了解自動光學檢測（AOI）技術

在產品制造過程中，由于各種原因，零部件不可避免的會產生多種缺陷，如印制電路板上出現孔錯位、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，帶鋼表面產生裂紋、輥印、孔洞、麻點等缺陷，這些缺陷不僅影響產品的性能，嚴重時甚至會危害到生命安全，對用戶造成巨大經濟損失。

傳統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，仍然有大量的產業工人從事這項工作。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、易產生歧義、效率低下等缺點，已很難滿足現代工業高速、高分辨率的檢測要求。

隨著電子技術、圖像傳感技術和計算機技術的快速發展，利用基于光學圖像傳感的表面缺陷自動光學（視覺）檢測技術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、穩定性高等優點。

什么是AOI

自動光學檢測（automated optical inspection, AOI）技術，也稱為機器視覺檢測（machine vision inspection, MVI）技術或自動視覺檢測（automated visual inspection, AVI）技術。在有些行業，如平板顯示、半導體、太陽能等制造行業，AOI這一術語更加流行，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、數據處理技術、運動控制技術，在工業生產過程中，執行測量、檢測、識別和引導等任務的一種新興的科學技術。MVI的基本原理可用圖 1 來表示，它采用光學成像方法（如相機，或者一個復雜的光學成像系統）模擬人眼的的視覺成像功能，用計算機處理系統代替人腦執行數據處理，后把結果反饋給執行機構（如機械手）代替人手完成各種規定的任務。

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，在不同的應用領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，即從圖像中獲取所需信息，然后反饋給自動化執行機構完成特定的任務。可以說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）的自動化檢測技術都可以認為是MVI或AVI。當采用光學成像方法時，MVI實際上就變為AOI。因此AOI可以認為是MVI的一種特例。

根據成像方法的不同，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的測量、零件分組、定位、識別、機器人引導等場合； 二維AOI主要用于產品外觀（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系統組成

目前在產業界用得多的AOI系統是由相機、鏡頭、光源、計算機等通用器件集成的簡單光學成像與處理系統。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檢測。這種簡單系統的優點是成本低、集成容易、技術門檻相對不高，在制造過程中能夠代替人工檢測，滿足多數場合的要求。

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

AOI系統集成技術

AOI系統集成技術牽涉到關鍵器件、系統設計、整機集成、軟件開發等。AOI系統中*的關鍵器件有圖像傳感器（相機）、鏡頭、光源、采集與預處理卡、計算機（工控機、服務器）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、光源三者組合構成了大多數自動光學檢測系統中感知單元，器件的選擇與配置需要根據檢測要求進行合計設計與選型。

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、分辨率等光學參數，鏡頭的光學分辨率要和圖像傳感器的空間分辨率匹配才能達到jia的性價比。一般情況下，鏡頭的光學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、數據帶寬等。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小于導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計，這牽涉到精密機械設計技術，這對平板顯示、硅片、半導體和MEMS等精密制造與組裝產業中的自動光學檢測系統非常重要。在這些領域，制造過程通常在超凈間進行，要求自動光學檢測系統具有很高的自潔能力，對系統構件的材料選型、氣動及自動化裝置選型、運動導軌的設計與器件選型都有嚴格要求，不能給生產環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，運動部件（如軸承等）采用自潤滑器件，以及利用FFU風機過濾機組對檢測系統進行環境凈化，并采取消靜電裝置，對工件進行防靜電處理。

高速圖像數據處理與軟件開發是自動光學檢測的核心技術。由于自動光學檢測是以圖像傳感獲取被測信息，數據量大，尤其是高速在線檢測，圖像數據有時是海量的，為滿足生產節拍需求，必須采用高速數據處理技術。常用的方法有共享內存式的多線程處理，共享內存或分布式內存多進程處理等；在系統實現上采用分布式計算機集群，把巨大的圖像分時、分塊分割成小塊數據流，分散到集群系統各節點處理。對于耗時復雜的算法，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，如采用DSP、GPU和FPGA等硬件處理模塊，與CPU協同工作，實現快速復雜的計算難題。

以上技術資料瑞研光學整理采集于網絡，非瑞研光學原創，瑞研光學僅提供AOI自動檢測儀用濾光片，也提供濾光片定制服務。