了解自動光學(xué)檢測（AOI）技術(shù)

在產(chǎn)品制造過程中，由于各種原因，零部件不可避免的會產(chǎn)生多種缺陷，如印制電路板上出現(xiàn)孔錯位、劃傷、斷路、短路、污染等缺陷，液晶面板的基板玻璃和濾光片表面含有針孔、劃痕、顆粒、mura等缺陷，帶鋼表面產(chǎn)生裂紋、輥印、孔洞、麻點等缺陷，這些缺陷不僅影響產(chǎn)品的性能，嚴重時甚至?xí)：Φ缴踩?，對用戶造成巨大?jīng)濟損失。

傳統(tǒng)缺陷檢測方法為人工目視檢測法，目前在手機、平板顯示、太陽能、鋰電池等諸多行業(yè)，仍然有大量的產(chǎn)業(yè)工人從事這項工作。這種人工視覺檢測方法需要在強光照明條件下進行，不僅對檢測人員的眼睛傷害很大，且存在主觀性強、人眼空間和時間分辨率有限、檢測不確定性大、易產(chǎn)生歧義、效率低下等缺點，已很難滿足現(xiàn)代工業(yè)高速、高分辨率的檢測要求。

隨著電子技術(shù)、圖像傳感技術(shù)和計算機技術(shù)的快速發(fā)展，利用基于光學(xué)圖像傳感的表面缺陷自動光學(xué)（視覺）檢測技術(shù)取代人工目視檢測表面缺陷，已逐漸成為表面缺陷檢測的重要手段，因為這種方法具有自動化、非接觸、速度快、精度高、穩(wěn)定性高等優(yōu)點。

什么是AOI

自動光學(xué)檢測（automated optical inspection, AOI）技術(shù)，也稱為機器視覺檢測（machine vision inspection, MVI）技術(shù)或自動視覺檢測（automated visual inspection, AVI）技術(shù)。在有些行業(yè)，如平板顯示、半導(dǎo)體、太陽能等制造行業(yè)，AOI這一術(shù)語更加流行，被人知曉。但是AOI和MVI/AVI在概念和功能上還是有細微差別的。

從狹義上來說，MVI是一種集成了圖像傳感技術(shù)、數(shù)據(jù)處理技術(shù)、運動控制技術(shù)，在工業(yè)生產(chǎn)過程中，執(zhí)行測量、檢測、識別和引導(dǎo)等任務(wù)的一種新興的科學(xué)技術(shù)。MVI的基本原理可用圖 1 來表示，它采用光學(xué)成像方法（如相機，或者一個復(fù)雜的光學(xué)成像系統(tǒng)）模擬人眼的的視覺成像功能，用計算機處理系統(tǒng)代替人腦執(zhí)行數(shù)據(jù)處理，后把結(jié)果反饋給執(zhí)行機構(gòu)（如機械手）代替人手完成各種規(guī)定的任務(wù)。

從廣義上來說，MVI是一種模擬和拓展人類眼、腦、手的功能的一種技術(shù)，在不同的應(yīng)用領(lǐng)域其定義可能有著細微的差別，但都離開不了兩個根本的方法與技術(shù)，即從圖像中獲取所需信息，然后反饋給自動化執(zhí)行機構(gòu)完成特定的任務(wù)?？梢哉f基于任何圖像傳感方法（如可見光成像、紅外成像、X光成像、超聲成像等等）的自動化檢測技術(shù)都可以認為是MVI或AVI。當(dāng)采用光學(xué)成像方法時，MVI實際上就變?yōu)锳OI。因此AOI可以認為是MVI的一種特例。

根據(jù)成像方法的不同，AOI又可分為三維（3D）AOI和二維（2D）AOI，三維AOI 主要用于物體外形幾何參數(shù)的測量、零件分組、定位、識別、機器人引導(dǎo)等場合； 二維AOI主要用于產(chǎn)品外觀（色彩、缺陷等）檢測、不同物體或外觀分類、良疵品檢測與分類等場合。

 AOI系統(tǒng)組成

目前在產(chǎn)業(yè)界用得多的AOI系統(tǒng)是由相機、鏡頭、光源、計算機等通用器件集成的簡單光學(xué)成像與處理系統(tǒng)。如圖1所示，在光源照明下利用相機直接成像，然后由計算機處理實現(xiàn)檢測。這種簡單系統(tǒng)的優(yōu)點是成本低、集成容易、技術(shù)門檻相對不高，在制造過程中能夠代替人工檢測，滿足多數(shù)場合的要求。

但對于大幅面或復(fù)雜結(jié)構(gòu)物體的視覺檢測，由于受到視場和分辨率（或精度）的相互制約，或生產(chǎn)節(jié)拍對檢測速度有特殊的要求，單相機組成的AOI系統(tǒng)有時難以勝任，因此可能需要有多個基本單元集成在一起，協(xié)同工作，共同完成高難度檢測任務(wù)。即采取一種多傳感器成像、高速分布式處理的AOI系統(tǒng)集成架構(gòu)。

