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/。簡單來說貨真價實的AOI檢測儀模擬和拓展了人類眼、手的功能，利用光學成像方法模擬人眼的的視覺成像功能。安徽爐前AOI生產

    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。 山東aivsAOI供應采用高分辨率工業相機和智能圖像分析，檢測電子電路板上插件元器件多、錯、漏、反等缺陷。

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。

在現代工業自動化生產中，連續大批量生產中每一個制作過程都是有一定的次品率的，單獨去看雖然比率很小，但是相乘后卻成為企業難以提高良率的重要瓶頸，并且在經過完整制程后再次去剔除次品，成本會高很多（例如，如果錫膏印刷工序存在定位偏差，且該問題直到芯片貼裝后的在線測試才被發現，那么返修的成本將會是原成本的100倍以上），因此及時檢測以及次品剔除對質量控制和成本控制是非常重要的，也是制造業進一步升級的重要基石。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。

AI視覺檢測代替人工檢測實現了非接觸、高效率、高精度的檢測優勢，在工業檢測中成為一種剛需。它通過相機拍照獲取圖像、對圖像進行識別、處理從而達到檢測的目的。機器視覺可自動識別被測產品表面的缺陷，如金屬外觀不良檢測、印刷電路板缺陷檢測等。AI視覺為人類解放生產力提供了重要的支撐，使現代的生產制造更加地智能化、自動化。帶動了企業生產效益的提升，進而為整體經濟的上漲貢獻了巨大的力量，經濟與科技相互反饋，AI視覺在未來將有更多的拓展性、與更高的先進性。存在的主要問題是，當一些檢查對象是不可見的，或是在PCB上存在一些干擾使得圖像變得模糊或隱藏起來了。aivsAOI生產

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。安徽爐前AOI生產

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爐前AOI生產

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。公司自創立以來，投身于智能視覺檢測設備，是機械及行業設備的主力軍。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。愛為視創始人劉曉輝，始終關注客戶，創新科技，竭誠為客戶提供良好的服務。