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。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。 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。新一代AOI升級換代

爐后皮帶線模式:支持，且可以多機種共線生產；支持NGbuffer對接；支持多工位語音播報、自定義語音播報內容；通訊方式：支持標準接口、定制接口；追溯:可實時輸出。支持按條碼、二維碼、機型、時間等維度追溯；條碼識別:支持識別一維碼（128碼）,二維碼（QR/DM碼）；畫面顯示:1、主圖畫面動態與靜態結合，便于員工觀察；2、根據底板顏色可以自由選擇器件框顏色，適應各種顏色底板；學習:1、支持系統學習訓練，學習越多效果越好；2、支持本地學習；河南新一代智能AOI檢測設備以目前AOI（自動光學檢測）技術在PCB行業滲透率較高，復雜化趨勢以及制造行業整體對智能化變革的需求。

    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。

    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。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。 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。

除光電傳感器外，AOI圖像采集過程中照明系統也非常重要，選擇比較好光源目的是保證被檢測物體的特征區別于其他背景，涉及到光源的光譜特性，光源顏色的色溫特性。高效率長壽命，高亮度且均勻的光源是必須考慮的參數，高亮度均勻性好的光源可以提高信噪比，而長壽命高效率則可以提高設備的穩定性，降低工作負荷。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。AOI檢測不僅是一部檢測設備，對大量不良結果進行分類和統計，可以發現不良發生的原因。智能AOI系統

AOI檢測儀有很高的自潔能力，不能給生產環境尤其被測工件本身帶來二次污染，這會影響系統構件的材料選型。新一代AOI升級換代

    AOI圖像采集的然后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。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。 新一代AOI升級換代

深圳愛為視智能科技有限公司是一家智能化設備設計、研發、制造、銷售、服務；科學研究和技術服務；計算機軟件、信息系統軟件的開發、銷售、服務；信息系統設計、集成、運行維護、信息技術咨詢、集成電路設計、研發、銷售、服務；電子、通信與自動控制技術研究；計算機科學技術研究；企業管理咨詢（不限制項目）；儀器儀表、測量設備；信息傳輸、軟件和信息技術服務；商業信息咨詢；從事電子商務（依法需經批準的項目，經相關部門批準后方可開展經營活動）；投資興辦實業（具體項目）另行申報；投資咨詢（不含限制項目）。許可經營項目：集成電路制造；電子設備工程安裝；電子自動化工程安裝；監控系統安裝；智能化系統安裝的公司，致力于發展為創新務實、誠實可信的企業。愛為視擁有一支經驗豐富、技術創新的專業研發團隊，以高度的專注和執著為客戶提供智能視覺檢測設備。愛為視始終以本分踏實的精神和必勝的信念，影響并帶動團隊取得成功。愛為視始終關注機械及行業設備行業。滿足市場需求，提高產品價值，是我們前行的力量。