<samp id="osgye"></samp>
<center id="osgye"></center>
<center id="osgye"><xmp id="osgye">
您當前的位置 : 膠東在線  >  智慧城市  >  解決方案  >  機器視覺

如何利用人工智能改善自動光學檢測?-機器視覺

來源:互聯網 2021-09-03 16:36

| 舉報 糾錯

A+ A-

煙臺機器視覺解決方案合作咨詢:0535-2163369         13695448998 胡經理

------------------------------------------------------

  歡迎電話咨詢獲取機器視覺解決方案,并有機器視覺專家指導開展機器視覺系統導入工作

  ------------------------------------------------------

  在制造業中,檢測是必不可少的功能。視覺檢測可確保產品符合其預期的功能和外觀,并為制造商和客戶帶來重要利益。最明顯的是,檢測結果能夠提供質量保證,可以通過產品標注或標簽直接傳達給客戶,或者在制造工廠內記錄,并作為其質量控制過程的一部分。如果產品從現場退回,檢測報告還可以幫助進行故障排除,并可以幫助制造商處理任何索賠。

  此外,在生產過程中識別出所有不合格物品可以幫助確定是否需要調整制造工藝或程序,檢測結果可以幫助確定故障原因,例如,電子產品表面貼裝機中的噴嘴堵塞,瓶裝設備故障或標簽機械未對準等等。實時識別缺陷可以做到立即停止生產,從而馬上解決問題。越早發現質量問題,解決問題的成本就越低。業界經常引用一個“十倍規則”:產品開發階段發現錯誤的成本比生產階段低十倍,依次而行,生產階段的錯誤成本比現場應用也低十倍。

  從人工檢測到AOI

  通常對生產的每個產品都需要進行檢測。經過訓練的操作員可以人工進行檢測,尤其是在處理簡單產品或作為整體外觀最終檢測時更是如此。印刷電路板組件(PCBA)等一些應用可能需要放大設備,最小的功能尺寸(例如高密度IC互連和焊接在電路板上的01005大小SMD芯片)(見圖1),都對檢測人員的視覺敏感度(visual acuity)提出很大挑戰。

  但是,隨著產品復雜性的提高,一些典型組件可能包含大量此類器件。檢測員在進行檢測并記錄結果時,必須要克服視覺和節拍時間的雙重挑戰,可能導致人工檢測不切實際。在某些情況下,例如高速灌裝工藝,可能根本無法進行人工檢測。

  隨著特征尺寸、復雜性和吞吐量方面的挑戰越來越嚴峻,自動光學檢測(AOI)成為確保對每個項目進行充分檢測的唯一實用方法。

  AOI包括圖像傳感,照明和計算子系統,它們協同工作以便捕獲和分析圖像。AOI系統可以將捕獲的圖像與參考圖像進行比較,之后得以能夠識別材料表面的缺陷、焊接缺陷或PCBA上元件缺失或放錯位置等缺陷;蛘,基于某些規則的系統會測量特征尺寸(例如組件本身或每個接頭中焊料量),以確定“良好”(G)或“不良”(NG)狀態。如果檢測到缺陷,則機器設備可以隔離有缺陷物品,然后繼續進行后續檢測,或者暫停并警告操作員。

  盡管AOI在復雜性、吞吐量存在,或兩者兼而有之的情況下已經超過了人工檢測,但是傳統的圖像處理系統和算法仍存在一些缺點,這些缺點在系統和軟件開發以及在工廠車間進行設備安裝時非常明顯。

  從傳統圖像處理到AI

  圖像識別的基本原理是將每個捕獲的圖像數字化,并應用各種濾鏡來檢測圖案和特征。邊緣檢測濾鏡通常用于檢測圖像中的對象。能夠識別人類的算法可以應用坡度斜率檢測(slope detection)來識別手臂、肩膀,、腿部等特征,該算法還需要檢測這些被檢測特征相對于彼此的方向,作為進一步的界定標準。

  檢測焊點的算法可以采用邊緣檢測和顏色檢測來識別焊點,并檢測焊點表面(fillet)的坡度是否在可接受范圍內。光學系統可以使用不同顏色從不同角度照亮待測單元。如果焊點表面的斜率正確,則可能會反射出更大比例的綠色波長。如果有更多的紅色波長或整個表面上呈現不斷變化的顏色組合,則表示有較淺焊點表面,表明焊料量或焊球形成不足,表明在焊接過程中沾錫較差。

  無論是在安全監控或汽車行人檢測等應用中的人員識別,在社交媒體應用中的面部識別,還是在工業檢測中進行缺陷檢測等所有應用,傳統的圖像識別都面臨著眾多挑戰。

  定義規則并創建算法以檢測和分類數字圖像中的對象非常復雜。在工業檢測中,開發可靠的算法既昂貴又費時。在檢測PCB組件時,焊點的質量只是要檢測的一個標準,還必須驗證每個組件的存在,以及相對于阻焊層的(solder mask)位置和方向、組件的共面性以及不需要的物體(例如焊料飛濺在電路板表面上)的存在。為所有情況和所有例外創建規則幾乎是不可能的。

  微調算法和添加更多算法以覆蓋其他更多情況,這是一項永無止境的任務,需要不斷更新軟件。每當行業中使用新產品(例如高級電子組件封裝)時,都必須開發新算法以對其進行檢測。

  人工智能(AI)可以在一定程度上模仿人類將學到的經驗應用到圖像識別,從而能夠應對無限變化帶來的挑戰。在AI總體概念下涵蓋的各種計算結構中,卷積神經網絡(CNN)通常用于圖像識別。這些包括相互連接的人工神經元,并排列成層(見圖2)。它們通常是深度神經網絡,在輸入和輸出層之間包含多個內部或隱藏層。隱藏層對從前一層接收到的數據執行特定、嚴格定義的采樣(pooling)和卷積計算。結果被發送到下一層,最終到達輸出層,可表明是否已識別出所尋找的對象。

------------------------------------------------------

  歡迎電話咨詢獲取機器視覺解決方案,并有機器視覺專家指導開展機器視覺系統導入工作

  ------------------------------------------------------

  煙臺機器視覺解決方案合作咨詢:0535-2163369      13695448998 胡經理

責任編輯:胡金鵬

相關閱讀

膠東在線微信號

膠東頭條客戶端

聯系 智城煙臺

地址:煙臺市萊山區觀海路333號煙臺廣電大廈18樓

電話:0535-6690009 E-mail:jdzx@jiaodong.net

男人爽妇网,俄罗斯胖老太一级毛片,午夜性刺激片免费观看视频
<samp id="osgye"></samp>
<center id="osgye"></center>
<center id="osgye"><xmp id="osgye">