模板匹配就是先設定已知模板，已知模板是AOI檢測中沒有缺陷的實物影像或較小重復單元影像，通常情況下PCBAOI檢測中以實物影像為已知模板，FPD AOI檢測中則是較小重復單元。將采集到的圖像與模板影像進行重合比對，然后平移到下一個單元進行同樣比對，出現灰階有差異的部分就被懷疑為缺陷，這里我們給灰階差異設定一個閾值，當灰階差超過設定閾值后，就被判定為真正的缺陷。從細節上講，閾值的設定過于嚴格出現誤判的概率就會增加，而閾值設定過于寬松漏檢出的概率就會增加，因此，被檢測物體的特征提取可以提高比對的對位精度，進而對檢測結果起到了決定性的作用。在價格適中的AOI檢測儀系統中，被測物體的支撐方式、精密傳輸與定位裝置也必須精心設計。遠程操控AOI檢測設備

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。從AOI檢測設備應用需求分布情況來看，根據Yole調研數據顯示，2019年全球AOI檢測設備應用較多的是PCB行業，占到總體市場的69%。浙江不需要設置參數的AOI升級換代軟件輔助建模：極速建模，一鍵智能搜索80多種器件。

在傳統機器視覺和深度學習算法之間進行對比對比和選擇。一方面，相較于傳統機器視覺解決方案，深度學習的一個明顯優勢是高效壓縮視覺機器開發的時間，目前深度學習算法在醫療、生命科學、食品等行業領域上都有一定較大程度的應用發展。深度學習算法實現視覺專業應用程序難題轉化為非視覺**能夠解決的問題。這樣一來，使得機器視覺系統更簡單易用。同時，計算機及相機檢測也更為精確。機器視覺與深度學習也要根據其應用程序類型、處理的數據量、處理能力進行選擇。

    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。 質量可靠的AOI檢測儀專業的光源及合理打光方案是機器視覺的技術，判斷檢測系統是否穩定可靠。

易用性：1、無需設置參數；上手快；2、在線抓拍首件板系統輔助做程序，自動框圖比例高，支持持續補充學習，學習后自動建模比例更高(80%+）；3、根據客戶需要，支持自定義器件名稱；4、支持快速更改工單號；5、支持批量復制、粘貼、剪切、刪除等快捷鍵操作多重智能算法檢測：1、智能識別鋁電容頂部字符；2、智能識別黑灰電容字符；3、智能識別黑電感字符或方向；4、智能識別電池座方向；5、小鐵片檢測；6、智能識別聚丙烯電容字符；7、電線檢測；8、金屬高頻頭螺紋/光頭檢測；9、智能識別變壓器字符；10、智能識別蜂鳴器方向；11、智能識別晶振字符；12、智能識別東倒西歪的電容極性。13、三極管方向檢測；14、橋堆方向檢測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。上海智能AOI外觀檢測

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性。遠程操控AOI檢測設備

一是分類，即可以將產品分為合格和不合格，這是深度學習很重要的一個應用；二是定位，即幫助使用者定位物體的位置和數量；三是分割，即可以找到缺陷的輪廓，基于缺陷的輪廓和大小，對產品進行更精細的判別。通過深度學習算法，軟件可以自動學習瑕疵的特征，使得無規律圖像的分析變得可能；在精確度方面，可通過深度學習算法和制造業特有的數據提高檢測的精確度；雖然深度學習在很多方面具有優勢，不過也并不是所有任務都適用。深度學習對瑕疵分類更有優勢。遠程操控AOI檢測設備

深圳愛為視智能科技有限公司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。公司自成立以來，以質量為發展，讓匠心彌散在每個細節，公司旗下智能視覺檢測設備深受客戶的喜愛。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。愛為視立足于全國市場，依托強大的研發實力，融合前沿的技術理念，飛快響應客戶的變化需求。