由于對AOI光學檢測儀的原理不是很理解有哪位高手幫忙翻譯一下以下的原理與簡介在這里先說聲謝謝了!

補充說明:人認識物體是通過光線反射回來的量進行判斷,反射量多為亮,反射量少為暗。AOI與人判斷原理相同。 AOI通過人工光源LED燈光代替自然光,光學透鏡和CCD代替人眼,把從光源反射回來的量與已經編好程的標準進行比較、分析和判斷。目前最常用的圖像識別算法為灰度相關算法,通過計算歸一化的灰度相關(normalized greyscale correlation)來量化檢測圖像和標準圖像之間的相似程度?;叶认嚓P的取值介于“0”和“1000”之間,“1000”代表圖像完全相同,“0”代表圖像完全不同,一般通過
更新時間:2015-12-31本文內容轉載自互聯網
1 引言
在激烈的市場競爭中,電子產品制造廠商必須確保產品的質量,為了保證產品的質量,在產品制造過程中對各個生產環(huán)節(jié)半成品或成品進行質量監(jiān)測尤為重要,隨著表面組裝技術(SMT)中使用的印制電路板線路圖形精細化、SMD元件微型化及SMT組件高密度組裝、快速組裝的發(fā)展趨勢,采用目檢或人工光學檢測的方式檢測已不能適應,自動光學檢測(AOI)技術作為質量檢測的技術手段已是大勢所趨。
2 AOI工作原理
SMT中應用AOI技術的形式多種多樣,但其基本原理是相同的(如圖1所示),即用光學手段獲取被測物圖形,一般通過一傳感器(攝像機)獲得檢測物的照明圖像并數字化,然后以某種方法進行比較、分析、檢驗和判斷,相當于將人工目視檢測自動化、智能化。

2.1 分析算法
不同AOI軟、硬件設計各有特點,總體來看,其分析、判斷算法可分為2種,即設計規(guī)則檢驗(DRC)和圖形識別檢驗。
(1) DRC法是按照一些給定的規(guī)則檢測圖形。如以所有連線應以焊點為端點,所有引線寬度、間隔不小于某一規(guī)定值等規(guī)則檢測PCB電路圖形。圖2是一種基于該方法的焊膏橋連檢測圖像,在提取PCB上焊膏的數字圖像后,根據其焊盤間隔區(qū)域中焊膏形態(tài)來判斷其是否為橋連,如果按某一敏感度測得的焊膏外形逾越了預設警戒線,即被認定為橋連[1],DRC方法具有可以從算法上保證被檢驗的圖形的正確性,相應的AOI系統制造容易,算法邏輯容易實現高速處理,程序編輯量小,數據占用空間小等特點,但該方法確定邊界能力較差,往往需要設計特定方法來確定邊界位置。

(2)圖形識別法是將AOI系統中存儲的數字化圖形與實驗檢測圖像比較,從而獲得檢測結果,如檢測PCB電路時,首先按照一塊完好的PCB或根據計算機輔助設計模型建立起檢測文件(標準數字化圖像)與檢測文件(實際數字化圖像)進行比較,圖3為采用該原理對組裝后的PCB進行的質量檢測,這種方式的檢測精度取決于標準圖像、分辨力和所用檢測程序,可取得較高的檢測精度,但具有采集數據量大,數據實時處理要求高等特點,由于圖形識別法用設計數據代替DRC中的設計原則,具有明顯的使用優(yōu)越性。

