當前電子產品日漸向著小型化趨勢發展，對產品元器件的微型化要求也越來越高，微型器件的組裝和檢測難以只通過人工完成，由此產生越來越多的自動檢測設備需求。與此同時，自動檢測設備還能夠健身制造成本、提升產品質量，AOI檢測設備代替人工的進程發展較快。在此背景下，中國自動光學檢測行業逐步發展起來。從AOI檢測設備來看，目前AOI檢測設備是SMT加工廠必備的設備，平均一條SMT生產線至少需要2-3臺AOI檢測設備，但我國AOI檢測設備的滲透率較低，只為50%左右。目前常用的圖像識別算法為灰度相關算法，通過計算歸一化的相關來量化檢測圖像和標準圖像之間的相似程度。安徽插件AOI外觀檢測

  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。江蘇離線AOI系統線掃描圖像傳感器的掃描寬度方向只有一個像素，通過移動來獲得圖像，所有一般解析度比較好。

AOI檢測原理是采用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。與人工檢查做一個形象的比喻，AOI采用的普通LED或特殊光源相當于人工檢查時的自然光，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。因此，AOI檢測的工作邏輯可以簡單地分為圖像采集階段（光學掃描和數據收集），數據處理階段（數據分類與轉換），圖像分析段（特征提取與模板比對）和缺陷報告階段四個階段（缺陷大小類型分類等）。為了支持和實現AOI檢測的上述四個功能，AOI設備的硬件系統也就包括工作平臺，成像系統，圖像處理系統和電氣系統四個部分，是一個集成了機械，自動化，光學和軟件等多學科的自動化設備。

    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。 愛為視DIP 插件爐前檢測-落地式可檢PCBA尺寸：寬度400mm，長度不限；可選配寬度750mm，長度不限。

    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。 AOI的圖像采集系統主要包括光電轉化攝影系統，照明系統和控制系統三個部分。湖南AOI升級換代

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。安徽插件AOI外觀檢測

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安徽插件AOI外觀檢測

深圳愛為視智能科技有限公司總部位于西麗街道曙光社區中山園路1001號TCL科學園區E3棟201之218，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。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。愛為視始終關注自身，在風云變化的時代，對自身的建設毫不懈怠，高度的專注與執著使愛為視在行業的從容而自信。