 |
 |
xl155380693
No.: 415250  
级别: 新手上路
发帖: 46
威望: 1 点
金币: 54 枚
来自: 江苏
在线状态:
离线
注册时间: 2008-07-22
最后登陆: 2008-11-07
| |
 | |
 |
|
楼主说:
AOI 在SMT 行业的应用及未来的发展趋势
AOI 在SMT 行业的应用及未来的发展趋势
大家都知道：目前电子行业发展的趋势是元件越来越小、密度越来越高，客户端的品质要求也在不断的提高，人
工检测产品的速度和质量已经满足不了工业化的要求，在这样的一个环境下，便相继出现了各式各样的机器检测设备，
像ICT(In Circuit Test), FT(Function Test),AOI(Auto Optical Inspection), AXI(Auto X-ray Inspection)等等，这些设备各自有
着不同的特点，ICT，FT 是基于电信号的，AOI 和AXI 都是光学的检测设备，不同的是AXI 是利用X-ray 进行检测的，
而AOI 是利用可见光（像LED 灯）进行检测。和其他检测设备比较， 本人认为AOI 更具有准确、快速、稳定、可靠
的特点，正因为具备这些显著的特点才使得AOI 目前在SMT 生产线上得到的广泛应用。
作为潜心钻研AOI 的一员，我想和大家讨论一下以下两个方面的内容：
（1） AOI 如何检测PCB 板的?
（2） AOI 未来的发展趋势；
第一个问题，AOI 是如何检测PCB 板，这是AOI 的核心问题，也是一个非常综合性的问题，关系到AOI 所用的
基本原理和其工业实现的方方面面，我今天只和大家探讨以下几个比较重要的问题：
1. AOI 的基本工作原理.
从上图看到AOI 就是用摄像机等硬件设备获取被检测物体的图像，然后用软件比较、分析、判断被检测物体是否OK。
也就是说AOI 检测物体的过程是模拟人眼检测物体，是将人工检测物体自动化、智能化。
图像获取就是用CCD 摄像机把物体表面的光信号转换成为电信号送入图像采集卡。图像采集卡将图像数字化送入
计算机，这个过程很直观，容易理解。那把图像送入计算机之后，AOI 是如何检测元件的质量呢？
2. AOI 是如何判贴片的质量？
人们判断一个物体的质量是否合格，总是要实现设定一个标准，如果达到标准，则认为该对象是合格，如果不
达到标准，则认为对象不合格。同样，AOI 判断一个元件是否是OK 的，也设定一个规则，满足规则的就OK，不
满足规则的就是NG 的。
AOI 针对不同的元件选用不同的规则，最常用的规则就是标准图像，就是事先给某个贴片指定一个标准图像，
如果被检测贴片的图像和标准图像很相似，那么我们认为这个贴片是OK 的，如果不相似，则认为是NG 的，在图
像处理行业，我们称这种规则是图像比对或者说是模板匹配。另外还有一些特定的规则，像指定IC 之间不能桥接，
这不是通过指定一个标准图像，而是个通过某种算法计算两IC 之间是否有连接物的方法判断IC 是否有桥接现象。
理论上大家都知道来设定标准图像作为一个规则判断元件的质量，实际上如何制定标准图，如何计算相似度，市面
上纷繁复杂的AOI 各有不同的做法，我们Aleader-AOI 的做法是利用自主开发的统计建模技术，那么统计的是什么？
建立的模型又是什么呢？
我们通常是统计一系列OK 样板的变化规律，包括OK 元件大致像什么，可能有一些什么样的变化，可能变化到什
么程度。而建立完的模型就是每一个元件都有一个标准图像和两个辅助图像；
对于统计建模，大家可能有下面两个问题：
（1） 既然是为了图像比对，人眼看起来元件都差不多，注册一个OK 元件的图像就可以了，为什么还要学习
多个OK 元件呢？通过我们反复试验发现，摄像机是放大了元件的差异，也就是说虽然人眼看OK 元件都差不多，但是
OK 元件图像实际上都大大小小的存在一定的差异，并且不同的元件的差异性不同，有的元件差异性比较小，有的元件
的差异性很大，对于那些差异小的元件注册一个标准就可以了，但是差异性比较大的元件，如果只注册一个标准就很
容易造成误判，用统计建模的方法，在学习的时候，差异小的统计学习之后两个辅助图像的差异性比较小，差异大的
