什么是自动光学检测技术?

在产品制造过程中，由于各种原因，元器件难免会产生各种缺陷，如印刷线路板上的孔错位、划伤、断路、短路、污染等缺陷，表面有针孔、划痕、颗粒、mura等缺陷，带钢表面有裂纹、辊痕、孔、坑等缺陷。这些缺陷不仅影响产品的性能，严重时甚至危及生命安全，给用户造成巨大的经济损失。

传统的缺陷检测方法是手动视觉检查。目前，仍有大量工业工人在移动电话，平板显示器，太阳能和锂电池等许多行业中从事这项工作。这种人工视觉检测方法需要在强光照明下进行，这不仅对检测人员的眼睛造成了很大的损害，而且还具有强大的主观性，有限的人眼空间和时间分辨率，检测不确定性大，易于检测产生歧义。低效率等缺点使得难以满足现代行业的高速和高分辨率检测要求。

随着电子技术的快速发展，图像传感技术和计算机技术，使用自动光学（视觉）检测技术的表面缺陷基于光学图像感测到替代人工视觉检测表面缺陷逐渐成为一个重要的手段表面缺陷检测，因为该方法具有自动化，非接触式，快速，精度高，稳定性高的优点。

什么是AOI ?

自动光学检测(AOI)技术，又称机器视觉检测(MVI)技术或自动视觉检测(AVI)技术。在一些行业，如平板显示器、半导体、太阳能和其他制造业，AOI这个术语更受欢迎和熟知。但是AOI和MVI / AVI在概念和功能上仍有细微的不同。

狭义上讲，MVI是一种集图像传感技术、数据处理技术、运动控制技术于一体，在工业生产过程中执行测量、检测、识别、引导等任务的新兴科学技术。MVI的基本原理是利用光学成像方法(如照相机，或复杂的光学成像系统)来模拟人眼的视觉成像功能，用计算机处理系统代替人脑来进行数据处理，并最终将结果反馈给执行机构(如机械手)，以完成各种规定的任务，而不是人工。

宽泛说，MVI是一种刺激和扩展人眼，大脑和手的功能的技术。其定义可能在不同的应用领域具有微妙的差异，但它们不能留下两种基本方法和技术。从图像中获取所需信息，然后将其送回自动执行器以完成特定任务。可以说，基于任何图像感测方法的自动检测技术（例如可见光成像，红外成像，X射线成像，超声成像等）可以被认为是MVI或AVI。使用光学成像方法时，MVI实际上变为AOI。因此，AOI可以被视为MVI的特殊情况。

根据成像方法的不同，AOI可分为三维(3D) AOI和二维(2D) AOI。三维AOI主要用于物体形状和几何参数的测量、零件分组、定位、识别、机器人引导等;AOI主要用于产品外观(颜色、缺陷等)检测，对不同物体或外观进行分类，检测，并对良次品进行分类等。

光学系统组成

目前业界应用最广泛的AOI系统是由摄像机、镜头、光源、计算机等通用设备集成的简单光学成像和处理系统。如图1所示，摄像机在光源的照射下直接成像，然后由计算机检测处理。该系统简单，成本低，易于集成，技术门槛相对较低。它可以在制造过程中代替人工检测，满足大多数场合的要求。

然而，对于大画幅或复杂结构物体的视觉检测，由于视场和分辨率(或精度)的相互限制，或生产节拍对检测速度有特殊要求，单台相机组成的AOI系统有时无法实现，因此，可能有必要将多个基本单位集成在一起，共同工作，以完成困难的检测任务。即采用多传感器成像、高速分布式处理的AOI系统集成体系结构。

多传感器成像和高速分布式处理MVI系统集成体系结构为大幅面表面缺陷AOI检测系统提供了一个通用框架。该系统由光源、摄像机阵列、显微镜复检、集群并行处理系统、控制系统、主控计算机、服务器以及与工厂数据中心互联的工业区网络组成。该系统结构具有大规模表面缺陷低分辨率快速检测和高分辨率显微复检两大功能。从图中可以看出，完整的AOI系统不仅集成了照明和光学成像单元，还需要测试对象配套的传输单元、精密运动机构和控制单元，以及高速并行的图像处理单元。

