工業頻道
解鎖AOI關鍵技術，賦能工業質檢新質生產力
AOI，Automated Optical Inspection，是自動光學檢測的縮寫，是一種基于光學原理，借助于自動化的運動控制技術實現圖像的自動采集，利用智能圖像算法實現圖像中的異常檢測，進而實現對被測產品質量判斷的設備。識淵科技AOI檢測設備通過光學技術來檢測電子產品的質量和性能，以幫助提高生產效率和品質，是現代電子制造業中不可缺少的關鍵工具之一。
一、AOI工作原理及設備構成
AOI檢測技術是基于人眼視覺成像與人腦智能判斷的原理，采用光學照明與圖像傳感技術獲取被測對象的信息，通過數字圖像處理增強目標特征，再采用模式識別、機器學習、深度學習等算法從背景圖像中提取特征信息，并進行分類與表征，然后反饋給執行控制機構，實現產品的分類、分組或分選、生產過程中的質量控制等。AOI是一種機器視覺技術，集電子學、光電探測、圖像處理和計算機技術于一身，是精密測試技術領域內最具發展潛力的新技術。
AOI技術主要涉及的技術環節包括：光源、光學鏡頭及CCD成像、數字圖像處理、模式識別算法、精密機械移動等。AOI設備集成了機械、自動化、光學和軟件等多學科的技術，形成了一個完備的硬件系統，包括工作平臺、成像系統、圖像處理系統和電氣系統等。AOI技術檢測的最大優點是節省人力，降低成本，提高生產效率，統一檢測標準和排除人為因素干擾，保證了檢測結果的穩定性，可重復性和準確性，及時發現產品的不良，確保出貨質量。
AOI簡易工作原理示意圖
二、AOI關鍵技術解析與應用
AOI技術被廣泛應用于電子行業的SMT生產線上，具有快速、準確、高效的特點，是最常用的一種SMT檢測技術，其主要通過攝像頭和圖像處理技術，來檢測PCB板上元器件的貼裝位置、焊點形狀以及錫膏是否存在缺陷等問題。AOI檢測能夠實時檢測生產線上板子的質量，提高生產效率和焊接質量，保證產品質量。AOI在實際應用中面臨諸多技術難題，如成像質量、檢測精度、檢測速度以及環境適應性等問題。
1.圖像處理與成像質量
PCBA元件種類繁多、尺寸和形狀各異，如何在復雜背景下準確識別并測量各類元器件的位置、方向和尺寸，是光學檢測的核心難點。為了提高AOI設備的圖像處理與識別精度，適應各種復雜檢測任務的需求。通常可以采用特殊鏡頭、高分辨率工業相機以及特定的打光方案等技術手段實現。
雙遠心鏡頭：使用雙遠心鏡頭可以有效減少視角畸變，提高測量的精度和一致性，特別是在檢測小尺寸或精密元件時優勢明顯。遠心鏡頭能夠保證圖像從中心到邊緣的放大倍率一致，減少因視角變化導致的畸變和尺寸誤差。雙遠心鏡頭進一步增強了這種效果，不僅在物方，而且在像方都保持遠心性。
高分辨率工業相機：通過使用高分辨率相機，可以在不犧牲速度的前提下提高檢測精度，同時減少檢測盲區，確保每個細節都被準確識別。高分辨率工業相機可以捕捉到更多的圖像細節，提供更大的檢測視野或更高的檢測精度，這對于復雜PCBA上的微小元件和細小缺陷的檢測至關重要。
四色環形光源打光方式：使用紅、綠、藍、白四色環形光源可以提供多種不同波長的光線，使得不同材質和顏色的元器件在圖像中呈現出更清晰的對比度。通過選擇合適的光源組合，可以減少光照不均勻和表面反光對檢測結果的影響。種打光方式能夠顯著提升圖像的清晰度和對比度，有助于更準確地識別和分辨元器件的邊緣和細節。
2.缺陷檢測算法及及檢測精度
PCBA元件上的微小缺陷（如焊點缺陷、錯位、元器件損壞等）檢測除了需要AOI設備具備很好的成像外，也需要高效、準確的機器視覺識別、檢測算法以保證檢出效率，即在保證檢出的情況下避免漏報，降低誤報。通過結合深度學習與機器視覺技術，綜合運用卷積神經網絡模型、目標檢測模型、分割模型、識別模型、缺陷檢測模型等多個模型，可提高AOI設備PCBA電路板缺陷檢測的效率和準確性。依托數據預處理和特征提取技術，自研編程軟件可以自動識別器件和器件特征，自動生成算法參數和檢測指標，減少人員參與員差異，大幅降低在線AOI設備的編程時間和誤報率。
深度學習與機器視覺識別算法：深度學習可以處理復雜的圖像特征，并且具有很強的泛化能力。通過不斷學習新的樣本，模型可以不斷改進和優化，對不同種類的缺陷進行高效識別，避免漏報。利用深度學習模型（如卷積神經網絡，CNN）對PCBA的缺陷進行識別和分類，通過大量的樣本數據進行訓練，模型可自動學習各種類型缺陷的特征，從而提高檢測的準確性和魯棒性。
高效的檢測算法：在深度學習模型的基礎上，采用優化的檢測算法，能夠在不犧牲準確度的前提下，加快檢測速度。可以采用多線程處理、GPU加速以及模型壓縮等技術手段來提升實時性。優化后的檢測算法可以確保在高速生產線環境下保持高效運行，減少檢測時間，降低誤報率，提高整體檢測效率。
