大家都知道：目前電子行業發展的趨勢是元件越來越小、密度越來越高，客戶端的品質要求也在不斷的提高，人工檢測產品的速度和質量已經滿足不了工業化的要求，在這樣的一個環境下，便相繼出現了各式各樣的機器檢測設備，像ICT(In Circuit Test), FT(Function Test),AOI(Auto Optical Inspection), AXI(Auto X-ray Inspection)等等，這些設備各自有著不同的特點，ICT，FT是基于電信號的，AOI和AXI都是光學的檢測設備，不同的是AXI是利用X-ray進行檢測的， 而AOI是利用可見光(像LED燈)進行檢測。和其他檢測設備比較， 本人認為AOI更具有準確、快速、穩定、可靠的特點，正因為具備這些顯著的特點才使得AOI目前在SMT生產線上得到的廣泛應用。

　　作為潛心鉆研AOI的一員，我想和大家討論一下以下兩個方面的內容：

　　(1) AOI如何檢測PCB板的?

　　(2) AOI未來的發展趨勢;

　　第一個問題，AOI是如何檢測PCB板，這是AOI的核心問題，也是一個非常綜合性的問題，關系到AOI所用的基本原理和其工業實現的方方面面，我今天只和大家探討以下幾個比較重要的問題：

　　1. AOI的基本工作原理.

　　從上圖看到AOI就是用攝像機等硬件設備獲取被檢測物體的圖像，然后用軟件比較、分析、判斷被檢測物體是否OK。也就是說AOI檢測物體的過程是模擬人眼檢測物體，是將人工檢測物體自動化、智能化。

　　圖像獲取就是用CCD攝像機把物體表面的光信號轉換成為電信號送入圖像采集卡。圖像采集卡將圖像數字化送入計算機，這個過程很直觀，容易理解。那把圖像送入計算機之后，AOI是如何檢測元件的質量呢?

　　2. AOI是如何判貼片的質量?

　　人們判斷一個物體的質量是否合格，總是要實現設定一個標準，如果達到標準，則認為該對象是合格，如果不達到標準，則認為對象不合格。同樣，AOI判斷一個元件是否是OK的，也設定一個規則，滿足規則的就OK，不滿足規則的就是NG的。

　　AOI針對不同的元件選用不同的規則，最常用的規則就是標準圖像，就是事先給某個貼片指定一個標準圖像，如果被檢測貼片的圖像和標準圖像很相似，那么我們認為這個貼片是OK的，如果不相似，則認為是NG的，在圖像處理行業，我們稱這種規則是圖像比對或者說是模板匹配。另外還有一些特定的規則，像指定IC之間不能橋接，這不是通過指定一個標準圖像，而是個通過某種算法計算兩IC之間是否有連接物的方法判斷IC是否有橋接現象。

　　理論上大家都知道來設定標準圖像作為一個規則判斷元件的質量，實際上如何制定標準圖，如何計算相似度，市面上紛繁復雜的AOI各有不同的做法，我們Aleader-AOI的做法是利用自主開發的統計建模技術，那么統計的是什么?建立的模型又是什么呢?

　　我們通常是統計一系列OK樣板的變化規律，包括OK元件大致像什么，可能有一些什么樣的變化，可能變化到什么程度。而建立完的模型就是每一個元件都有一個標準圖像和兩個輔助圖像;

　　對于統計建模，大家可能有下面兩個問題：

　　(1) 既然是為了圖像比對，人眼看起來元件都差不多，注冊一個OK元件的圖像就可以了，為什么還要學習多個OK元件呢?通過我們反復試驗發現，攝像機是放大了元件的差異，也就是說雖然人眼看OK元件都差不多，但是OK元件圖像實際上都大大小小的存在一定的差異，并且不同的元件的差異性不同，有的元件差異性比較小，有的元件的差異性很大，對于那些差異小的元件注冊一個標準就可以了，但是差異性比較大的元件，如果只注冊一個標準就很容易造成誤判，用統計建模的方法，在學習的時候，差異小的統計學習之后兩個輔助圖像的差異性比較小，差異大的元件統計學習之后兩個輔助圖像的差異也比較大，這樣對不同的元件采用不同的差異標準進行判斷，更加合理;

　　(2既然OK元件圖像之間有一定的差異，注冊多個標準就可以達到檢測的效果了，統計建模和這種多個標準的方法有什么區別呢?同樣我們通過實踐發現：多個標準進行比較的時候就要依次和多個標準進行相似度的計算，看被檢測圖像是否和某個標準圖像的相似度可以達到判斷OK的要求。而統計建模后只保存了標準圖像和兩個輔助圖像，進行圖像比對的時候被檢測圖像也只用和其標準圖像一個進行相似度計算，大大減少了計算次數，提升了檢測速度。

　　了解了AOI是如何判斷貼片缺陷的理論，我們還要考慮AOI的速度是如何達到工業應用的要求的?