2.2 圖象識別
(1)圖像分析技術,隨著計算機的快速發(fā)展,目前有許多成熟的圖像分析技術,包括模板匹配法(或自動對比)、邊緣檢測法、特征提取法(二值圖)、灰度直方圖法、傅里葉分析法、光學特征識別法等,每個技術都有優(yōu)勢和局限。模板比較法通過獲得一物體圖像,如片狀電容或QFP,并用該信息產生一個剛性的基于象素的模板,在檢測位置的附近,傳感器找出相同的物體,當相關區(qū)域中所有點進行評估之后,找出模板與圖像之間有最小差別的位置停止搜尋,系統為每個要檢查的物體產生這種模板,通過在不同位置使用相應模塊,建立對整個板的檢查程序,來檢查所有要求的元件。
由于元件檢測圖像很少完全匹配模板,所以模板是用一定數量的容許誤差來確認匹配的,如果模板太僵硬,可能產生對元件的"誤報";如果模板松散到接受大范圍的可能變量,也會導致誤報。
(2)運算法則。幾種流行的圖像分析技術結合在一個"處方"內,希望一個運算法則,特別適合于特殊元件類型,在有許多元件的復雜板上,可能形成眾多的不同運算法則,要求工程師在需要改變或調整時做大量的重新編程。例如當一個供應商修改一個標準元件時,對該元件的運算法就可能需要調整,新的變化出現,用戶必須調整或"扭轉"運算法則來接納所有可能的變化,例如一個0805片式電容,可以分類為具有一定尺寸和矩形形狀、兩條亮邊中間包圍較黑色的區(qū)域,然后這個外部簡單的元件外形可能變化很大,傳統的、基于運算法則的AOI方法經常太過嚴格,以至于不能接納對比度、尺寸、形狀和陰影合理的變化,甚至不重要的元件也可能難以可靠地查找和檢查,造成有元件而系統不能發(fā)現的"錯誤拒絕"。還有就是由于可接受與不可接受圖像的差別細小,運算法則不能區(qū)分,引起"錯誤接收",真正缺陷不能發(fā)現,為了解決一些問題,用戶在圖像分析領域中要有適當的知識,其次是傳統的AOI要不斷廣泛地再編程,調整AOI方法以接納合理的變化,對一個新版設計或優(yōu)化一個檢查程序時,可能花上1-2天,甚至幾周作細小的扭轉。
(3)統計建模技術。為克服傳統圖象處理方法的缺點,AOI采用自調性的軟件技術,其設計將用戶從運算法則的復雜性中分開,通過顯示一系列要確認為物體的例子,使用一種數學技術,即統計外形建模技術(SAM)來自動計算怎樣識別合理的圖像變化,不同于基于運算法則的方法,SAM使用自調性、基于知識的軟件來計算變量。這樣可減少編程時間,消除每天的調整,而且誤報率比現有的AOI方法低10-20倍。
(4)柔性化技術,傳統的AOI系統主要依靠識別元件邊緣來達到準確和可重復性測量,一旦邊緣找到,通常利用這些邊緣的對稱模型產生元件在板表面的坐標,但是用視覺技術很難找到邊緣,因為元件邊緣不是完全直線,用一條直線去配合這種邊緣的企圖都是有問題的,此外,邊緣傾向于黑色背景上的黑色區(qū)域,要準確地確認就會產生象素噪音變量,因為象素不能足夠小,否則容易產生一些象素分割的影響?;谶吘壸R別的方法,一個好的視覺系統常會產生標準偏差大約為1-/10象素的可重復性,而SAM技術能提供標準偏差相當于1/20象素的可重復性元件。元件位置上的總變量小于1個象素的各3/10,因此要匹配到3個元件時,應改進精度和可重復性。檢查個1特定元件類型時,SAM是內在靈活的,當吻合1個外形大不相同的合法元件時,它會在x和y軸上移動,企圖通過位置調節(jié)達到最佳吻合,當用一適當的SAM模型吻合元件時,只允許實際上可發(fā)生的那些外形,而不要妥協x和y的位置,比如某些可允許的元件顏色變量是由于遮蔽或過渡曝光臨近較大元件所引起的,傳統運算法則是不可能接納的,但由于SAM計算出所允許的圖像變更,使用者無需依靠大量編程的運算法則或供應商供應的運算法則庫就可以接納。
(5)立體視覺成像技術。傳統AOI系統不能完全接納PCB外形,是由于局部彎曲產生的自然三維變化,現有AOI系統通常使用遠心透鏡來從光學上去掉視差與透視的效果,因為高度上的透視效果被去掉,在圖像邊緣上的物體看上去與中間的物體在同一平面。這消除了光學視差錯誤,但是應該跟隨板表面弧形的點與點之間的測量成為跨過平面弦的直線距離,造成重要的測量誤差且自動去掉有關板表面形狀的有價值信息。
通過將SAM技術與兩排攝像機的立體視覺安排相結合,此AOI系統可測量和接納物體與表面高度,而結果在數學上呈現平直PCB,呈一定角度的攝像機提供物體的兩個透視,然后計算PCB的高度圖形和三維表面拓撲圖形,在板上任何元件的精確位置也通過計入其在板表面的高度來進行計算,工作時AOI設備使用一標準板傳送帶在攝像機下面按刻度移動PCB通過攝像機排列,將圖像的立體象對排列構成一副照相鑲嵌圖,然后對此照相鑲嵌圖進行合成變平或實時分析,SAM技術與立體視覺成像技術的結合具有高的精度和可重復性,可用于重要元件確認和PCB檢查。
有用 22 無用 3 我要提問