自適應閾值與異常檢測：利用自適應閾值技術，根據不同類型的元器件和缺陷類型，動態調整檢測標準，確保不同場景下的檢測靈活性和精準性。同時，通過異常檢測算法，識別出不符合正常分布的異常樣本，有效降低誤報率。這種方法可以針對復雜的生產環境和多變的檢測需求，提供更精確的檢測結果，有助于提高生產線的整體質量控制水平。
混合專家模型mix of experts圖示
3.檢測實時性與檢測速度
在線PCBA光學檢測需要在高速生產線下實時進行，要求AOI設備既能快速采集和處理圖像，又要保證檢測結果的準確性。為了解決PCBA檢測時的實時性與速度要求，可以采用并行處理與多線程技術、GPU加速、模型壓縮與量化、流水線優化、數據緩存與預處理等優化措施，在保證高精度的同時，滿足嚴格的實時性和速度要求，確保生產線的高效運行。
并行處理與多線程技術：在檢測系統中引入并行處理和多線程技術，可將圖像采集、處理、分析等多個步驟同步進行，這種方法可以顯著提高系統的處理速度，減少延遲，確保實時性。通過將任務分解并行執行，減少了等待時間，使得系統可以在不犧牲精度的前提下快速響應，適應高速生產線的需求。
GPU加速：采用GPU加速深度學習模型的推理過程。由于GPU具有強大的并行計算能力，能夠大幅提升深度學習模型的處理速度，特別是在處理大量圖像數據時，效果尤為顯著。GPU加速可以將深度學習算法的計算時間從數秒縮短到毫秒級，使得檢測系統可以在生產線上實現實時檢測。
模型壓縮與量化：通過模型壓縮和量化技術，減少深度學習模型的大小和復雜度，同時保持模型的檢測精度。這包括剪枝、蒸餾、低比特量化等技術，能夠減少模型的計算資源需求。優化后的模型可以在邊緣設備或嵌入式系統上高效運行，進一步提高檢測系統的響應速度和適應性。
流水線優化：對整個檢測流程進行流水線優化，將圖像采集、預處理、缺陷檢測和結果輸出等步驟串聯起來，并確保每個步驟都盡可能地在上一步驟完成后立即開始。這種流水線式的操作減少了各步驟之間的停滯時間，提高了整體檢測速度，使系統能夠實時處理高密度的PCBA生產任務。
數據緩存與預處理：在圖像采集和處理的過程中引入數據緩存機制，將多幀圖像數據緩存并批量處理。通過預處理步驟對圖像進行裁剪、降噪和增強，減少后續深度學習模型的計算負擔。緩存與預處理技術可以減少數據傳輸和處理的瓶頸，提升系統的響應速度，并在一定程度上緩解由于數據量大而導致的延遲問題。
4.環境適用性
AOI設備需要適應各種生產環境，包括溫度、濕度、振動和電磁干擾等，為了提高AOI設備的環境適應性，確保檢測結果的可靠性和一致性，適應不同生產線的需求，可以采取以下技術措施：
工業級設計：采用工業級材料和組件設計設備，確保在高溫、低溫、高濕度、震動和電磁干擾等極端環境下正常運行。選擇抗疲勞、抗腐蝕、耐高溫和防潮的材料，尤其是外殼和關鍵組件。工業級設計提高了設備的可靠性和壽命，即使在惡劣的生產環境中，也能保證穩定的檢測性能。
防塵與防靜電設計：在設備設計中引入防塵和防靜電措施，如安裝防塵罩、使用防靜電材料，特別是在光學元件和傳感器周圍，以防止灰塵和靜電干擾檢測精度。有效的防塵與防靜電設計可以減少因外部污染物和靜電積累導致的檢測故障，保證檢測結果的一致性和可靠性。
散熱與溫控系統：設計高效的散熱系統，使用散熱片、風扇或液冷等方式，保持設備內部溫度的穩定。同時，配置溫控系統，在高溫或低溫環境下自動調節設備內部溫度，以維持設備的最佳工作狀態。良好的散熱和溫控系統可以防止設備過熱或過冷，避免因溫度波動導致的性能下降或損壞，延長設備的使用壽命。
電磁干擾（EMI）防護：通過屏蔽技術（如屏蔽外殼、屏蔽線纜）和接地設計，減少設備內部和外部的電磁干擾對檢測系統的影響。關鍵部件如傳感器和信號處理電路需進行良好的電磁兼容（EMC）設計。有效的EMI防護能夠減少電磁噪聲干擾，提高設備的信號穩定性，確保檢測的準確性和可靠性。
隨著工業4.0的步伐逐步推進，制造業正向智能化、自動化和柔性化大步邁進，智能自動光學檢測設備的技術也在日新月異地發展，國產AOI設備迎來快速發展期。識淵科技深耕自動光學檢測設備細分領域，致力于將全球領先的AI技術賦能工業質檢領域，不斷豐富PCBA AOI、溢膠檢測AOI等智能檢測裝備產品系列，為行業用戶提供卓越的檢測性能體驗，引領智能檢測裝備產業發展，加快形成新質生產力，以“新”提“質”、以“質”催“新”，塑造更多發展新動能新優勢。
打開微信，點擊底部的“發現”
使用“"掃—掃"即可將網頁分享至好友
舉報郵箱: [email protected] 投稿郵箱：Tougao@dzmg.cn
未經授權禁止建立鏡像，違者將依去追究法律責任
大眾商報(大眾商業報告)并非新聞媒體，不提供任何新聞采編等相關服務
Copyright ©2012-2023 dzmg.cn.All Rights Reserved
湘ICP備2023001087號-2