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、根據底板顏色可以自由選擇器件框顏色；3、可依據客戶需求，自由定義器件中文名；4、不良器件圖靜態顯示；程序制作靈活性：1、無需設置參數；2、在線抓拍首件板系統輔助做程序，且支持持續補充學習，學習后自動建模比例更高（80%+）；---自動框圖器件種類多（60+），比例高。3、支持中文、英文、中英文混合輸入；4、批量復制、粘貼、剪切、刪除等支持快捷鍵操作。---硬件條件和安裝尺寸不發生變化，已做好的模板可長久正常使用插件爐前檢測可以利用數據庫實時保存檢測的狀態和結果，幫助、分析產品出錯和誤檢原因。安徽智能AOI設備

用雙眼觀察世界是人類與生俱來的、非常重要的生物功能之一，也是人類認識世界和改造世界的主要途徑。而在漫長的文明演化的道路中，為了彌補人類視覺的天然短板，看到更廣闊的世界，善于利用工具的人類發明了機器，從模仿人類視覺開始，漸漸步入超越人類視覺的道路，隨著人工智能的步伐不斷演進。早期機器局限于感光材料和技術只能記錄黑白色彩，直至19世紀末光學研究出現新的突破，彩色在攝影師帶有濾鏡的拍攝和后期合成中顯現，使得機器視覺邁上首步臺階。上海爐前AOI生產當自動檢測時，機器通過攝像頭自動掃描PCB，采集圖像，測試的焊點與數據庫中的合格的參數進行比較。

AIVS-D系列爐前插件AOI特點簡介●采用聲音提示，彈窗對比圖，主圖突出顯示不良紅框等多種提醒，符合人體工學●一聽，二看，三聚焦，便于員工聽到異常提醒后直接觀察，使用彈窗顯示不良器件對比圖●深度學習算法，海量實際場景數據訓練；低誤報，支持6鐘混板檢查。●PCB二維碼，支持MES對接●實現自動編程，只需5分鐘●生產數據實時圖表顯示，可視化管理，檢測數據便捷導出。AIVS-D系列爐前AOI規格參數光源:八側面多角度高亮條形光源相機：標配2000萬CCD全彩工業面陣相機（可選配1200萬/2500萬/2900萬）FOV：400*300mm可檢PCBA尺寸：寬度400mm，長度不限；可選配寬度750mm，長度不限CPU：inteli59600KF；GPU：NVIDIA獨立顯卡顯存：8G/6G內存/硬盤存儲：16GDDR4/2T操作系統：：22寸/。

    AOI圖像采集的一個關鍵步驟是控制系統，光電傳感器的FOV（視窗）有限，物體高速運動中準確地抓拍到清晰的圖像，軟硬件協調動作非常重要，如下圖所示，當圖像傳感器與機臺移動速度不匹配時造成圖像的拉伸，收縮等變形，所以，載物移動平臺XY方向移動與圖像采集光電傳感器的同步移動影響到數據的準確，要在固定光照，等間距下拍攝一幅清晰的圖像，高精度的導軌，電機和運動控制程序是非常必要的。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，光源的不穩定不均勻，機械系統的抖動，傳感器溫度等原因導致，不可避免的使得圖像因含有噪音而變得模糊。給圖像識別，圖像切割等后續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。 取而代之的是自動檢測技術，其在生產中承擔著重要的角色。對于裝配過程中錯誤的前期查找、消除起關鍵作用。

中國機器視覺起步于80年代的技術引進，隨著98年半導體工廠的整線引進，也帶入機器視覺系統，06年以前國內機器視覺產品主要集中在外資制造企業，規模都較小，06年開始，工業機器視覺應用的客戶群開始擴大到印刷、食品等檢測領域，2011年市場開始高速增長，隨著人工成本的增加和制造業的升級需求，加上計算機視覺技術的快速發展，越來越多機器視覺方案滲透到各領域，缺陷檢測功能，是機器視覺應用得多的功能之一，主要檢測產品表面的各種信息。AOI是近幾年才興起的一種新型測試技術，但發展迅速很多廠家都推出了AOI測試設備。浙江爐前AOI檢測設備

基于圖像檢查的基本原理是:每個具有明顯對比度的圖像都是可以被檢查的。安徽智能AOI設備

    網絡：千兆網卡結構簡約，便于快速安裝Simplestructureeasytoinstallquickly落地式安裝，無需改動流水線Floormounted,noneedtochangetheassemblyline在線無感檢測，PCBA流過快速給出結果On-linesensorlessdetection,PCBAflowthroughthefastgivesresults寬度與高度可調，適應性強Adjustablewidthandheight,strongadaptability特色檢測項目（黑電感字符檢測、器件與底板同色的器件檢測、鋁電容頂部字符識別、黑灰電容字符識別、電池座方向識別、小鐵片檢測、聚丙烯電容字符識別、電線檢測、變壓器字符識別、晶振字符識別、螺紋/光頭射頻頭檢測、蜂鳴器方向檢測、東倒西歪的電容極性識別）本系統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（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中心算法之一，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。 安徽智能AOI設備

深圳愛為視智能科技有限公司致力于機械及行業設備，以科技創新實現***管理的追求。愛為視深耕行業多年，始終以客戶的需求為向導，為客戶提供***的智能視覺檢測設備。愛為視致力于把技術上的創新展現成對用戶產品上的貼心，為用戶帶來良好體驗。愛為視始終關注機械及行業設備市場，以敏銳的市場洞察力，實現與客戶的成長共贏。