AOI光学检测仪的原理

分享到:
1514
下一篇 >

  人认识物体是通过光线反射回来的量进行判断,反射量多为亮,反射量少为暗。AOI与人判断原理相同。AOI通过人工光源LED灯光代替自然光,光学透镜和CCD代替人眼,把从光源反射回来的量与已经编好程的标准进行比较、分析和判断。目前*常用的图像识别算法为灰度相关算法,通过计算归一化的灰度相关(normalized greyscale correlation)来量化检测图像和标准图像之间的相似程度。灰度相关的取值介于“0”和“1000”之间,“1000”代表图像完全相同,“0”代表图像完全不同,一般通过设定一个临界相关值(如650)来判断检测图像是否发生变化。相关值大于或等于临界相关值的为正常图像(元件或焊点正常),而小于临界相关值的为异常图像(元件或焊点异常)本社导入的AOI设备采用归一化的彩色相关算法(normalized color correlation),以RGB三基色的阶调度进行计算相似度。AOI简介( 1)强大的检测功能 Otek 自动光学检测仪采用自主开发的归一化的彩色相关算法(normalized color correlation)来代替一般使用的灰度相关算法。由于彩色相关算法充分利用彩**像中的红绿兰(RGB)三基色的全部信息,所以比灰度相关算法具有更高的识别准确性和稳定性。彩色相关算法所利用的信息量比灰度相关算法多2倍,所以彩色相关的运算速度也减慢2倍,但是通过采用专门为多媒体应用所开发的专门运算指令集(MMX)技术使得Otek自动光学检测仪可以在同样或者更短的时间内搜索更多的图像信息。该设备依靠特殊的光源设置,可以使焊点在少锡和多锡时的图像与正常情况时图像的明暗程度发生明显变化,从而可以检测出焊锡错误。Otek的焊锡检测算法具有检测准确度高、误检低的特点。推荐答案 1 引言在激烈的市场竞争中,电子产品制造厂商必须确保产品的质量,为了保证产品的质量,在产品制造过程中对各个生产环节半成品或成品进行质量监测尤为重要,随着表面组装技术(SMT)中使用的印制电路板线路图形精细化、SMD元件微型化及SMT组件高密度组装、快速组装的发展趋势,采用目检或人工光学检测的方式检测已不能适应,自动光学检测(AOI)技术作为质量检测的技术手段已是大势所趋。2 AOI工作原理SMT中应用AOI技术的形式多种多样,但其基本原理是相同的(如图1所示),即用光学手段获取被测物图形,一般通过一传感器(摄像机)获得检测物的照明图像并数字化,然后以某种方法进行比较、分析、检验和判断,相当于将人工目视检测自动化、智能化。2.1 分析算法不同AOI软、硬件设计各有特点,总体来看,其分析、判断算法可分为2种,即设计规则检验(DRC)和图形识别检验。(1)DRC法是按照一些给定的规则检测图形。如以所有连线应以焊点为端点,所有引线宽度、间隔不小于某一规定值等规则检测PCB电路图形。图2是一种基于该方法的焊膏桥连检测图像,在提取PCB上焊膏的数字图像后,根据其焊盘间隔区域中焊膏形态来判断其是否为桥连,如果按某一敏感度测得的焊膏外形逾越了预设警戒线,即被认定为桥连[1],DRC方法具有可以从算法上保证被检验的图形的正确性,相应的AOI系统制造容易,算法逻辑容易实现高速处理,程序编辑量小,数据占用空间小等特点,但该方法确定边界能力较差,往往需要设计特定方法来确定边界位置。(2)图形识别法是将AOI系统中存储的数字化图形与实验检测图像比较,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,图3为采用该原理对组装后的PCB进行的质量检测,这种方式的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,由于图形识别法用设计数据代替DRC中的设计原则,具有明显的使用优越性。2.2 图象识别(1)图像分析技术,随着计算机的快速发展,目前有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一物体图像,如片状电容或QFP,并用该信息产生一个刚性的基于象素的模板,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*小差别的位置停止搜寻,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块,建立对整个板的检查程序,来检查所有要求的元件。