AOI系统与应用

随着印刷电路板（PCB）元器件向超薄型、微型化、高密度、细间距方向快速发展,在SMT生产线中,对PCB焊接质量的传统人工检测已不能适应生产的要求,基于机器视觉的自动光学检测已越来越广泛地应用于表面贴装技术（SMT）生产中。本文介绍了AOI系统与应用。根据PCB缺陷出现的规律设计了AOI系统在SMT生产线中应当放置的位置,AOI系统的工作原理及其应对的缺陷及性能比较。最后,对AOI技术进行了总结并指出了其不足。     

AOI系统与应用

随着印刷电路板（PCB）元器件向超薄型、微型化、高密度、细间距方向快速发展,在SMT生产线中,对PCB焊接质量的传统人工检测已不能适应生产的要求,基于机器视觉的自动光学检测已越来越广泛地应用于表面贴装技术（SMT）生产中。本文介绍了AOI系统与应用,根据PCB缺陷出现的规律设计了AOI系统在SMT生产线中应当放置的位置,AOI系统的工作原理及其应对的缺陷及性能比较。最后,对AOI技术进行了总结并指出了其不足。     

SMT质量检测中的AOI技术及应用

随着电子制造业中印刷电路板元器件安装普遍采用表面贴片技术,产品的集成度更高,元器件体积更小,安装密度更大,传统的检测技术在技术和速度上都不能适应新的电子检测技术。而基于机器视觉的检测技术（AOI）可以快速、准确地实现对贴片安装产品缺陷的自动检测,是提高电子制造业自动化水平和产品质量的重要技术。对AOI的技术原理进行了阐述,通过分析AOI在工艺中放置位置和最终需要实现目标及其在SMT工序中的应用,充分表明AOI在SMT工艺中的优点。     

AOI系统与应用

随着印刷电路板（PCB）元器件向超薄型、微型化、高密度、细间距方向快速发展,在SMT生产线中,对PCB焊接质量的传统人工检测已不能适应生产的要求,基于机器视觉的自动光学检测已越来越广泛地应用于表面贴装技术（SMTJ生产中。本文介绍了AOI系统与应用,根据PCB缺陷出现的规律设计了AOI系统在SMT生产线中应当放置的位置,AOI系统的工作原理及其应对的缺陷及性能比较。最后。对AOI技术进行了总结并指出了其不足。     

无铅化SMT质量检测技术

针对人工目检、自动光学检测(AOI)、在线电路检测(ICT)和X射线检测等SMT质量检测技术,详细论述了其无铅化、微小化后的使用以及相应的改进方法.分析表明,在实际SMT产品质量检测中,应根据不同应用方面、检测技术的优缺点和发现缺陷的能力,进行合理选择与有机组合,通过互补性测试覆盖全部产品范围,把产品缺陷降到最低程度.在保证产品质量的过程中,检测技术与分析和建模工具FMEA、成品率预测建模工具一起使用,可保证产品质量,充分利用资源并减少测试时间.     

SMT产品质量AOI快速检测方案

PCB贴片安装后的SMT产品缺陷的机器视觉检测速度必须满足安装生产线的实时性要求,由于实际生产中缺陷率很低,所以本文提出了快速、准确进行AOI检测的两步法方案:先通过单个图像特征快速筛选出绝大多数合格产品,以减少对这些产品进行复杂检测的处理时间,同时保持零漏检;然后对未通过第一步检测的产品进行基于ANN的多特征复杂准确检测.实验证明了本方案的快速和准确性.     

SMT产品缺陷及相应的AOI检测方法

SMT表面贴片安装产品的质量缺陷类别、表现、国外AOI产品的参数指标都是AOI国产化研究所需要弄清的内容,本文列举了其所有可能的缺陷、原因和相应的AOI检测方法.文章还列举了主要国内外AOI设备的硬件和技术性能指标参数,可供国内AOI研究开发者参考.     

AOI统计学习建模的AdaBoost算法

PCB贴片安装机器视觉检测(AOI)中,再流焊前后的很多检测中的特征必须依赖对样本的统计学习.机器学习中的AdaBoost算法可以将多个弱学习器组合提升为一个强学习器.本文提出将其应用于AOI的统计学习和检测,可以提高检测精度和速度,并提高泛化性能.对比实验证明了本方法的有效性.     

