科技中的人工智能改善自动光学检测呢

在制造业中，检验是必不可少的功能。 目视检查确保产品符合其预期的功能和外观，并为制造商和客户带来重要利益。 最明显的是，测试结果可以提供质量保证，可以通过产品标签或标签直接传达给客户，或者记录在制造工厂作为其质量控制过程的一部分。 如果产品从现场退回，测试报告还可以帮助排除故障，并可以帮助制造商处理任何索赔。

  此外，在生产过程中识别所有不合格项目，有助于确定是否需要调整制造工艺或程序，测试结果有助于确定故障原因，例如电子产品表面贴装机喷嘴堵塞、装瓶失败 设备或贴标机械故障。 对齐方式等。 实时识别缺陷可以立即停止生产，立即解决问题。 越早发现质量问题，解决问题的成本就越低。 业界常引用“十倍法则”：产品开发阶段发现错误的成本比生产阶段低十倍，反过来，生产阶段的错误成本也比生产阶段低十倍。 现场应用的情况。

  从人工检测到AOI

  通常生产的每个产品都需要进行测试。 受过培训的操作员可以手动执行检查，尤其是在处理简单产品或作为整体进行最终检查时。 一些应用如印刷电路板组件（PCBA）可能需要放大的设备，最小的功能尺寸（如高密度IC互连和焊接在电路板上的01005尺寸SMD芯片）（见图1），是远景 检查员 Sensitivity（视力）提出了很大的挑战。

  图 1：焊接在 PCB 上的表面贴装芯片。

  但是，随着产品复杂性的增加，一些典型的组件可能会包含大量这样的设备。 在检查和记录结果时，检查员必须克服视觉和节拍时间的双重挑战，这可能使手动检查不切实际。 在某些情况下，例如高速灌装过程，可能根本无法进行人工检查。

  随着特征尺寸、复杂性和吞吐量方面的挑战变得更加严峻，自动光学检测 (AOI) 已成为确保对每个项目进行充分检测的唯一实用方法。

  AOI 包括图像传感、照明和计算子系统，它们协同工作以捕获和分析图像。  AOI 系统可以将捕获的图像与参考图像进行比较，然后能够识别出材料表面的缺陷、焊接缺陷或 PCBA 上的元件缺失或错位。 或者，基于某些规则的系统将测量特征尺寸（例如组件本身或每个接头中的焊料量）以确定“好”(G) 或“坏”(NG) 状态。 如果检测到缺陷，机器和设备可以隔离缺陷项目，然后继续后续检查，或暂停并警告操作员。

  尽管AOI在复杂性、吞吐量或两者方面已经超越了人工检测，但传统的图像处理系统和算法仍然存在一些不足。 这些缺点存在于系统和软件开发以及工厂车间中。 设备安装的时候就很明显了。