照明光源按照波長分類可以分為可見波長光源，特殊波長光源。可見波長光源也就是一般現(xiàn)代工業(yè)AOI檢測設(shè)備中較常用的紅綠藍(lán)LED光源。特殊波長光源一般是指紅外或紫外波長光源，一些特殊材料在可見光范圍內(nèi)吸收差別不大，灰階變化不明顯時可以考慮采用特殊波長光源，比如說利用紫外光能量高可以激發(fā)熒光材料的原理，檢測具有熒光發(fā)光特性物質(zhì)微殘留時紫外光源就是一種比較有效的手段，因材料成分與紅外光譜有對應(yīng)關(guān)系的原理，紅外光源對不具有發(fā)光性質(zhì)的有機(jī)化合物殘留缺陷檢出就有很大的作用，甚至可以實現(xiàn)成分分析。特殊光源中，利用偏振光與物體相互作用后偏振態(tài)的變化，利用光學(xué)干涉原理的白光干涉（whitelightinterferometry）在特定缺陷檢測中的得到了應(yīng)用，例如通過相干光的干涉圖案計算出對應(yīng)的相位差和光程差，可以測量出被測物體與參考物體之間的差異，且分辨率與精度為可以達(dá)到亞波長。AOI檢測儀優(yōu)點是圖像的還原性較好，打光角度容易調(diào)易得到較清晰的圖像，相比線陣相機(jī)誤判率較低。河南遠(yuǎn)程操控AOI設(shè)備

    本系統(tǒng)采用的卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)（FeedforwardNeuralNetworks），是深度學(xué)習(xí)（deeplearning）的表示算法之一。卷積神經(jīng)網(wǎng)絡(luò)仿造生物的視知覺（visualperception）機(jī)制構(gòu)建，可以進(jìn)行監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。作為圖像識別領(lǐng)域的中心算法之一，卷積神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)數(shù)據(jù)充足時有穩(wěn)定的表現(xiàn)。針對本系統(tǒng)所處理的大規(guī)模圖像分類問題，卷積神經(jīng)網(wǎng)絡(luò)將用于提取圖像的判別特征，再通過分類器進(jìn)行學(xué)習(xí)和識別。畫面顯示：1、主圖畫面都有顯示器件框，便于觀察器件是否被識別；2、根據(jù)底板顏色可以自由選擇器件框顏色；3、可依據(jù)客戶需求，自由定義器件中文名；4、不良器件圖靜態(tài)顯示。 江蘇新一代AOI生產(chǎn)以目前AOI（自動光學(xué)檢測）技術(shù)在PCB行業(yè)滲透率較高，復(fù)雜化趨勢以及制造行業(yè)整體對智能化變革的需求。

    首先濾波的定義是將信號中特定波段頻率濾除的操作，是抑制和防止干擾的一項重要措施。在AOI檢測中，噪聲是造成圖像退化的因素之一，起因是AOI圖像獲取，傳輸過程中，外界雜散光，光電二極管電子噪聲及溫度，光源的不穩(wěn)定不均勻，機(jī)械系統(tǒng)的抖動，傳感器溫度等原因?qū)е拢豢杀苊獾氖沟脠D像因含有噪音而變得模糊。給圖像識別，圖像切割等后續(xù)處理工作帶來了困難。因此，為了獲得真實的圖像信息，除去噪聲的濾波處理必不可少。濾波的過程簡單說就是圖像平滑技術(shù)，空域濾波與頻域濾波是濾波經(jīng)常采用的方法。具體講空域濾波是一種鄰域處理方法，通過直接在圖像空間中對鄰域內(nèi)像素進(jìn)行處理，達(dá)到平滑或銳化，圖像空間中增強(qiáng)圖像的某些特征或者減弱圖像的某些特征。

愛為視（Aivs）新一代智能AOI，它能減少檢查的誤報，保證檢測程序無缺陷。它可以檢查儲存起來的有缺陷的樣品，在優(yōu)化階段，在這方面花時間的原因是為了不讓任何缺陷溜過去。所有已知的缺陷都必須檢查，同時要把允許出現(xiàn)的誤報數(shù)量做到盡可能減少。在針對減少誤報而對任何程序進(jìn)行調(diào)整時，要檢查一下，看看以前檢查出來的真正缺陷，是否得到維修站的證實。通過一系列的核實，保障檢查程序的質(zhì)量，用于專門的制造和核查，同時對誤報進(jìn)行追蹤。經(jīng)過波峰焊后，焊點所有的參數(shù)會有很大的變化，這主要是由于焊爐內(nèi)錫的老化導(dǎo)致焊盤反射特性從光亮到灰暗。

AI視覺檢測代替人工檢測實現(xiàn)了非接觸、高效率、高精度的檢測優(yōu)勢，在工業(yè)檢測中成為一種剛需。它通過相機(jī)拍照獲取圖像、對圖像進(jìn)行識別、處理從而達(dá)到檢測的目的。機(jī)器視覺可自動識別被測產(chǎn)品表面的缺陷，如金屬外觀不良檢測、印刷電路板缺陷檢測等。AI視覺為人類解放生產(chǎn)力提供了重要的支撐，使現(xiàn)代的生產(chǎn)制造更加地智能化、自動化。帶動了企業(yè)生產(chǎn)效益的提升，進(jìn)而為整體經(jīng)濟(jì)的上漲貢獻(xiàn)了巨大的力量，經(jīng)濟(jì)與科技相互反饋，AI視覺在未來將有更多的拓展性、與更高的先進(jìn)性。用計算機(jī)處理系統(tǒng)代替人腦執(zhí)行數(shù)據(jù)處理，讓AOI檢測系統(tǒng)可以取產(chǎn)制造中的人工目檢環(huán)節(jié)。湖南新一代AOI研發(fā)

愛為視新一代智能插件AOI，采用卷積神經(jīng)網(wǎng)絡(luò)、先進(jìn)深度學(xué)習(xí)模型，計算機(jī)視覺、圖形圖像處理等技術(shù)。河南遠(yuǎn)程操控AOI設(shè)備

本系統(tǒng)采用的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)（Feedforward Neural Networks），是深度學(xué)習(xí)（deep learning）的表示算法之一。卷積神經(jīng)網(wǎng)絡(luò)仿造生物的視知覺（visual perception）機(jī)制構(gòu)建，可以進(jìn)行監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。作為圖像識別領(lǐng)域的算法之一，卷積神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)數(shù)據(jù)充足時有穩(wěn)定的表現(xiàn)。針對本系統(tǒng)所處理的大規(guī)模圖像分類問題，卷積神經(jīng)網(wǎng)絡(luò)將用于提取圖像的判別特征，再通過分類器進(jìn)行學(xué)習(xí)和識別河南遠(yuǎn)程操控AOI設(shè)備

深圳愛為視智能科技有限公司位于西麗街道曙光社區(qū)中山園路1001號TCL科學(xué)園區(qū)E3棟201之218。公司自成立以來，以質(zhì)量為發(fā)展，讓匠心彌散在每個細(xì)節(jié)，公司旗下智能視覺檢測設(shè)備深受客戶的喜愛。公司將不斷增強(qiáng)企業(yè)重點競爭力，努力學(xué)習(xí)行業(yè)知識，遵守行業(yè)規(guī)范，植根于機(jī)械及行業(yè)設(shè)備行業(yè)的發(fā)展。愛為視憑借創(chuàng)新的產(chǎn)品、專業(yè)的服務(wù)、眾多的成功案例積累起來的聲譽和口碑，讓企業(yè)發(fā)展再上新高。