人工智能如何改进自动光学检测?

工业检测方法。自动光学检测

在制造业中，检验是一项必不可少的职能。目视检查保证了产品的功能和外观符合预期，并为制造商和客户提供了重要的利益。质量保证是由自动光学检测提供的，它可以通过产品标签直接传达给客户，或者在制造工厂内记录作为其质量控制过程的一部分。

此外，识别生产过程中的任何不合格品有助于确定生产过程或步骤是否需要调整。检查结果可以帮助确定故障的原因，立即识别缺陷可以立即停止生产并解决问题。越早发现质量问题，解决问题的成本就越低。

什么是自动光学检测(AOI)技术?

在产品制造过程中，由于各种原因，零部件不可避免地会产生各种缺陷。这些缺陷不仅影响产品的使用性能，严重时甚至危及用户的生命安全，给用户造成巨大的损失。

随着电子技术、图像传感技术、计算机技术的快速发展，利用基于光学图像传感的自动光学(视觉)检测技术对表面缺陷进行检测，已逐渐成为表面缺陷检测的主要方法，取代人工对表面缺陷进行视觉检测。该方法具有自动化、无接触、速度快、精度高、稳定性好等优点。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。

MVI是一门融合了图像传感技术、数据处理技术、运动控制技术，在工业生产过程中执行测量、检测、识别、引导等任务的新兴技术。MVI使用光学成像来模拟人眼的视觉成像。它采用计算机处理系统代替人脑进行数据处理，最后将处理结果反馈给执行器，模仿人手的动作完成各种规定的任务。

从人工检测到自动光学检测(AOI):

通常需要对生产的每个产品进行检查，操作员可以接受人工培训，检查简单产品的加工或整体外观。但随着产品变得越来越复杂，一些应用，如印刷电路板组件(pcba)，可能需要按比例放大的设备，其最小功能尺寸对检查员的视力是一个挑战。随着产品复杂性的增加，各种类型的设备都包含了大量的部件。在检查和记录结果时，检查人员必须克服视觉和时间要求的双重挑战，这可能导致人工检查不准确。

随着特征尺寸、复杂性和吞吐量方面的挑战越来越大，自动光学检测(AOI)是一种确保对每个项目进行充分检测的实用方法。AOI包括图像传感、照明和计算子系统，它们一起工作以捕获和分析图像。AOI系统可以将捕获的图像与参考图像进行比较，然后识别诸如材料表面缺陷、焊料缺陷或PCBA上缺失或错位的组件等缺陷。另外，一些基于规则的系统度量特征维度来确定好或坏的状态。如果检测到缺陷，机器设备可以在继续进行后续检查之前隔离有缺陷的物品，或者暂停并警告操作员。

AOI可以检测组装电路板的缺陷，如缺失或倾斜的特征、墓碑缺陷、错误的组件、错误的极性、焊接缺陷、焊桥和焊料不足。

从传统的图像处理到AI技术的应用:

图像识别的基本原理是将每一张捕获的图像数字化，并应用各种滤波器来检测物体的模式和特征。边缘检测滤波器通常用于检测图像中的物体，能够识别人的算法可以应用斜率检测来识别手臂、肩膀、腿等特征。作为进一步的定义标准，还需要检测这些检测到的特征的相对方向。检测焊点算法可以利用边缘检测和颜色检测来识别焊点，检测圆角斜率是否在可接受范围内。光学系统可以用不同的颜色从不同的角度照亮被测设备。

传统的图像识别面临着许多挑战，无论是在安全监控或车辆行人检测等应用中的人员识别，还是在社交媒体中的人脸识别，还是在工业检测中的缺陷检测。

定义规则和创建算法来检测和分类数字化图像中的对象是复杂的。在工业检测中，开发可靠的算法既昂贵又耗时。在检查PCB组件时，焊点质量只是要测试的标准之一。还必须验证每个组件的存在，以及其相对于阻焊片的位置和方向，组件共面性和不需要的物体的存在。微调算法和添加更多算法以覆盖更多条件是一项永无止境的任务，需要不断更新软件。每当在行业中使用新产品时，必须开发新的算法来检测它。

人工智能(AI)可以在一定程度上模仿人类，将吸取的经验教训应用于图像识别，然后能够应对无限变化带来的挑战。在人工智能的一般概念所涵盖的各种计算架构中，卷积神经网络(CNN)通常用于图像识别。其中包括层层连接和排列的人工神经元。它们通常是深度神经网络，在输入和输出层之间包含多个内层或隐藏层。隐藏层对从前一层接收到的数据执行特定的、定义良好的采样池和卷积操作。结果被发送到下一层，最后发送到输出层，输出层可以指示所寻找的对象是否被识别。在部署CNN之前，需要训练它识别特定的物体。在这个过程中，每个神经元的重要性或权重根据每个答案是否正确来调整。经过多次的重复操作，CNN能够以较高的准确率识别图像。

AI技术与AOI设备的结合:

AI可以为AOI设备供应商和用户带来优势。从供应商的角度来看，如果人工智能可以确定找到特定对象的概率，它可以简化算法开发。通过减少定义每个项目和相应的验收标准的需要，帮助缩短新设备的上市时间，并减少持续的软件支持成本。对于用户来说，通过AI实现增强的AOI可以简化检测系统设置、程序，微调质量判断值。

与传统系统相比，人工智能技术和AOI设备的结合具有更高的准确性和更少的误报，并且可以快速训练以检测新产品或识别以前未知的缺陷。人工智能可以比人类专家更快地自动调整多个参数，并在大大降低错误风险的情况下做出决策，无论AOI系统是由初学者还是专家编程，都能实现一致的检测结果。

AOI系统架构:

AOI系统由一个简单的光学成像和处理系统组成，集成了照相机、镜头、光源和计算机等通用设备。这样的系统特征凸显了人工智能可以为包括安全和零售在内的许多领域的检查应用带来的优势。在需要搜索图像以检测物体和特征或识别个人的应用程序中，人工智能可以简化设置和编程，消除人为错误，最大限度地减少延迟并实现更好的决策。为了帮助开发人员充分利用这项技术，相机模块现在已经上市，并提供软件支持，以简化人工智能开发。

AOI的未来展望:

AOI可以以生产线匹配率运行，已经支持各行各业的制造商提高质量保证和生产力，并不断改进生产流程。基于AI的进一步改进是AOI未来的发展方向。光学检测应用的训练算法可以带来额外的好处，例如更高的决策能力，减少操作员的参与，简化程序，并提供更强大的性能，可以改进缺陷检测，同时减少误报。