0402封装CHIP件虚焊测试方式改进

AOI是Automatic Optical Inspeetion的简称,也叫自动光学检测,是通过光学的方法对电路板扫描,通过摄像机和图象．处理卡,读取器件及焊脚的图象,通过逻辑算法与良好的影象进行对比,从而对单板进行器件及焊点级的检查,发现是否有漏装、短路、空焊、贴反、器件位置不正、极性错误、锡多、锡少等缺陷。AOI检测系统的优点如下：AOI检测系统解决了0402,0603类等微封装器件的结构性检查的问题,取代人工目检,避免人工目捡的偶然性,随机性,重复性差的问题;特别是解决了人工目检不能定量的分析贴放的偏差及焊点的质量,人工目检不能对SMT提出可靠的修正性分析的建议,AOI自动光学检查具有SPC的数据反馈统计功能,AOI检测系统为制程的优化和改进提供依据。AOI检测系统可以置于流水线之上,不仅可以测试检查单板的结构性缺陷,而且可以成为单板生产过程及质量控制的有效工具,AOI检测系统可以及时的对测试结果进行统计,实时反馈,做到闭环控制。炉后AOI一般放在SMT生产线的末端,检测系统可以检查组件的缺失,偏移和歪斜的情况,以及所有极性方面的缺陷。该系统还一定要对焊点的正确性以及锡膏不足、焊接短路等缺陷进行检测。目前我们公司用的AOI是OMR ON公司VT-WIN2机型。用于炉后检测,作为SMT的最后一道检测工具。近年来,AOI在SMT等电子制造行业正得到越来越广泛的运用,主要用于SMT生产线,帮助在SMT现场检出80％以上的生产制造缺陷,以便及时维修和制造过程改进。作为SMT和生产测试的新兴交叉行业,业类人士将其形象地称为结构测试（SPT）． 现在AOI检测不再是单台设备的独立操作;它已经形成一个检测系统,组成一个局域网,多个子系统一起配合来完成SMT单板的结构检测任务,包含AOI检测仪,配套雏修站,AOI服务器,编程器等等．以下对VT-WIN2检测原理做简单的介绍：采用三色光原理,三个环形灯从不同的角度照射在PCB线路板上,一个彩色摄像机捕捉到不同方位的信息。这样三维的物理信息可以在二维的彩色图像中得到显示。彩色抽取：以上所说的检查原理为OMRON的专利技术,称为Color Highlight System。它最大的优势在于将角度信息用彩色表达出来,便于区分好坏焊点。     

缺陷汽车玻璃检测方法

汽车玻璃生产过程中会造成断裂、划痕、漏点等表面缺陷,本文结合机器视觉与深度学习提出了自动识别缺陷玻璃的方法.首先,利用玻璃前景、背景人工合成缺陷样本解决负样本不足的问题;将玻璃缺陷细分为多个类别,同时对样本进行分类;将玻璃图片进行频域处理过滤背景噪音,再将其与玻璃灰度化后图片进行合成作为分类网络的输入;构造以Alexnet网络为模板的多分类网络进行训练和预测.经过实验验证,该方法准确有效,为玻璃缺陷检测提供了一种可靠的检测方法.     

基于多特征联合的太赫兹药品检测方法

以药品为研究对象,利用太赫兹时域光谱系统对3种不同药品进行测量并提取折射率、介电常数和物质因子等多个特征参数,然后联合多个特征参数作为输入,采用后向传播(BP)神经网络、支持向量机(SVM)和学习矢量化(LVQ)3种机器学习方法分别对药品进行多特征联合检测分类识别。实验结果表明,多特征联合检测方法识别准确率能够达到95%以上,有效提高药品的检测分类准确度,可用于药品的检测和分类识别。     

基于遗传算法的恶意代码对抗样本生成方法

机器学习已经广泛应用于恶意代码检测中,并在恶意代码检测产品中发挥重要作用。构建针对恶意代码检测机器学习模型的对抗样本,是发掘恶意代码检测模型缺陷,评估和完善恶意代码检测系统的关键。该文提出一种基于遗传算法的恶意代码对抗样本生成方法,生成的样本在有效对抗基于机器学习的恶意代码检测模型的同时,确保了恶意代码样本的可执行和恶意行为的一致性,有效提升了生成对抗样本的真实性和模型对抗评估的准确性。实验表明,该文提出的对抗样本生成方法使MalConv恶意代码检测模型的检测准确率下降了14.65%;并可直接对VirusTotal中4款基于机器学习的恶意代码检测商用引擎形成有效的干扰,其中,Cylance的检测准确率只有53.55%。     

Final optics damage online inspection in high power laser facility

For the laser-induced damage (LID) in large-aperture final optics, we present a novel approach of damage online inspection and its experimental system, which solves two problems:classification of true and false LID and size measurement of the LID. We first analyze the imaging principle of the experimental system for the true and false damage sites, then use kernel-based extreme learning machine (K-ELM) to distinguish them, and finally propose hierarchical kernel extreme learning machine (HK-ELM) to predict the damage size. The experimental results show that the classification accuracy is higher than 95%, the mean relative error of the predicted LID size is within 10%. So the proposed method meets the technical requirements for the damage online inspection.     