由于元件检测图像很少完全匹配模板,所以模板是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,也会导致误报。(2)运算法则。几种流行的图像分析技术结合在一个"**"内,希望一个运算法则,特别适合于特殊元件类型,在有许多元件的复杂板上,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。例如当一个供应商修改一个标准元件时,对该元件的运算法就可能需要调整,新的变化出现,用户必须调整或"扭转"运算法则来接纳所有可能的变化,例如一个0805片式电容,可以分类为具有一定尺寸和矩形形状、两条亮边中间包围较黑色的区域,然后这个外部简单的元件外形可能变化很大,传统的、基于运算法则的AOI方法经常太过严格,以至于不能接纳对比度、尺寸、形状和阴影合理的变化,甚至不重要的元件也可能难以可靠地查找和检查,造成有元件而系统不能发现的"错误拒绝"。还有就是由于可接受与不可接受图像的差别细小,运算法则不能区分,引起"错误接收",真正缺陷不能发现,为了解决一些问题,用户在图像分析领域中要有适当的知识,其次是传统的AOI要不断广泛地再编程,调整AOI方法以接纳合理的变化,对一个新版设计或优化一个检查程序时,可能花上1-2天,甚至几周作细小的扭转。(3)统计建模技术。为克服传统图象处理方法的缺点,AOI采用自调性的软件技术,其设计将用户从运算法则的复杂性中分开,通过显示一系列要确认为物体的例子,使用一种数学技术,即统计外形建模技术(SAM)来自动计算怎样识别合理的图像变化,不同于基于运算法则的方法,SAM使用自调性、基于知识的软件来计算变量。这样可减少编程时间,消除每天的调整,而且误报率比现有的AOI方法低10-20倍。(4)柔性化技术,传统的AOI系统主要依靠识别元件边缘来达到准确和可重复性测量,一旦边缘找到,通常利用这些边缘的对称模型产生元件在板表面的坐标,但是用视觉技术很难找到边缘,因为元件边缘不是完全直线,用一条直线去配合这种边缘的企图都是有问题的,此外,边缘倾向于黑色背景上的黑**域,要准确地确认就会产生象素噪音变量,因为象素不能足够小,否则容易产生一些象素分割的影响。基于边缘识别的方法,一个好的视觉系统常会产生标准偏差大约为1-/10象素的可重复性,而SAM技术能提供标准偏差相当于1/20象素的可重复性元件。元件位置上的总变量小于1个象素的各3/10,因此要匹配到3个元件时,应改进精度和可重复性。检查个1特定元件类型时,SAM是内在灵活的,当吻合1个外形大不相同的合法元件时,它会在x和y轴上移动,企图通过位置调节达到*佳吻合,当用一适当的SAM模型吻合元件时,只允许实际上可发生的那些外形,而不要妥协x和y的位置,比如某些可允许的元件颜色变量是由于遮蔽或过渡曝光临近较大元件所引起的,传统运算法则是不可能接纳的,但由于SAM计算出所允许的图像变更,使用者无需依靠大量编程的运算法则或供应商供应的运算法则库就可以接纳。(5)立体视觉成像技术。传统AOI系统不能完全接纳PCB外形,是由于局部弯曲产生的自然三维变化,现有AOI系统通常使用远心透镜来从光学上去掉视差与**的效果,因为高度上的**效果被去掉,在图像边缘上的物体看上去与中间的物体在同一平面。这消除了光学视差错误,但是应该跟随板表面弧形的点与点之间的测量成为跨过平面弦的直线距离,造成重要的测量误差且自动去掉有关板表面形状的有价值信息。通过将SAM技术与两排摄像机的立体视觉安排相结合,此AOI系统可测量和接纳物体与表面高度,而结果在数学上呈现平直PCB,呈一定角度的摄像机提供物体的两个**,然后计算PCB的高度图形和三维表面拓扑图形,在板上任何元件的**位置也通过计入其在板表面的高度来进行计算,工作时AOI设备使用一标准板传送带在摄像机下面按刻度移动PCB通过摄像机排列,将图像的立体象对排列构成一副照相镶嵌图,然后对此照相镶嵌图进行合成变平或实时分析,SAM技术与立体视觉成像技术的结合具有高的精度和可重复性,可用于重要元件确认和PCB检查。

你可能感兴趣:
无觅相关文章插件,快速提升流量