元件统计学习之后两个辅助图像的差异也比较大，这样对不同的元件采用不同的差异标准进行判断，更加合理；
（2 既然OK 元件图像之间有一定的差异，注册多个标准就可以达到检测的效果了，统计建模和这种多个标准的方
法有什么区别呢？同样我们通过实践发现：多个标准进行比较的时候就要依次和多个标准进行相似度的计算，看被检
测图像是否和某个标准图像的相似度可以达到判断OK 的要求。而统计建模后只保存了标准图像和两个辅助图像，进
行图像比对的时候被检测图像也只用和其标准图像一个进行相似度计算，大大减少了计算次数，提升了检测速度。
了解了AOI 是如何判断贴片缺陷的理论，我们还要考虑AOI 的速度是如何达到工业应用的要求的？
3. AOI 检测的速度
前面我们介绍AOI 工作原理的时候，AOI 主要有获取图像，处理图像两个不同的步骤；对于获取图像来说，因为
相机的FOV(Field Of Vision)有限，因此就必须通过XY 平台来移动相机或者PCB 才能拍摄到整个PCB 板上的元件；也
就是说AOI 必须协调软硬件同时工作，要考虑摄像机什么时候开始拍照，什么时候要移动，移动到什么地方，什么时
候开始图像处理等等各方面的问题；
为了节约运动的时间，ALEADER—AOI 采用了下面两个方法：
a. 必须采用最少的拍摄次数将所有零件拍摄―――镜头的自动分配
b. 运动路径必须最短―――路径自动优化
用最少的镜头和最短路径来减少机械运动的次数和时间。
除了减少获取图像的运行时间外，ALEADER-AOI 在其他方面也做了大量的优化：
a. 使用多核处理器和多线程;
b. 使用CPU 的多媒体指令，普通的CPU 指令是单指令单数据，而这些多媒体指令可以实现单指令多数据，在
同样的时间内可以处理多个数据，大大增强了CPU 的图像处理能力，减少了AOI 图像处理的时间。
这些软硬件方面的优化以及前面提到的统计建模技术，大大提高了ALEADER-AOI 的检测速度；
有的朋友可能会提出这样一个问题，最小路径是一个很正常的想法，为什么ALEADER-AOI 仍要特殊考虑呢？
因为相机按CCD 排列方式的不同分两种，面阵相机和线阵相机，线阵相机就像我们常见的扫描仪，特点就是速度
快，使用线阵相机的AOI 一般是扫描完整个PCB 板，然后再做检测，显然不用考虑路径优化的问题。但是因为线扫描
的关系,它的打光主要采用顶光源, FOV 范围内的元件在不同方向和角度接受的光照条件不一致，那么对于那些带有高
元件的PCB 板，高元件的阴影就会影响低元件的图像，并且如果PCB 放在AOI 的方向不一致，元件的亮度也会有一
定的差异，因此使用线阵相机图像质量不够稳定。
而面扫描相机采用的光源是环形光源，就像常说的无影灯，摄像机FOV 内光照一致，保证了图像的质量，但是面
阵相机的速度没有线阵相机快，使用路径优化就是为了弥补面阵相机速度方面的不足。并且随着软硬件技术的进步，
以及前面我们所提到的优化方案，使用面阵相机在保证图像质量和检测质量的基础上，也能达到工业应用的要求。
4. 编程的难易程度
使用AOI 制作程序，需要标出那些元件是需要检测，如果手工画出这些元件肯定是非常麻烦的，最快的方法就是使
用CAD 的数据，利用PCB 设计时候的数据自动画出检测的位置和检测的类型；如果没有CAD 数据，要手工增加监测
点，怎么能快速的，准确的制作出检测程序是一个非常值得考虑的问题。
ALEADER—AOI 的做法是建立元件库，根据元件库的元件，自动生成检测框。如果认为元件库的图像和现在的图
像的差异超出了一定的范围，还可以重新注册标准，或者调整元件框的大小和位置；这样的做法对于长期使用的元件
比较合适，对于一些新的元件，另外如果没有元件库，有多个一样的元件，例如对于IC 这样特殊的元件，我们采用的
自动定位自动画框的方法，就是先注册一个标准，然后软件自动识别应该检测的其他位置，这样就可以在没有设计数
据情况下快速画框。具体的例子看我们下面的这两幅图像，第一个框是人工自动画上去的，注册为标准，后面这些框
就是自动生成的 ，非常快速的就完成了这些元件的自动画框问题；
（图示：）