AOI系統(tǒng)集成技術(shù)

AOI系統(tǒng)集成技術(shù)牽涉到關(guān)鍵器件、系統(tǒng)設(shè)計、整機集成、軟件開發(fā)等。AOI系統(tǒng)中*的關(guān)鍵器件有圖像傳感器（相機）、鏡頭、光源、采集與預(yù)處理卡、計算機（工控機、服務(wù)器）等。圖像傳感器常用的是各種型號的CMOS/CCD相機，圖像傳感器、鏡頭、光源三者組合構(gòu)成了大多數(shù)自動光學(xué)檢測系統(tǒng)中感知單元，器件的選擇與配置需要根據(jù)檢測要求進行合計設(shè)計與選型。

光源的選擇（顏色、波長、功率、照明方式等）除了分辨與增強特征外，還需考慮圖像傳感器對光源光譜的靈敏度范圍。鏡頭的選擇需要考慮視場角、景深、分辨率等光學(xué)參數(shù)，鏡頭的光學(xué)分辨率要和圖像傳感器的空間分辨率匹配才能達到j(luò)ia的性價比。一般情況下，鏡頭的光學(xué)分辨率略高于圖像傳感器的空間分辨率為宜，盡可能采用黑白相機成像，提高成像分辨能力。圖像傳感器（相機）采用面陣或線陣需根據(jù)具體情況而定，選型時需要考慮的因素有成像視場、空間分辨率、小曝光時間、幀率、數(shù)據(jù)帶寬等。對于運動物體的檢測，要考慮圖像運動模糊帶來的不利影響，準確計算導(dǎo)致運動模糊的小曝光時間，確定圖像傳感器的型號。圖像傳感器的曝光時間應(yīng)小于導(dǎo)致運動模糊的小曝光時間，快速曝光選擇全局快門模式為宜，高速情況下不易采用卷簾式曝光模式；為了獲得jia的信噪比，圖像傳感器的增益盡可能為1，圖像亮度的提升盡可能用光源的能量（功率）來彌補，或者在不影響可用的成像景深情況下，增大鏡頭的孔徑光闌。

在系統(tǒng)集成中，被測件的支撐方式、精密傳輸與定位裝置也必須精心設(shè)計，這牽涉到精密機械設(shè)計技術(shù)，這對平板顯示、硅片、半導(dǎo)體和MEMS等精密制造與組裝產(chǎn)業(yè)中的自動光學(xué)檢測系統(tǒng)非常重要。在這些領(lǐng)域，制造過程通常在超凈間進行，要求自動光學(xué)檢測系統(tǒng)具有很高的自潔能力，對系統(tǒng)構(gòu)件的材料選型、氣動及自動化裝置選型、運動導(dǎo)軌的設(shè)計與器件選型都有嚴格要求，不能給生產(chǎn)環(huán)境尤其是被測工件本身帶來二次污染。尤其是用于表面缺陷檢測的AOI系統(tǒng)不能在檢測過程中，給被測件表面帶來缺陷（如粉塵、劃傷、靜電等）。因此，對于大型零件（如高世代的液晶玻璃基板、硅片等）的在線檢測，常常需要采取氣浮支撐、定位與傳輸機構(gòu)，運動部件（如軸承等）采用自潤滑器件，以及利用FFU風(fēng)機過濾機組對檢測系統(tǒng)進行環(huán)境凈化，并采取消靜電裝置，對工件進行防靜電處理。

高速圖像數(shù)據(jù)處理與軟件開發(fā)是自動光學(xué)檢測的核心技術(shù)。由于自動光學(xué)檢測是以圖像傳感獲取被測信息，數(shù)據(jù)量大，尤其是高速在線檢測，圖像數(shù)據(jù)有時是海量的，為滿足生產(chǎn)節(jié)拍需求，必須采用高速數(shù)據(jù)處理技術(shù)。常用的方法有共享內(nèi)存式的多線程處理，共享內(nèi)存或分布式內(nèi)存多進程處理等；在系統(tǒng)實現(xiàn)上采用分布式計算機集群，把巨大的圖像分時、分塊分割成小塊數(shù)據(jù)流，分散到集群系統(tǒng)各節(jié)點處理。對于耗時復(fù)雜的算法，有時僅靠計算機CPU很難滿足時間要求，這時還需配備硬件處理技術(shù)，如采用DSP、GPU和FPGA等硬件處理模塊，與CPU協(xié)同工作，實現(xiàn)快速復(fù)雜的計算難題。

以上技術(shù)資料瑞研光學(xué)整理采集于網(wǎng)絡(luò)，非瑞研光學(xué)原創(chuàng)，瑞研光學(xué)僅提供AOI自動檢測儀用濾光片，也提供濾光片定制服務(wù)。