Defect inspection of solder bumps using the scanning acoustic microscopy and fuzzy SVM algorithm

Flip chip technology has been extensively used in high density electronic packaging over the past decades. With the decrease of solder bumps in dimension and pitch, defect inspection of solder bumps becomes more and more challenging. In this paper, an intelligent diagnosis system using the scanning acoustic microscopy (SAM) is investigated, and the fuzzy support vector machine (F-SVM) algorithm is developed for solder bump recognition. In the F-SVM algorithm, we apply a fuzzy membership to input feature data so that the different input features can make different contributions to the learning procedure of the network. It solves the problem of feature data aliasing in the traditional SVM. The SAM image of flip chip is captured by using an ultrasonic transducer of 230 MHz. Then the segmentation of solder bumps is based on the gradient matrix of the original image, and the statistical features corresponding to every solder bump are extracted and adopted to the F-SVM network for solder bump classification and recognition. The experiment results show a high accuracy of solder defect recognition, therefore, the diagnosis system using the F-SVM algorithm is effective and feasible for solder bump defect inspection.     

基于特征提取与机器学习的文档区块图像分类算法

文档区块图像分类对于文档版面图像的理解和分析至关重要。在传统机器学习分类模型中,直接使用图像作为输入会导致模型参数量过大因此无法进行训练。为了克服这个困难,我们在本文中针对文档区块图像设计了一组有效的特征,并提出了基于这些特征和机器学习的文档区块分类算法。在特征设计上,我们提取了几何、灰度、区域、纹理和内容五方面在内的32维特征,以增强特征针对区块类别的分辨能力。在分类器方面,我们在所提出的特征上对传统机器学习分类模型、自动机器学习方法以及深度学习均进行了实验。在公开数据集上的实验结果表明,我们提出的文档版面区块分类算法具有很高的分类准确率,并且十分高效。另外我们实现了一个简单的分步文档版面分析算法,以展示所提出的区块分类算法的推广能力。      

基于近红外光谱技术的猪肉品质检测应用研究

为研究一种快速有效的猪肉质量检测方法,解决传统检验方法耗时、成本高等问题,从市场上收集了109组猪肉样品,通过理化方法将其区分为健康猪肉和病死猪肉。使用FT-NIR光谱仪采集了样品的光谱,并对光谱进行去噪和降维处理。结果显示,光谱数据经过标准正态变换,结合多元散射校正处理和傅里叶变换降维后,建立了基于支持向量机的分类模型,5-折交叉验证准确率达到94.5%。结果表明,利用该方法可以很好地进行不同品质猪肉样品的分类,为用近红外光谱技术检测猪肉质量提供了依据和基础。     

基于数字图像技术与LabVIEW的酒精棉纱包装质量检测系统

针对酒精棉纱外包装可能存在的各种缺陷,及其在生产过程中人工检测效率较低等情况,采用一种基于虚拟仪器技术的机器视觉产品外包装检测系统,该系统以LabVIEW8．0为开发平台,配以NI1742智能相机。并采用数字图像处理技术,完成了视觉检测;经实际测试,该系统可以快速有效地检测出不合格品,达到了性能指标的要求,同时该系统还具有开发周期短,成本较低,扩展性强等优点。     

代价敏感的半监督Laplacian支持向量机

代价敏感学习是机器学习领域的一个研究热点.在实际应用中,数据集往往是不平衡的,存在着大量的无标签样本,只有少量的有标签样本,并且存在噪声.虽然针对该情况的代价敏感学习方法的研究已取得了一定的进展,但还需要进一步的深入研究.为此,本文提出了一种基于代价敏感的半监督Laplacian支持向量机.该模型在采用无标签扩展策略的基础上,将考虑了数据不平衡的错分代价融入到Laplacian支持向量机的经验损失和Laplacian正则化项中.考虑到噪声样本对决策平面的影响,本文定义了一种样本依赖的代价,对噪声样本赋予较低的权重.在7个UCI数据集和8个NASA软件数据集上的实验结果表明了本文算法的有效性.