了解自动光学检测（AOI）技术

了解自动光学检测（AOI）技术

在产品制造过程中，由于各种原因，零部件不可避免的会产生多种缺陷，如印制电路板上出现孔错位、划伤、断路、短路、污染等缺陷，液晶面板的基板玻璃和滤光片表面含有针孔、划痕、颗粒、mura等缺陷，带钢表面产生裂纹、辊印、孔洞、麻点等缺陷，这些缺陷不仅影响产品的性能，严重时甚至会危害到生命安全，对用户造成巨大经济损失。

传统缺陷检测方法为人工目视检测法，目前在手机、平板显示、太阳能、锂电池等诸多行业，仍然有大量的产业工人从事这项工作。这种人工视觉检测方法需要在强光照明条件下进行，不仅对检测人员的眼睛伤害很大，且存在主观性强、人眼空间和时间分辨率有限、检测不确定性大、易产生歧义、效率低下等缺点，已很难满足现代工业高速、高分辨率的检测要求。

随着电子技术、图像传感技术和计算机技术的快速发展，利用基于光学图像传感的表面缺陷自动光学（视觉）检测技术取代人工目视检测表面缺陷，已逐渐成为表面缺陷检测的重要手段，因为这种方法具有自动化、非接触、速度快、精度高、稳定性高等优点。

什么是AOI

自动光学检测（automated optical inspection, AOI）技术，也称为机器视觉检测（machine vision inspection, MVI）技术或自动视觉检测（automated visual inspection, AVI）技术。在有些行业，如平板显示、半导体、太阳能等制造行业，AOI这一术语更加流行，被人知晓。但是AOI和MVI/AVI在概念和功能上还是有细微差别的。

从狭义上来说，MVI是一种集成了图像传感技术、数据处理技术、运动控制技术，在工业生产过程中，执行测量、检测、识别和引导等任务的一种新兴的科学技术。MVI的基本原理可用图 1 来表示，它采用光学成像方法（如相机，或者一个复杂的光学成像系统）模拟人眼的的视觉成像功能，用计算机处理系统代替人脑执行数据处理，后把结果反馈给执行机构（如机械手）代替人手完成各种规定的任务。

从广义上来说，MVI是一种模拟和拓展人类眼、脑、手的功能的一种技术，在不同的应用领域其定义可能有着细微的差别，但都离开不了两个根本的方法与技术，即从图像中获取所需信息，然后反馈给自动化执行机构完成特定的任务。可以说基于任何图像传感方法（如可见光成像、红外成像、X光成像、超声成像等等）的自动化检测技术都可以认为是MVI或AVI。当采用光学成像方法时，MVI实际上就变为AOI。因此AOI可以认为是MVI的一种特例。

根据成像方法的不同，AOI又可分为三维（3D）AOI和二维（2D）AOI，三维AOI 主要用于物体外形几何参数的测量、零件分组、定位、识别、机器人引导等场合； 二维AOI主要用于产品外观（色彩、缺陷等）检测、不同物体或外观分类、良疵品检测与分类等场合。

 AOI系统组成

目前在产业界用得多的AOI系统是由相机、镜头、光源、计算机等通用器件集成的简单光学成像与处理系统。如图1所示，在光源照明下利用相机直接成像，然后由计算机处理实现检测。这种简单系统的优点是成本低、集成容易、技术门槛相对不高，在制造过程中能够代替人工检测，满足多数场合的要求。

但对于大幅面或复杂结构物体的视觉检测，由于受到视场和分辨率（或精度）的相互制约，或生产节拍对检测速度有特殊的要求，单相机组成的AOI系统有时难以胜任，因此可能需要有多个基本单元集成在一起，协同工作，共同完成高难度检测任务。即采取一种多传感器成像、高速分布式处理的AOI系统集成架构。

AOI系统集成技术

AOI系统集成技术牵涉到关键器件、系统设计、整机集成、软件开发等。AOI系统中*的关键器件有图像传感器（相机）、镜头、光源、采集与预处理卡、计算机（工控机、服务器）等。图像传感器常用的是各种型号的CMOS/CCD相机，图像传感器、镜头、光源三者组合构成了大多数自动光学检测系统中感知单元，器件的选择与配置需要根据检测要求进行合计设计与选型。

光源的选择（颜色、波长、功率、照明方式等）除了分辨与增强特征外，还需考虑图像传感器对光源光谱的灵敏度范围。镜头的选择需要考虑视场角、景深、分辨率等光学参数，镜头的光学分辨率要和图像传感器的空间分辨率匹配才能达到jia的性价比。一般情况下，镜头的光学分辨率略高于图像传感器的空间分辨率为宜，尽可能采用黑白相机成像，提高成像分辨能力。图像传感器（相机）采用面阵或线阵需根据具体情况而定，选型时需要考虑的因素有成像视场、空间分辨率、小曝光时间、帧率、数据带宽等。对于运动物体的检测，要考虑图像运动模糊带来的不利影响，准确计算导致运动模糊的小曝光时间，确定图像传感器的型号。图像传感器的曝光时间应小于导致运动模糊的小曝光时间，快速曝光选择全局快门模式为宜，高速情况下不易采用卷帘式曝光模式；为了获得jia的信噪比，图像传感器的增益尽可能为1，图像亮度的提升尽可能用光源的能量（功率）来弥补，或者在不影响可用的成像景深情况下，增大镜头的孔径光阑。

在系统集成中，被测件的支撑方式、精密传输与定位装置也必须精心设计，这牵涉到精密机械设计技术，这对平板显示、硅片、半导体和MEMS等精密制造与组装产业中的自动光学检测系统非常重要。在这些领域，制造过程通常在超净间进行，要求自动光学检测系统具有很高的自洁能力，对系统构件的材料选型、气动及自动化装置选型、运动导轨的设计与器件选型都有严格要求，不能给生产环境尤其是被测工件本身带来二次污染。尤其是用于表面缺陷检测的AOI系统不能在检测过程中，给被测件表面带来缺陷（如粉尘、划伤、静电等）。因此，对于大型零件（如高世代的液晶玻璃基板、硅片等）的在线检测，常常需要采取气浮支撑、定位与传输机构，运动部件（如轴承等）采用自润滑器件，以及利用FFU风机过滤机组对检测系统进行环境净化，并采取消静电装置，对工件进行防静电处理。

高速图像数据处理与软件开发是自动光学检测的核心技术。由于自动光学检测是以图像传感获取被测信息，数据量大，尤其是高速在线检测，图像数据有时是海量的，为满足生产节拍需求，必须采用高速数据处理技术。常用的方法有共享内存式的多线程处理，共享内存或分布式内存多进程处理等；在系统实现上采用分布式计算机集群，把巨大的图像分时、分块分割成小块数据流，分散到集群系统各节点处理。对于耗时复杂的算法，有时仅靠计算机CPU很难满足时间要求，这时还需配备硬件处理技术，如采用DSP、GPU和FPGA等硬件处理模块，与CPU协同工作，实现快速复杂的计算难题。

以上技术资料瑞研光学整理采集于网络，非瑞研光学原创，瑞研光学仅提供AOI自动检测仪用滤光片，也提供滤光片定制服务。