随着PCB日趋超薄型、高密度、细间距，PCB线路板上元器件上的线宽、间距等已经达到微米级，人工检测已经远不能满足如此高精密度的检测需求。
机器视觉检测技术是建立在图像处理算法的基础上，通过数字图像处理与模式识别的方法来实现，与传统的人工检测技术相比，提高了缺陷检测的效率和准确度。
机器视觉系统一般采用CCD或CMOS工业相机摄取检测图像并转化为数字信号，再通过计算机软、硬件技术对图像数字信号进行处理，从而得到所需要的各种目标图像特征值，并由此实现零件识别或缺陷检测等多种功能。
AI机器视觉检测技术，可以实现包括PCB、BGA、管脚和贴片检测，以及焊点、元件缺失、方向错误等方面的完整性检测。
A I算法：
DIP炉前插件AOI D131和波峰焊AOI D510 采用自主研发深度学习引擎，只需标注，即可把人工经验转化成AI算法，支持100+特征类型并行检测，最快处理速度高达10ms，准确率高达99%以上。
大数据：
100+⾏业知识库、3000+场景覆盖、10000+成功案例，自研图像自生成，图像超分辨率等算法，完美支持小样本开发。
云计算：
自主研发的云端训练平台和数据平台，分布式按需弹性切换资源，训练时间仅需10分钟以内。
以电路板元器件检测案例为例：
产品检测要求
1、检测电容是否漏装，正负极是否贴反
2、检测连接器是否漏装，正反是否装反
检测原理:根据电容上面两端印刷图案的不同，通过机器视觉技术来区别它的正反差异，即电容极性。
现阶段市场各家AOI检测设备业者则聚焦于结合AI，以影像识别技术辅助检测设备提升检测效率与正确性，并降低人工复判的依赖。AI结合AOI，已成为下一波智慧应用商机.
评论