AOI系统集成技术

AOI系统集成技术涉及关键设备，系统设计，机器集成，软件开发等。AOI系统中的不可或缺的关键设备是图像传感器（摄像机），镜头，光源，采集和预处理卡，计算机（工业控制计算机，服务器）等。最常用的图像传感器是各种类型的CMOS / CCD摄像机。图像传感器，透镜和光源的组合在大多数自动光学检测系统中构成传感单元。设备的选择和配置需要根据检测要求设计和设计。

除了区分和增强特征之外，除了区分和增强的特征之外还需要选择光源（颜色，波长，功率，照明方法等），还需要考虑图像传感器的灵敏度范围到光源光谱。镜头的选择需要考虑视场，景深，分辨率等的光学参数。镜头的光学分辨率必须与图像传感器的空间分辨率匹配以实现最佳成本性能。通常，透镜的光学分辨率略高于图像传感器的空间分辨率。黑白相机尽可能地用于成像以提高成像分辨率。图像传感器（相机）根据具体情况采用区域阵列或线阵列。选择模型时要考虑的因素包括用于检测移动物体的成像视野，空间分辨率，最小曝光时间，帧速率，数据带宽等，需要考虑图像运动模糊的不利影响，精确计算导致运动模糊的最小曝光时间，并确定图像传感器的类型。图像传感器的曝光时间应小于导致运动模糊的最小曝光时间。选择全局快门模式以便快速曝光是合适的。在高速下使用快门曝光模式并不容易; in order to obtain the best signal-to-noise ratio, the gain of the image sensor As much as possible 1, the brightness of the image is improved as much as possible with the energy (power) of the light source, or without affecting the available imaging depth of field, the lens aperture diaphragm is increased.

在系统集成中，还必须精心设计被测设备的支撑方法和精密传动定位装置，这涉及到精密机械设计技术，是平板显示器、硅片、半导体和微机电系统。光学检测系统是非常重要的。在这些领域中，制造过程通常是在超洁净室中进行的，这就要求自动光学检测系统具有较高的自清洁能力。系统元件的选材，气动和自动装置的选材，运动导轨的设计，以及装置的选材都有严格的要求，不能给生产环境，尤其是工件本身带来二次污染。特别是用于表面缺陷检测的AOI系统，在检测过程中不会将缺陷(如灰尘、划痕、静电等)带到试件表面。因此，对于大零件(如高代液晶玻璃基片、硅片等)的在线检测，往往需要采用气浮支撑、定位传动机构、运动部件(如轴承)的自润滑装置，过滤单元净化检测系统的环境，并采用消静电装置对工件进行防静电处理。

高速图像数据处理和软件开发是光学自动检测的核心技术。由于自动光学检测是利用图像传感来获取待测信息，数据量大，特别是高速在线检测，有时图像数据量大。为了满足生产节拍的需求，必须采用高速数据处理技术。常用的方法有共享内存多线程处理、共享内存或分布式内存多进程处理等;在系统实现中采用分布式计算机集群，将巨大的图像按时间和块划分为小数据流，分布到集群系统的每个节点进行处理。对于耗时且复杂的算法，有时仅靠计算机CPU很难满足时间要求。此时需要DSP、GPU、FPGA等硬件处理技术和其他硬件处理模块配合CPU来实现快速而复杂的计算难题。

总结一下

近年来，特别是2015年中国发布《中国制造2025》发展战略以来，用机器代替人，即用机器视觉或自动光学检测代替人工视觉，实现了产品零部件制造质量的在线高效自动检测和质量控制，深受众多行业青睐。AOI技术目前广泛应用于工业、农业、生物医药等行业，特别是在手机、液晶面板、硅片、印刷电路板等精密制造和组装行业。特别是3D AOI机器人引导组装和抓取。二维AOI表面缺陷检测技术发展迅速，各种高科技检测设备不断涌现。