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。 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。河南爐前AOI光學檢測

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、橋堆方向檢測安徽新一代AOI設備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。

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。

    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。 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。

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。隨著電子技術、圖像傳感技術和計算機技術的快速發展，AOI技術成為表面缺陷檢測的重要手段。河南爐前AOI光學檢測

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。河南爐前AOI光學檢測

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。河南爐前AOI光學檢測

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。