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 技术的发展趋势，
（1）分类检测
我们知道AOI 在SMT 流水线中放置的位置不同，检测的重点就不同，并且不同的元件，要检测的缺陷类型也不
同，譬如说焊点主要检测的就是有无锡膏，是否多锡、少锡等，元件本体就要检测是否缺件、偏移、错件等情况，带
有丝印的还要做OCV，IC 要检测是否有桥接等等，另外有一些三极管就要有极性检测；这样不同的检测类型，就要选
择不同的检测方法，不同的方法针对某种或者某几种缺陷类型才能提高检测效果，减少误判。
（2）Bad Mark 的检测，拼板与多MARK 检测，和BarCode 等功能
AOI 要适应印刷机的变化，像Bad Mark 就可以不检测，机器检测到一块PCB 板就不印刷了，AOI 也应该检测
到Bad Mark 就报出Bad Mark；另外某些印刷机可能是多板同时印刷的，像阴阳板这样的情况现在也比较常见, 那么检
测的时候AOI 的程序就需要是两个或者多个PCB 的检测程序同时运行，才能达到要求；另外一个就是一些板子用条形
码来标记板子，那么就需要AOI 加入barcode 功能来识别这些条形码。这些功能都是为了适应SMT 行业变化和要求，
给AOI 带来的一些发展。
（3） AOI 与SPC 的进一步结合
SPC（Statistical Process Control）即统计过程控制。SPC 主要是应用统计技术对生产过程进行实时监控，科学的区
分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势及时提出报警，以便生产管理人员及时
发现异常, 采取对策,把质量隐患消灭在萌芽状态，达到防患于未然，减少或避免坏品的产生，以达到提高产品品质,节
约成本的目的，所以SPC 数据也是衡量产品质量的一个重要数据。
SPC 是控制产品质量的一种技术，AOI 是检测产品的质量的的一种工具，如何根据AOI/SPC 数据建立一个实时工
艺控制(RPC, real-time process control)系统,达到AOI/SPC 结合的闭环控制和SMT 的全自动生产工艺是一个非常吸引人
的一个问题。
但是，现在一般的AOI/SPC 功能仅仅考虑了NG 元件的类型和数量等的数据分析；要想达到上面所描述的一个理
想状态，就需要AOI/SPC 进一步的接合，需要考虑SPC 还需要统计什么数据，怎样分析这些数据，以及这些数据如何
调整SMT 流程等一系列复杂的问题。同时，还需要考虑包括远程控制等其他方面的问题；
（4）真正的彩色图像处理技术
现在的AOI 虽然用的是3CCD 的相机，抓取的彩色的图像，大部分的算法只提取了颜色中的部分信息，例如灰度，
来进行图像的识别，或者将RGB 颜色空间的三个通道分别处理后再合成，或者将RGB 空间转化成为HSI 空间或者其
他颜色空间后再转换回RGB 颜色空间，这些方法对彩色图像处理的效果都不是很明显，因为RGB 颜色空间三通道之
间的相关性很高，遗憾的到目前为止，人类对大脑的颜色处理机制仍未完全理解，还处于一个试验和探索阶段，目前
已成为图像处理技术一个难题。因此，如何充分利用RGB 三颜色通道的信息，是彩色图像处理的关键，也是AOI 技术
的一个飞跃。
（5）拓展应用：
目前，市面上所见的AOI 基本只应用于SMT\SMD。但ALEADER AOI 因为其独特的计算方法可以运用在其他的
外观检测上面，比如，键盘的字符检测、铆钉检测、针脚检测等等，ALEADER AOI 在应用领域上又迎来了一个崭新的
春天。让AOI 不再局限于SMT 应用我认为是未来几年的必然发展方向和流行趋势。
以上是我认为AOI 在SMT 行业应用上的几点肤浅认识，如有不足处，敬请斧正，也欢迎大家能和我一起探讨AOI
的发展。以下是我的邮箱：
最后，衷心的谢谢大家，谢谢！
以上文字为转载。
|
※ 本文由 xl155380693 发布于SMTHome.Net 未经允许，请勿擅自转载！※
文笔流畅修辞得体
|
|
SMT之家论坛 -> 表面贴装测试 -> AOI专栏 -> AOI 在SMT 行业的应用及未来的发展趋势
