传统的AOI视觉检测设备往往存在编程步骤复杂、耗时长,判断标准较为单一呆板 ,检测的泛化能力差等弊病。并且,在某些情况下容易
误判,光照不佳、电路板颜色变化也会影响检测的准确率。而要AOI用的好,则要求操作传统AOI的工人积累足够丰富的编程技术经验。这
也就导致了小型企业不愿使用这些操作难度大的设备, -是这类人才有限,二是有的客户产线换线频繁,不适合使
插件检测AOI设备
传统的AOI视觉检测设备往往存在编程步骤复杂、耗时长,判断标准较为单一呆板 ,检测的泛化能力差等弊病。并且,在某些情况下容易
误判,光照不佳、电路板颜色变化也会影响检测的准确率。而要AOI用的好,则要求操作传统AOI的工人积累足够丰富的编程技术经验。这
也就导致了小型企业不愿使用这些操作难度大的设备, -是这类人才有限,二是有的客户产线换线频繁,不适合使用。三是使用效果
不佳误报太高。
但是如果让这些探针直接接触到板子上面的电子零件或是其焊脚，很有可能会压毁一些电子零件，反而适得其反，所以聪明的工程师就发明了「测试点」， 在零件的两端额外引出一对圆形的小点，上面没有防焊( mask)， 可以让测试用的探针接触到这些小点，而不用直接接触到那些被量测的电子零件。早期在电路板上面还都是传统插件( DIP )的年代，的确会拿零件的焊脚来当作测试点来用，因为传统零件的焊脚够强壮，不怕针扎，可是经常会有探针接触不良的误判情形发生，因为一般的电子零件经过波峰焊( wave soldering )或是SMT吃锡之后，在其焊锡的表面通常都会形成一层锡膏助焊剂的残留薄膜，这层薄膜的阻抗非常高，常常会造成探针的接触不良，所以当时经常可见产线的测试作业员，经常拿着空e气喷拼命的吹，或是拿酒精擦拭这些需要测试的地方。
其实经过波峰焊的测试点也会有探针接触不良的问题。后来SMT盛行之后 ，测试误判的情形就得到了很大的改善，测试点的应
用也被大大地赋予重任，因为SMT的零件通常很脆弱，无法承受测试探针的直接接触压力， 使用测试点就可以不用让探针直接
接触到零件及其焊脚，不但保护零件不受伤害，也间接大大地提升测试的可靠度，因为误判的情形变少了。
未来AOI采用深度学习的人工智能技术，并将其应用在AOI中。这种深度学习算法能模拟人类大脑工作，构建深度神经网络，在原始数据中进行自动特征的提取。当出现无法检测的缺陷时，检测系统可以通过设备采集数据,在一定的人工干预 下进行模型的微调训练。在训练过程中，随着数据集的扩充和模型的强化，AOI检测结果也在不断优化。未来AOI在进行元件极性识别时，基本不会受到元件成像角度、位置、光照、纹理、颜色、大小等差异的影响，兼容多种工业环境。现在该AOI系统已应用在多个行业，包括显示液晶屏蒂的自动化检测、汽车电子产品的外观检测、电子产品的组装加工过程等
（作者： 来源：）
