PCA质控中AOI自动光学检测面临的挑战和未来

作者:Tigervs    发布时间:2019-08-13    浏览量:

根据上一次市场预测,表面技术部门的普遍增长以及小型部件使用的增加将大大推动SMT检测设备和软件的市场。目前小型化的趋势导致印刷电路组件(PCA)的最小部件缩小到大约铅笔尖的尺寸,这意味着当将有源部件放置到板的表面上时需要更高的精度。这同样适用于PCA的检查,这变得越来越具有挑战性,并且需要最先进的软件来确保满足最高质量标准。

AOI自动光学检测系统

在密苏里大学进行的一项研究表明,人工检查多氯联苯已经超过20年了。即使早在1996年,它被认为是一种技术过于缓慢和昂贵,导致过高的拒绝率并且无法保证合理的高质量。从那时起,印刷电路板的部件变得越来越精确和定制。这导致手动检查的效率进一步降低,不仅在裸PCB检查方面,而且在PCB组件(PCA)质量检查方面。为了跟上时代的步伐,我们开发了更可靠,更快捷的方法来确保产品质量保持高水平。

自动光学检测面临的挑战

今天的制造商采用了一系列先进的质量检测技术,包括机器视觉系统,如自动光学检测(AOI)和集成到SMT生产线的自动X射线检测(AXI)。

机器视觉系统在一角硬币上获取和处理数百万像素,可以在未来完全取代人类视觉检测程序。他们能够进行人们进行的所有视觉检查,但速度更快,更准确。AOI系统配备多个光源和高分辨率数码相机,可检测电路板表面,检测以下问题:

1、表面特征缺陷(结节,划痕和污渍);

2、尺寸缺陷(开路,短路,焊接不足或过度);

3、完整性缺陷(缺少组件,不正确的组件和错位的组件)。

盒子里面有什么?

机器视觉系统中最有趣的部分是它用于最终决定被检查组件是否通过测试的逻辑。受人类视觉系统的启发,机器视觉算法首先调整图像质量以增强对比度并减少可能的噪声,然后提取图像最重要的特征,以减少要处理的数据量(就像眼睛,软件赋予的能力一样)大脑般的能力适应视觉世界的过多信息流。在过去的几十年中,研究人员已经提出了许多用于印刷电路组件的AOI中的图像预处理的技术,包括中值滤波方法,图像减法操作和小波阈值算法。

这一领域在过去几年取得了重大进展。不断增长的计算能力促进了神经网络和模糊算法在工业图像分析中的应用。一些研究人员报告了这些算法在自动视觉检测中的成功实施表面安装设备。这些论文中至少有一篇表明,当使用神经网络检测SMT组件中缺失的组件时,成功率为93.93%。与包括其层的单个网络(例如MLP和LVQ神经网络)相比,多神经网络系统(MNNS)已显示出更好的结果,而图像分析所花费的时间接近单个神经网络所需的最低时间。另一篇论文提出了直方图和模板匹配与模糊逻辑系统的组合,计算组件被遗漏的概率。这是一种很有前景的方法,但目前它只能用作对更可靠检测方法的支持。

在分析印刷电路组件的图像之后,AOI系统进入决定步骤。这个通过/失败阶段不仅对于受检PCA的未来至关重要,而且对于机器视觉系统本身的未来至关重要,因为正确和错误决策的百分比会影响系统信任。至关重要的是,应同样避免两种类型的错误(误报和假阴性),因为大部分错误警报会导致用户开始忽略警报并且系统变得无用时的情况。

几何反击

尽管AOI系统在SMT制造中取得了巨大成功,但仍然存在需要克服的挑战。其中之一是,一些元件和焊点通常不能通过简单的二维扫描完全接近,因为它们需要从不同的角度进行检查,或者因为它们是完全隐藏的。不同的垫几何形状也可能影响图像分析结果。因此,在检查安装有三维部件的印刷电路板时,难怪一个平面可能不够。

通过引入旋转相机,可以实现不同的观察方向以检查盲点和死角。除此之外,3D AOI越来越受欢迎,以检查难以通过2D AOI检查的元件高度,翘曲,移位和提升引线。通过应用多个照明模态以增强不同部分的对比度可以获得额外的益处。

AOI的未来

由于PCA的复杂性以及对其质量的要求,AOI系统正在迅速发展,努力满足日益严格的要求。专家们认为最重要的趋势是3D AOI和多角度2D视图的进一步发展,将AOI与X射线检测相结合,改进AOI中使用的测量技术和自适应照明。图像分析软件的进步,包括神经网络,模糊逻辑系统和其他智能算法,有望大大提高AOI系统的效率和可靠性。

相关新闻推荐

关注官方微信

微信二维码
版权所有 深圳市如虎科技有限公司 Copyright © 2018-2019 Tigervs.Com All Rights Reserved 粤ICP备19029139号-1