众所周知，随着电子信息行业不断发展，PCB产品也向超薄性、小元件、高密度、细间距方向快速发展；单位PCB上元器件组装密度越来越高，线宽、间距、焊盘越来越细小、已到微米级，复合层数越来越多，客户端的品质要求也在不断的提高；chip类元件已经达到03015的大小，对检测的精度要求越来越高。传统的人工目测检测产品的速度和质量已经满足不了工业化的要求，在这样的一个环境下，便相继出现了各式各样的机器检测设备，像ICT(In Circuit Test), FT(Function Test), 3D AOI(Auto Optical Inspection), AXI(Auto X-ray Inspection)等等，这些设备各自有着不同的特点，ICT（间距越来越密，ICT也越来越难以下针，对ICT的挑战也越来越大），FT是基于电信号的，AXI是利用X-ray进行检测的。

1 为什么引进AOI？

对于电子制造服务商，更大的问题是人工检测的时间太长、可靠性和持续性都比较差。对于高密度、细间距的PCB板，简单的人工目测已经跟不上生产线的速度，如果增加人员，相应的人工成本和管理成本也随之增加。

AOI设备对人的依赖度低，大大降低人为因素导致的漏报、误判等不良现象的发生。所以，AOI设备的使用也由当初的被动接收、被客户逼迫使用（品质保障以取得更多生产订单）到现在的主动要求使用AOI作为检查设备（工业自动化发展和企业转型的刚性需求，以及人工成本的大力增加）。AOI设备使用的优点也越加明显：

提高产品质量与可靠性、增加生产效率

统一检测标准，与IPC对接

及时反馈生产工艺问题

助力工业4.0，奠定电子智能制造基础

统计分析检测数据，提供制程分析，提高制程能力

节省人力，降低人工成本

2 什么是AOI？

AOI（Automated Optical Inspection）运用高速度高精度视觉处理技术自动检查PCB板上各种不同贴装错误及焊接缺陷。通过光学系统获取被测物体的图像信息，经过特定的图片处理算法，进行分析比较并自动判断被测物体是否符合设置的要求并报出相应的缺陷位置与类型。

2D AOI的检测原理基本都是基于RGB三色光，将被测物体的3D信息转化成2D信息，再通过相应的检查算法（图像对比算法或是特征分析算法）进行判断。

3 AOI放在何处？

随着工艺的不断完善和品质要求的不断提高，在SMT生产过程，AOI显得越加重要，其制程位置通常有：锡膏印刷后、回流炉前、回流炉后、波峰焊前、波峰焊后以及终检AOI等。

炉前AOI主要检查项目：桥接、错件、少件、极性、偏移、立碑、反转、破损、IC弯脚、异物等。

炉后AOI主要检查项目：少/多锡、假焊、锡球、露铜、短路、拉尖、错件、少件、极性、偏移、立碑、反转、破损、IC弯脚、异物等。

波峰焊前AOI检查项目：DIP类多件、少件、偏位、异物、颜色、错件、极性等

波峰焊后AOI检查项目：插入针、无锡、少锡、多锡、孔洞、假焊、锡球；（混装工艺）错件、缺件、极性、偏位、立碑、反转、破损、异物等

4 评估AOI的三大要素？

AOI作为一种检测设备，主要是看3个方面的性能：快（检测速度）、准（检测准确度与精度）、稳（设备稳定性）。

4.1 快（检测速度）

影响AOI检测速度，主要有两个方面：

1）图像获取的速度

即AOI获取PCB整板图像的速度，与FOV（视野，相机一次拍照图像面积）的大小和相机移动速度有差。其中，FOV的大小与像素与分辨率相关，如明锐AOI采用500万（1200万可选）像素工业相机（2560X1960）、分辨率10μ，FOV的大小=2560*10μX1960*10μ=25.6mmX19.6mm，那么对同一块板而言，显然FOV越大所用的时间就越少；如果检测的PCB元件0201以上，分辨率就可以调到15μ，此时FOV大小=2560*15μX1960*15μ=38.4mmX28.6mm。由此可知，在同一分辨率下，使用的相机像素越大，其FOV的面积也越，相机拍摄的次数也就越少，AOI的检测速度则会相应的提高，由此推断2D AOI将会朝着大像素方面发展，以满足检测速度方面的需求，如900万、1200万工业相机（明锐V5000行业内首次采用）等。

其次是相机移动速度与路径，其必然与使用什么的伺服系统、电机、传动系统（丝杆、模组）相关；至于路径，则与软件算法相关，通常都会有路径优化的相关算法来提高相机的移动速度。除此之外，还和相机的帧率、曝光时间等有关。

