AIVS-D系列在線PCBA插件AOI通過1200或2000萬高分辨率的工業相機，從電子電路板頂面拍照，通過AI人工技術，深度學習算法、智能圖像分析，檢測電子電路板上插件元器件的缺件、多件、偏移、反向、錯件、浮高、OCV(文字識別）、可支持測試色環電阻錯料。本插件AOI設備可應用于波峰焊爐前或爐后，應用在爐后時，可自動檢測板卡的旋轉角度，保證元件的檢測正確性和穩定性。AIVS-D系列在線PCBA插件AOI采用的卷積神經網絡（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計算且具有深度結構的前饋神經網絡（FeedforwardNeuralNetworks），是深度學習（deeplearning）的表示算法之一。卷積神經網絡仿造生物的視知覺（visualperception）機制構建，可以進行監督學習和非監督學習。作為圖像識別領域的算法之一，卷積神經網絡在學習數據充足時有穩定的表現。針對本系統所處理的大規模圖像分類問題，卷積神經網絡將用于提取圖像的判別特征，再通過分類器進行學習和識別。愛為視新一代智能插件AOI，采用卷積神經網絡、先進深度學習模型，計算機視覺、圖形圖像處理等技術。江西爐前AOI

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代工業AOI檢測設備中較常用的紅綠藍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熒光材料的原理，檢測具有熒光發光特性物質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關系的原理，紅外光源對不具有發光性質的有機化合物殘留缺陷檢出就有很大的作用，甚至可以實現成分分析。特殊光源中，利用偏振光與物體相互作用后偏振態的變化，利用光學干涉原理的白光干涉（whitelightinterferometry）在特定缺陷檢測中的得到了應用，例如通過相干光的干涉圖案計算出對應的相位差和光程差，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到亞波長。AOI銷售AOI檢測儀可以進行多維度檢測監督產品性能，即便是有普通的劃痕等也可以通過這種智能化技術進行檢測。

本系統采用的卷積神經網絡（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網（Feedforward Neural Networks），是深度學習（deep learning）的表示算法之一。卷積神經網絡仿造生物的視知覺（visual perception）機制構建，可以進行監督學習和非監督學習。作為圖像識別領域的算法之一，卷積神經網絡在學習數據充足時有穩定的表現。針對本系統所處理的大規模圖像分類問題，卷積神經網絡將用于提取圖像的判別特征，再通過分類器進行學習和識別

  隨著電子技術、圖像傳感技術和計算機技術的快速發展，AOI（自動光學）檢測技術以其自動化、非接觸、速度快、精度高、穩定性高等優點，成為表面缺陷檢測的重要手段，補足智能化生產線上的品質把控關。AOI是興趣面，可以較好體現范圍，也就是說邊界更加明晰，AOI其實屬性之一就是POI，采用UID標記。AOI就是有邊界的POI，那么我們就可以根據POI獲取AOI來驗證數據的準確性。特別是研究街道尺度的，加上POI和AOI數據，對城市功能分區，城市熱環境、城市灰綠地等等都非常有用。AOI檢測儀優點是圖像的還原性較好，打光角度容易調易得到較清晰的圖像，相比線陣相機誤判率較低。

    AOI檢測主要應用領域包括PCB、半導體和FPD面板。因AOI檢測主要應用于PCB、半導體及FPD等電子元器件生產過程中的檢測環節，幾乎每一個電子元器件都需要進行瑕疵檢測，因此這些電子元器件的產量與AOI檢測的應用結構息息相關。因此，AOI檢測行業應用需求結構主要通過PCB、半導體和FPD的產量比例來進行測算得到。經初步測算，PCB是目前我國主要的AOI應用領域，大概占AOI檢測總規模的。對于產品檢測來說，利用AOI技術能夠有效提升產品檢測分析的準確性和完整性。隨著電子制造產業鏈的進一步整合，檢測市場將不斷擴容，AOI技術在終端應用將持續得到突破，應用領域拓展將為AOI檢測服務和設備的需求增長增添動力，市場規模存在較大成長空間。 主要用于生產問題明確、數量和速度為關鍵因素、產品混合度高的產品的檢測。上海遠程操控AOI供應

相關值大于或等于臨界相關值的為正常圖像，為異常圖像本社導入的AOI設備采用歸一化的彩色相關算法。江西爐前AOI

    AOI檢測原理:通過攝像技術將被檢測物體的反射光強，以定量化的灰階值輸出，通過與標準圖像的灰階值進行比較，分析判定缺陷并進行分類的過程。AOI采用的光學傳感器和光學透鏡相當于人眼，AOI的圖像處理與分析系統就相當于人腦，即“看”與“判”兩個環節，在整個AOI檢測中，其工作邏輯可以簡單地分為：Step1：圖像采集階段（光學掃描和數據收集）；Step2：數據處理階段（數據分類與轉換）；Step3：圖像分析段（特征提取與模板比對）；Step4：缺陷報告階段四個階段（缺陷大小類型分類等）。在整個AOI系統運作中，所有的判定基礎都是基于攝影得到的圖像，因為攝影得到的圖像被用于與系統中的模板做對比，所以獲取圖像信息的精確性對于檢測結果非常重要！若圖像采集器看不清楚或看不到被檢測物體的特征點，那么也就無法談到準確的檢出。 江西爐前AOI

深圳愛為視智能科技有限公司致力于機械及行業設備，是一家其他型公司。公司業務分為智能視覺檢測設備等，目前不斷進行創新和服務改進，為客戶提供良好的產品和服務。公司將不斷增強企業重點競爭力，努力學習行業知識，遵守行業規范，植根于機械及行業設備行業的發展。愛為視秉承“客戶為尊、服務為榮、創意為先、技術為實”的經營理念，全力打造公司的重點競爭力。