对数据的实时处理要求较高。模式识别方法利用实际设计数据代替DRC中已建立的设计原则,具有明显的优势。东莞炉前AOI检测仪采用高分辨率工业相机和智能图像分析,检测电子电路板上插件元器件多、错、漏、反等缺陷。
AOI是SMT加工当中一种检测设备,又称AOI光学自动检测设备,已成为电子制造业保证产品质量的重要检测工具和过程质量控制工具。AOI检测设备工作原理是在自动检测过程中,AOI检测设备机器通过高清CCD摄像头自动扫描PCBA产品,采集图像,将测试点与数据库中合格参数进行对比,经过图像处理,检查出目标PCBA上的焊点缺陷,并通过显示或自动标记缺陷。为维修人员维修和SMT工艺人员改进工艺参数。AOI系统包括多种光源照明、高速数码相机、高速直线电机、精密机械传动结构和图像处理软件。测试时,AOI设备通过摄像头自动扫描和PCB、PCB上的部件或特殊部件(包括印刷锡膏的状态、SMD组件、焊点形状及缺陷等)来捕捉图像,通过处理和数据库软件对合格参数进行比较,并综合判断元件及特性是否合格,然后测试结论,如元件缺失、桥接或焊点质量问题。
易用性:1、无需设置参数;上手快;2、在线抓拍首件板系统辅助做程序,自动框图比例高,支持持续补充学习,学习后自动建模比例更高(80%+);3、根据客户需要,支持自定义器件名称;4、支持快速更改工单号;5、支持批量复制、粘贴、剪切、删除等快捷键操作多重智能算法检测:1、智能识别铝电容顶部字符;2、智能识别黑灰电容字符;3、智能识别黑电感字符或方向;4、智能识别电池座方向;5、小铁片检测;6、智能识别聚丙烯电容字符;7、电线检测;8、金属高频头螺纹/光头检测;9、智能识别变压器字符;10、智能识别蜂鸣器方向;11、智能识别晶振字符;12、智能识别东倒西歪的电容极性。13、三极管方向检测;14、桥堆方向检测支持客户离线编程、客户远程调控、远程调试1、支持系统学习训练,学习越多效果越好;2、支持本地学习。 AOI软件运算法则很多,有灰度相关法、边缘识别法、固态建模法、统计外形建模法等。
AOI系统集成技术牵涉到关键器件、系统设计、整机集成、软件开发等。AOI系统中必不可少的关键器件有图像传感器(相机)、镜头、光源、采集与预处理卡、计算机(工控机、服务器)等。图像传感器常用的是各种型号的CMOS/CCD相机,图像传感器、镜头、光源三者组合构成了大多数自动光学检测系统中感知单元,器件的选择与配置需要根据检测要求进行合计设计与选型。光源的选择(颜色、波长、功率、照明方式等)除了分辨与增强特征外,还需考虑图像传感器对光源光谱的灵敏度范围。镜头的选择需要考虑视场角、景深、分辨率等光学参数,镜头的光学分辨率要和图像传感器的空间分辨率匹配才能达到比较好的性价比。一般情况下,镜头的光学分辨率略高于图像传感器的空间分辨率为宜,尽可能采用黑白相机成像,提高成像分辨能力。图像传感器(相机)采用面阵或线阵需根据具体情况而定,选型时需要考虑的因素有成像视场、空间分辨率、小曝光时间、帧率、数据带宽等。 AOI系统是集精密机械、自动控制、光学图像处理、软件系统等多学科的自动化设备。炉前AOI
现在大多数AOI都有CAD数据导入功能。东莞智能AOI检测
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。 东莞智能AOI检测
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!