AOI技术发展

　　AOI的全称是自动光学检测，是基于光学原理来对焊接生产中遇到的常见缺陷进行检测的设备。AOI是新兴起的一种新型测试技术，但发展迅速，很多厂家都推出了AOI测试设备。

AOI核心技术

　　基本的AOI技术包含下列子系统：①高速高精度XY方向的运动控制系统;②机械光学系统;③高精度高可靠性图像采集系统;④智能图像识别与错误检测系统。这些子系统构成了一个与多维测量和错误检测密切相关的设备。

　　注意到AOI识别是机器视觉在印刷电路板领域的具体应用，换言之，印刷电路板的缺陷检测实质上是属于模式识别的范畴。它将PCB上的不同缺陷视为不同的模式类，从采集到的图像信号中提取和选择特征，根据特征向量构造判别函数，进行缺陷分类，即模式识别。

　　识别算法的好坏直接影响到智能图像识别系统的性能，进而影响整个AOI系统的性能。从机器视觉的发展来看，目前在AOI上面至少可以完整地应用以下的视觉识别算法。

AOI图形识别法

　　图形识别法是将AOI系统中存储的数字化图像与实际检测图像比较，从而获得检测结果。如检测PCB电路时，首先按照一块完好的PCB或根据计算机辅助设计模型建立起检测文件(标准数字化图像)与检测文件(实际数字化图像)进行比较。

　　这种方式的AOI检测精度取决于标准图像、分辨力和所用检测程序，可取得较高的检测精度，但具有采集数据量大，数据实时处理要求高等特点。

AOI图像分析技术

　　随着计算机的快速发展，AOI也采用了目前许多成熟的图像分析技术，包括模板匹配法(或自动对比)、边缘检测法、特征提取法(二值图)、灰度直方图法、傅里叶分析法、光学特征识别法等，每个技术都有优势和局限。

　　模板比较法通过获得物体图像，如片状电容或QFP，并用该信息产生一个刚性的基于像素的模板。在检测位置的附近，传感器找出相同的物体。当相关区域中所有点进行评估之后，找出模板与图像之间有Z小差别的位置停止搜寻。AOI系统为每个要检查的物体产生这种模板，通过在不同位置使用相应模板，建立对整个板的检查程序，来查找所有要求的元件。

　　但是由于元件检测图像很少完全匹配模板，所以用两种方法来解决这个问题：①可以用一定数量的容许误差来确认匹配的，如果模板太僵硬，可能产生对元件的“误报”;如果模板松散到接受大范围的可能变量，也会导致“漏报”;②可以根据同类的众多良品进行标准模板的计算，或者叫“特征元件”，这样可以Zda限度提取该类元件的共性特征，从而降低误报率。

AOI运算法则

　　将几种成熟的、流行的图像分析技术结合在一个“”内，形成一个运算法则，特别适合于特殊元件类型。在有许多元件的复杂板上，传统的AOI，可能形成众多的不同运算法则，要求工程师在需要改变或调整时做大量的重新编程。

　　为了解决一些问题，在图像分析领域中要有适当的知识，再就是传统的AOI要不断广泛地再编程，调整AOI方法以接纳合理的变化。对一个新板设计或优化一个检查程序时，可能花上一到两天，甚至几周作细小的扭转，采用新技术后，这一过程变得快速而简洁。

AOI基于机器学习的缺陷检测与分类

　　AOI技术向智能化方向发展是SMT发展带来的必然要求。在SMT的微型化、高密度化、快速组装化、品种多样化发展特征下，检测信息量大而复杂，无论是在检测反馈实时性方面，还是在分析、诊断的正确性方面，依赖人工对AOI获取的质量信息进行分析、诊断几乎已经不可能，代替人工进行自动分析、诊断的智能AOI技术成为发展的必然。

　　对各种缺陷的特征提取和缺陷识别与分类进行研究;针对高密度PCB视觉检测系统中要检测的缺陷细小，缺陷的种类繁多，特征不易确定等问题，对于各种不同缺陷的特征提取技术和各种分类方式进行研究，采用机器学习的方法，设计不同的分类器，并对不同分类器的分类效果和误差进行比较和分析，采用优化的分类器可以实现对缺陷的快速检出和准确分类，并尽可能地提高分类器的智能化水平。

AOI与SPC紧密结合

　　AOI在检测过程中，需要缺陷统计和分类与SPC紧密结合。所谓SPC即统计过程控制，主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。

　　一般地AOI能实现两类测量，即缺陷检测(传统意义的AOI应用)和每块PCB的差异测量，对有效的过程控制而言，两类测量都需要。其中差异测量对实时SPC应用非常重要，它会根据AOI系统类型及它所处生产线位置的不同而不同。为使AOI/SPC成功用于生产线上，AOI系统必须能产生错误处理和报警，误判率和缺陷检测灵敏度会受检查参数的影响，生产工艺变量越多，误判的可能性就越大，缺陷检测的复杂程度也越大。因此选择在印刷、贴片、回流焊后或波峰焊后进行检查，误判率会有明显的不同。