　　3. AOI檢測的速度

　　前面我們介紹AOI工作原理的時候，AOI主要有獲取圖像，處理圖像兩個不同的步驟;對于獲取圖像來說，因為相機的FOV(Field Of Vision)有限，因此就必須通過XY平臺來移動相機或者PCB才能拍攝到整個PCB板上的元件;也就是說AOI必須協調軟硬件同時工作，要考慮攝像機什么時候開始拍照，什么時候要移動，移動到什么地方，什么時候開始圖像處理等等各方面的問題;

　　為了節約運動的時間，ALEADER—AOI采用了下面兩個方法：

　　a. 必須采用最少的拍攝次數將所有零件拍攝―――鏡頭的自動分配

　　b. 運動路徑必須最短―――路徑自動優化

　　用最少的鏡頭和最短路徑來減少機械運動的次數和時間。

　　除了減少獲取圖像的運行時間外，ALEADER-AOI在其他方面也做了大量的優化：

　　a. 使用多核處理器和多線程;

　　b. 使用CPU的多媒體指令，普通的CPU指令是單指令單數據，而這些多媒體指令可以實現單指令多數據，在同樣的時間內可以處理多個數據，大大增強了CPU的圖像處理能力，減少了AOI圖像處理的時間。

　　這些軟硬件方面的優化以及前面提到的統計建模技術，大大提高了ALEADER-AOI的檢測速度;

　　有的朋友可能會提出這樣一個問題，最小路徑是一個很正常的想法，為什么ALEADER-AOI仍要特殊考慮呢?

　　因為相機按CCD排列方式的不同分兩種，面陣相機和線陣相機，線陣相機就像我們常見的掃描儀，特點就是速度快，使用線陣相機的AOI一般是掃描完整個PCB板，然后再做檢測，顯然不用考慮路徑優化的問題。但是因為線掃描的關系,它的打光主要采用頂光源, FOV范圍內的元件在不同方向和角度接受的光照條件不一致，那么對于那些帶有高元件的PCB板，高元件的陰影就會影響低元件的圖像，并且如果PCB放在AOI的方向不一致，元件的亮度也會有一定的差異，因此使用線陣相機圖像質量不夠穩定。

　　而面掃描相機采用的光源是環形光源，就像常說的無影燈，攝像機FOV內光照一致，保證了圖像的質量，但是面陣相機的速度沒有線陣相機快，使用路徑優化就是為了彌補面陣相機速度方面的不足。并且隨著軟硬件技術的進步，以及前面我們所提到的優化方案，使用面陣相機在保證圖像質量和檢測質量的基礎上，也能達到工業應用的要求。

　　4. 編程的難易程度

　　使用AOI制作程序，需要標出那些元件是需要檢測，如果手工畫出這些元件肯定是非常麻煩的，最快的方法就是使用CAD的數據，利用PCB設計時候的數據自動畫出檢測的位置和檢測的類型;如果沒有CAD數據，要手工增加監測點，怎么能快速的，準確的制作出檢測程序是一個非常值得考慮的問題。

　　ALEADER—AOI的做法是建立元件庫，根據元件庫的元件，自動生成檢測框。如果認為元件庫的圖像和現在的圖像的差異超出了一定的范圍，還可以重新注冊標準，或者調整元件框的大小和位置;這樣的做法對于長期使用的元件比較合適，對于一些新的元件，另外如果沒有元件庫，有多個一樣的元件，例如對于IC這樣特殊的元件，我們采用的自動定位自動畫框的方法，就是先注冊一個標準，然后軟件自動識別應該檢測的其他位置，這樣就可以在沒有設計數據情況下快速畫框。具體的例子看我們下面的這兩幅圖像，第一個框是人工自動畫上去的，注冊為標準，后面這些框就是自動生成的 ，非�？焖俚木屯瓿闪诉@些元件的自動畫框問題;

