烟台机器视觉解决方案—合作咨询：0535-2163369         13695448998 胡经理

------------------------------------------------------

　　欢迎电话咨询获取机器视觉解决方案，并有机器视觉专家指导开展机器视觉系统导入工作

　　------------------------------------------------------

　　在制造业中，检测是必不可少的功能。视觉检测可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，检测结果能够提供质量保证，可以通过产品标注或标签直接传达给客户，或者在制造工厂内记录，并作为其质量控制过程的一部分。如果产品从现场退回，检测报告还可以帮助进行故障排除，并可以帮助制造商处理任何索赔。

　　此外，在生产过程中识别出所有不合格物品可以帮助确定是否需要调整制造工艺或程序，检测结果可以帮助确定故障原因，例如，电子产品表面贴装机中的喷嘴堵塞，瓶装设备故障或标签机械未对准等等。实时识别缺陷可以做到立即停止生产，从而马上解决问题。越早发现质量问题，解决问题的成本就越低。业界经常引用一个“十倍规则”：产品开发阶段发现错误的成本比生产阶段低十倍，依次而行，生产阶段的错误成本比现场应用也低十倍。

　　从人工检测到AOI

　　通常对生产的每个产品都需要进行检测。经过训练的操作员可以人工进行检测，尤其是在处理简单产品或作为整体外观最终检测时更是如此。印刷电路板组件(PCBA)等一些应用可能需要放大设备，最小的功能尺寸(例如高密度IC互连和焊接在电路板上的01005大小SMD芯片)(见图1)，都对检测人员的视觉敏感度(visual acuity)提出很大挑战。

　　但是，随着产品复杂性的提高，一些典型组件可能包含大量此类器件。检测员在进行检测并记录结果时，必须要克服视觉和节拍时间的双重挑战，可能导致人工检测不切实际。在某些情况下，例如高速灌装工艺，可能根本无法进行人工检测。

　　随着特征尺寸、复杂性和吞吐量方面的挑战越来越严峻，自动光学检测(AOI)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，它们协同工作以便捕获和分析图像。AOI系统可以将捕获的图像与参考图像进行比较，之后得以能够识别材料表面的缺陷、焊接缺陷或PCBA上元件缺失或放错位置等缺陷。或者，基于某些规则的系统会测量特征尺寸(例如组件本身或每个接头中焊料量)，以确定“良好”(G)或“不良”(NG)状态。如果检测到缺陷，则机器设备可以隔离有缺陷物品，然后继续进行后续检测，或者暂停并警告操作员。

　　尽管AOI在复杂性、吞吐量存在，或两者兼而有之的情况下已经超过了人工检测，但是传统的图像处理系统和算法仍存在一些缺点，这些缺点在系统和软件开发以及在工厂车间进行设备安装时非常明显。

　　从传统图像处理到AI

　　图像识别的基本原理是将每个捕获的图像数字化，并应用各种滤镜来检测图案和特征。边缘检测滤镜通常用于检测图像中的对象。能够识别人类的算法可以应用坡度斜率检测(slope detection)来识别手臂、肩膀，、腿部等特征，该算法还需要检测这些被检测特征相对于彼此的方向，作为进一步的界定标准。

　　检测焊点的算法可以采用边缘检测和颜色检测来识别焊点，并检测焊点表面(fillet)的坡度是否在可接受范围内。光学系统可以使用不同颜色从不同角度照亮待测单元。如果焊点表面的斜率正确，则可能会反射出更大比例的绿色波长。如果有更多的红色波长或整个表面上呈现不断变化的颜色组合，则表示有较浅焊点表面，表明焊料量或焊球形成不足，表明在焊接过程中沾锡较差。

　　无论是在安全监控或汽车行人检测等应用中的人员识别，在社交媒体应用中的面部识别，还是在工业检测中进行缺陷检测等所有应用，传统的图像识别都面临着众多挑战。

　　定义规则并创建算法以检测和分类数字图像中的对象非常复杂。在工业检测中，开发可靠的算法既昂贵又费时。在检测PCB组件时，焊点的质量只是要检测的一个标准，还必须验证每个组件的存在，以及相对于阻焊层的(solder mask)位置和方向、组件的共面性以及不需要的物体(例如焊料飞溅在电路板表面上)的存在。为所有情况和所有例外创建规则几乎是不可能的。

　　微调算法和添加更多算法以覆盖其他更多情况，这是一项永无止境的任务，需要不断更新软件。每当行业中使用新产品(例如高级电子组件封装)时，都必须开发新算法以对其进行检测。

　　人工智能(AI)可以在一定程度上模仿人类将学到的经验应用到图像识别，从而能够应对无限变化带来的挑战。在AI总体概念下涵盖的各种计算结构中，卷积神经网络(CNN)通常用于图像识别。这些包括相互连接的人工神经元，并排列成层(见图2)。它们通常是深度神经网络，在输入和输出层之间包含多个内部或隐藏层。隐藏层对从前一层接收到的数据执行特定、严格定义的采样(pooling)和卷积计算。结果被发送到下一层，最终到达输出层，可表明是否已识别出所寻找的对象。

------------------------------------------------------

　　欢迎电话咨询获取机器视觉解决方案，并有机器视觉专家指导开展机器视觉系统导入工作

　　------------------------------------------------------

　　烟台机器视觉解决方案—合作咨询：0535-2163369      13695448998 胡经理

责任编辑：胡金鹏