煙臺機(jī)器視覺解決方案—合作咨詢：0535-2163369         13695448998 胡經(jīng)理

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

　　歡迎電話咨詢獲取機(jī)器視覺解決方案，并有機(jī)器視覺專家指導(dǎo)開展機(jī)器視覺系統(tǒng)導(dǎo)入工作

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

　　在制造業(yè)中，檢測是必不可少的功能。視覺檢測可確保產(chǎn)品符合其預(yù)期的功能和外觀，并為制造商和客戶帶來重要利益。最明顯的是，檢測結(jié)果能夠提供質(zhì)量保證，可以通過產(chǎn)品標(biāo)注或標(biāo)簽直接傳達(dá)給客戶，或者在制造工廠內(nèi)記錄，并作為其質(zhì)量控制過程的一部分。如果產(chǎn)品從現(xiàn)場退回，檢測報告還可以幫助進(jìn)行故障排除，并可以幫助制造商處理任何索賠。

　　此外，在生產(chǎn)過程中識別出所有不合格物品可以幫助確定是否需要調(diào)整制造工藝或程序，檢測結(jié)果可以幫助確定故障原因，例如，電子產(chǎn)品表面貼裝機(jī)中的噴嘴堵塞，瓶裝設(shè)備故障或標(biāo)簽機(jī)械未對準(zhǔn)等等。實時識別缺陷可以做到立即停止生產(chǎn)，從而馬上解決問題。越早發(fā)現(xiàn)質(zhì)量問題，解決問題的成本就越低。業(yè)界經(jīng)常引用一個“十倍規(guī)則”：產(chǎn)品開發(fā)階段發(fā)現(xiàn)錯誤的成本比生產(chǎn)階段低十倍，依次而行，生產(chǎn)階段的錯誤成本比現(xiàn)場應(yīng)用也低十倍。

　　從人工檢測到AOI

　　通常對生產(chǎn)的每個產(chǎn)品都需要進(jìn)行檢測。經(jīng)過訓(xùn)練的操作員可以人工進(jìn)行檢測，尤其是在處理簡單產(chǎn)品或作為整體外觀最終檢測時更是如此。印刷電路板組件(PCBA)等一些應(yīng)用可能需要放大設(shè)備，最小的功能尺寸(例如高密度IC互連和焊接在電路板上的01005大小SMD芯片)(見圖1)，都對檢測人員的視覺敏感度(visual acuity)提出很大挑戰(zhàn)。

　　但是，隨著產(chǎn)品復(fù)雜性的提高，一些典型組件可能包含大量此類器件。檢測員在進(jìn)行檢測并記錄結(jié)果時，必須要克服視覺和節(jié)拍時間的雙重挑戰(zhàn)，可能導(dǎo)致人工檢測不切實際。在某些情況下，例如高速灌裝工藝，可能根本無法進(jìn)行人工檢測。

　　隨著特征尺寸、復(fù)雜性和吞吐量方面的挑戰(zhàn)越來越嚴(yán)峻，自動光學(xué)檢測(AOI)成為確保對每個項目進(jìn)行充分檢測的唯一實用方法。

　　AOI包括圖像傳感，照明和計算子系統(tǒng)，它們協(xié)同工作以便捕獲和分析圖像。AOI系統(tǒng)可以將捕獲的圖像與參考圖像進(jìn)行比較，之后得以能夠識別材料表面的缺陷、焊接缺陷或PCBA上元件缺失或放錯位置等缺陷�；蛘撸�基于某些規(guī)則的系統(tǒng)會測量特征尺寸(例如組件本身或每個接頭中焊料量)，以確定“良好”(G)或“不良”(NG)狀態(tài)。如果檢測到缺陷，則機(jī)器設(shè)備可以隔離有缺陷物品，然后繼續(xù)進(jìn)行后續(xù)檢測，或者暫停并警告操作員。