2）图像处理与分析的速度

这就关系到AOI的核心算法和AOI软件本身的编程与运算逻辑，也就是与AOI设备企业的研发实力相关。行业内通常使用的两种核心算法：图像对比和特征提取算法，比如FOV拼接成整图的速度、元件搜索与定位、抽色算法及判定速度、以及检测结果的输出等。

4.2 准（检测精度与准确度）

准（检测的精度与准确度），即AOI的高检出率和低误报率，主要受以下两个方面的影响：

1）图像分析处理算法

随着计算机的快速发展，目前有许多成熟的图像分析技术，包括模板匹配法（图像对比）、边缘检测法、二值图、灰度直方图法、傅里叶分析法、光学特征识别法等，每个技术都有优势和局限，目前行业通用就两种：图像对比算法（矢量分析算法、在图像对比的基础上增加元件偏移、旋转角度等测量）、特征提取分析算法。

图像对比算法首先通过获得被测电路板的图像（如片状电容或QFP）建立一个刚性的基于像素的模板，在检测位置的附近，传感器找出相同的物体，当相关区域中所有点进行评估完之后，找出模板与图像之间有最小差别的位置停止搜寻，系统为每个要检查的物体产生这种模板，通过在不同位置使用相应模块，建立对整个板的检查程序，来检查所有要求的元件。由于元件检测图像很少完全匹配模板，所以模板是用一定数量的容许误差来确认匹配的，如果模板太僵硬，可能产生对元件的"误报"；如果模板松散到接受大范围的可能变量，也会导致误报率或漏报增加。。

特征提取分析算法（明锐核心算法），则是根据被测物体间不同地特征去分析提取信息，其在焊点检查方面优势明显。通常将焊点焊盘细分成多个区域，结合不同的焊点缺陷的特征进行检测区域自由组合并提取相应特征进行分析，如下图：

a)整个焊盘划分为8个特征点

b) 虚焊/开焊：选择第2和3项特征

图4 特征提取算法的原理简图

选取特征点并设定检查标准，然后对特征部位（如正常焊盘可选取2，3项；堆锡焊可采用2，4，5项；宽焊盘采用2，6，7项；圆形焊盘可采用2，8项）进行测量。对于OK与NG在这几个特征部位颜色区别很大，测试时几乎不会产生误/漏测的情况。

2）图像的分辨率（清晰度）

图像的分辨率（清晰度）是由相机镜头的焦距来决定的。明锐AOI采用500万像素工业相机（2560X1960），对于检测0201（0.6mmX0.3mm）元件，使用分辨率为10μ时，元件所占像素是：0.6/0.01X0.3/0.01=60X30个像素；使用20μ分辨率时，元件所占像素是：0.6/0.02X0.3/0.02=30X15个像素，显然同一个元件所占的像素越多，细节呈现就好，检测的精度也就越高，AOI设备的检出率也就越高、误报率也相应更低。

4.3 稳（设备重复稳定性）

不管是检测设备，还是生产设备，其稳定性永远都考量设备性能最关键因素之一。AOI设备重复稳定性，即重复测试相同芯片或PCB板，记录其良率偏差，即可判断AOI的重复稳定性。那么影响它的因素，我觉得有以下几点供参考：

1）AOI光源的稳定性

AOI普通采用的都是LED环形多角度结构光，相机的CCD传感器对不同颜色光的最佳感光波长是不同。LED的波长会随着时间和环境改变而发生衰减，以及光源电源的稳定性影响LED寿命和光强，都会使相机获取图像存在差异，必然影响检出率和误差率。其中，光源的控制方式是是影响光源稳定性关键因素之一，目前主要有两种控制方式：恒压源和恒流源（比较稳定控制方式）。（在后续的文章中，我将会论证两种方案对光源的具体影响）。

2）设备重复精度

其受伺服系统特性、传动进给系统的间隙与刚性以及摩擦特性等因素的影响，一般情况下，重复定位精度是呈正态分布的偶然性误差，它影响AOI测试时PCB板重复定位，容易造成原点漂移、整板检测窗口偏移，从而会出现误报增多的现象。重复定位精度越高，AOI检测程序的可靠性、稳定性就越高。

3）其它方面

比如相机镜头的稳定性，相机镜头容易受环境温度的影响而改变其特性；AOI的停板、夹持和顶板机构的设计是否合理也直接影响到设备定位的问题，其微波的偏差也会导致图像的偏移，最后影响设备重复定位精度。

服务热线：400-9024-816，138-0926-5821

安悦电子科技有限公司版权所有，任何盗取本文章都属于侵权行为。

详细请访问3D-AOI产品详情页：http://www.dgcanyon.com/Products/hgzx3daoim.html