　　(圖示：)

　　三 在了解了AOI的一些基本功能和算法之后，我想展望一下AOI技術的發展趨勢，

　　(1)分類檢測

　　我們知道AOI在SMT流水線中放置的位置不同，檢測的重點就不同，并且不同的元件，要檢測的缺陷類型也不同，譬如說焊點主要檢測的就是有無錫膏，是否多錫、少錫等，元件本體就要檢測是否缺件、偏移、錯件等情況，帶有絲印的還要做OCV，IC要檢測是否有橋接等等，另外有一些三極管就要有極性檢測;這樣不同的檢測類型，就要選擇不同的檢測方法，不同的方法針對某種或者某幾種缺陷類型才能提高檢測效果，減少誤判。

　　(2)Bad Mark的檢測，拼板與多MARK檢測，和BarCode等功能

　　AOI要適應印刷機的變化，像Bad Mark就可以不檢測，機器檢測到一塊PCB板就不印刷了，AOI也應該檢測到Bad Mark就報出Bad Mark;另外某些印刷機可能是多板同時印刷的，像陰陽板這樣的情況現在也比較常見, 那么檢測的時候AOI的程序就需要是兩個或者多個PCB的檢測程序同時運行，才能達到要求;另外一個就是一些板子用條形碼來標記板子，那么就需要AOI加入barcode功能來識別這些條形碼。這些功能都是為了適應SMT行業變化和要求，給AOI帶來的一些發展。

　　(3) AOI與SPC的進一步結合

　　SPC(Statistical Process Control)即統計過程控制。SPC主要是應用統計技術對生產過程進行實時監控，科學的區分出生產過程中產品質量的隨機波動與異常波動，從而對生產過程的異常趨勢及時提出報警，以便生產管理人員及時發現異常, 采取對策,把質量隱患消滅在萌芽狀態，達到防患于未然，減少或避免壞品的產生，以達到提高產品品質,節約成本的目的，所以SPC數據也是衡量產品質量的一個重要數據。

　　SPC是控制產品質量的一種技術，AOI是檢測產品的質量的的一種工具，如何根據AOI/SPC數據建立一個實時工藝控制(RPC, real-time process control)系統,達到AOI/SPC結合的閉環控制和SMT的全自動生產工藝是一個非常吸引人的一個問題。

　　但是，現在一般的AOI/SPC功能僅僅考慮了NG元件的類型和數量等的數據分析;要想達到上面所描述的一個理想狀態，就需要AOI/SPC進一步的接合，需要考慮SPC還需要統計什么數據，怎樣分析這些數據，以及這些數據如何調整SMT流程等一系列復雜的問題。同時，還需要考慮包括遠程控制等其他方面的問題;

　　(4)真正的彩色圖像處理技術

　　現在的AOI雖然用的是3CCD的相機，抓取的彩色的圖像，大部分的算法只提取了顏色中的部分信息，例如灰度，來進行圖像的識別，或者將RGB顏色空間的三個通道分別處理后再合成，或者將RGB空間轉化成為HSI空間或者其他顏色空間后再轉換回RGB顏色空間，這些方法對彩色圖像處理的效果都不是很明顯，因為RGB顏色空間三通道之間的相關性很高，遺憾的到目前為止，人類對大腦的顏色處理機制仍未完全理解，還處于一個試驗和探索階段，目前已成為圖像處理技術一個難題。因此，如何充分利用RGB三顏色通道的信息，是彩色圖像處理的關鍵，也是AOI技術的一個飛躍。

　　(5)拓展應用：

　　目前，市面上所見的AOI基本只應用于SMT\SMD。但ALEADER AOI因為其獨特的計算方法可以運用在其他的外觀檢測上面，比如，鍵盤的字符檢測、鉚釘檢測、針腳檢測等等，ALEADER AOI在應用領域上又迎來了一個嶄新的春天。讓AOI不再局限于SMT應用我認為是未來幾年的必然發展方向和流行趨勢。

　　以上是我認為AOI在SMT行業應用上的幾點膚淺認識，如有不足處，敬請斧正，也歡迎大家能和我一起探討AOI的發展。