　　盡管AOI在復(fù)雜性、吞吐量存在，或兩者兼而有之的情況下已經(jīng)超過了人工檢測，但是傳統(tǒng)的圖像處理系統(tǒng)和算法仍存在一些缺點，這些缺點在系統(tǒng)和軟件開發(fā)以及在工廠車間進(jìn)行設(shè)備安裝時非常明顯。

　　從傳統(tǒng)圖像處理到AI

　　圖像識別的基本原理是將每個捕獲的圖像數(shù)字化，并應(yīng)用各種濾鏡來檢測圖案和特征。邊緣檢測濾鏡通常用于檢測圖像中的對象。能夠識別人類的算法可以應(yīng)用坡度斜率檢測(slope detection)來識別手臂、肩膀，、腿部等特征，該算法還需要檢測這些被檢測特征相對于彼此的方向，作為進(jìn)一步的界定標(biāo)準(zhǔn)。

　　檢測焊點的算法可以采用邊緣檢測和顏色檢測來識別焊點，并檢測焊點表面(fillet)的坡度是否在可接受范圍內(nèi)。光學(xué)系統(tǒng)可以使用不同顏色從不同角度照亮待測單元。如果焊點表面的斜率正確，則可能會反射出更大比例的綠色波長。如果有更多的紅色波長或整個表面上呈現(xiàn)不斷變化的顏色組合，則表示有較淺焊點表面，表明焊料量或焊球形成不足，表明在焊接過程中沾錫較差。

　　無論是在安全監(jiān)控或汽車行人檢測等應(yīng)用中的人員識別，在社交媒體應(yīng)用中的面部識別，還是在工業(yè)檢測中進(jìn)行缺陷檢測等所有應(yīng)用，傳統(tǒng)的圖像識別都面臨著眾多挑戰(zhàn)。

　　定義規(guī)則并創(chuàng)建算法以檢測和分類數(shù)字圖像中的對象非常復(fù)雜。在工業(yè)檢測中，開發(fā)可靠的算法既昂貴又費時。在檢測PCB組件時，焊點的質(zhì)量只是要檢測的一個標(biāo)準(zhǔn)，還必須驗證每個組件的存在，以及相對于阻焊層的(solder mask)位置和方向、組件的共面性以及不需要的物體(例如焊料飛濺在電路板表面上)的存在。為所有情況和所有例外創(chuàng)建規(guī)則幾乎是不可能的。

　　微調(diào)算法和添加更多算法以覆蓋其他更多情況，這是一項永無止境的任務(wù)，需要不斷更新軟件。每當(dāng)行業(yè)中使用新產(chǎn)品(例如高級電子組件封裝)時，都必須開發(fā)新算法以對其進(jìn)行檢測。

　　人工智能(AI)可以在一定程度上模仿人類將學(xué)到的經(jīng)驗應(yīng)用到圖像識別，從而能夠應(yīng)對無限變化帶來的挑戰(zhàn)。在AI總體概念下涵蓋的各種計算結(jié)構(gòu)中，卷積神經(jīng)網(wǎng)絡(luò)(CNN)通常用于圖像識別。這些包括相互連接的人工神經(jīng)元，并排列成層(見圖2)。它們通常是深度神經(jīng)網(wǎng)絡(luò)，在輸入和輸出層之間包含多個內(nèi)部或隱藏層。隱藏層對從前一層接收到的數(shù)據(jù)執(zhí)行特定、嚴(yán)格定義的采樣(pooling)和卷積計算。結(jié)果被發(fā)送到下一層，最終到達(dá)輸出層，可表明是否已識別出所尋找的對象。

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

　　歡迎電話咨詢獲取機(jī)器視覺解決方案，并有機(jī)器視覺專家指導(dǎo)開展機(jī)器視覺系統(tǒng)導(dǎo)入工作

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

　　煙臺機(jī)器視覺解決方案—合作咨詢：0535-2163369      13695448998 胡經(jīng)理

責(zé)任編輯：胡金鵬