什么是AOI圖像分析技術？

AOI技術向智能化方向發展是SMT發展帶來的必然要求。

在SMT的微型化、高密度化、快速組裝化、品種多樣化發展特征下，檢測信息量大而復雜，無論是在檢測反饋實時性方面，還是在分析、診斷的正確性方面，依賴人工對AOI獲取的質量信息進行分析、診斷幾乎已經不可能，代替人工進行自動分析、診斷的智能AOI技術成為發展的必然。

　　對各種缺陷的特征提取和缺陷識別與分類進行研究;針對高密度PCB視覺檢測系統中要檢測的缺陷細小，缺陷的種類繁多，特征不易確定等問題，對于各種不同缺陷的特征提取技術和各種分類方式進行研究，采用機器學習的方法，設計不同的分類器，并對不同分類器的分類效果和誤差進行比較和分析，采用優化的分類器可以實現對缺陷的快速檢出和準確分類，并盡可能地提高分類器的智能化水平。

隨著計算機的快速發展，AOI也采用了目前許多成熟的圖像分析技術，包括模板匹配法(或自動對比)、邊緣檢測法、特征提取法(二值圖)、灰度直方圖法、傅里葉分析法、光學特征識別法等，每個技術都有優勢和局限。

　　模板比較法通過獲得物體圖像，如片狀電容或QFP，并用該信息產生一個剛性的基于像素的模板。在檢測位置的附近，傳感器找出相同的物體。當相關區域中所有點進行評估之后，找出模板與圖像之間有最小差別的位置停止搜尋。AOI系統為每個要檢查的物體產生這種模板，通過在不同位置使用相應模板，建立對整個板的檢查程序，來查找所有要求的元件。

　　但是由于元件檢測圖像很少完全匹配模板，所以用兩種方法來解決這個問題：

①可以用一定數量的容許誤差來確認匹配的，如果模板太僵硬，可能產生對元件的“誤報”;如果模板松散到接受大范圍的可能變量，也會導致“漏報”。

②可以根據同類的眾多良品進行標準模板的計算，或者叫“特征元件”，這樣可以最大限度提取該類元件的共性特征，從而降低誤報率。