010-53322951
010-53322951
010-53322951
3D自動光學檢測（AOI）是一種利用光學成像和計算機視覺技術(shù)對物體表面進行三維檢測的高精度技術(shù)，廣泛應用于電子制造、汽車、半導體、醫(yī)療設備等領(lǐng)域。隨著制造業(yè)對精度和效率要求的提升，3D AOI技術(shù)成為質(zhì)量控制的關(guān)鍵工具。
在當今科技飛速發(fā)展的時代，電子制造等行業(yè)正經(jīng)歷著前所未有的變革。隨著電子產(chǎn)品的小型化、集成化程度不斷提高，對生產(chǎn)過程中的質(zhì)量控制提出了更為嚴苛的要求。3D 自動光學檢測（AOI）技術(shù)應運而生，成為保障產(chǎn)品質(zhì)量、提高生產(chǎn)效率的關(guān)鍵環(huán)節(jié)。它利用高精度相機和先進的圖像處理技術(shù)，能夠快速、準確地檢測出電子產(chǎn)品在生產(chǎn)過程中出現(xiàn)的各種缺陷，如焊點不良、元件缺失、偏移等問題，為產(chǎn)品質(zhì)量提供了可靠的保障。
一、工作原理
3D AOI 基于光學成像和圖像處理對比原理工作，在電子制造領(lǐng)域，尤其是 PCB（Printed Circuit Board，印刷電路板）生產(chǎn)中發(fā)揮著關(guān)鍵作用。其工作過程主要包括以下幾個關(guān)鍵步驟：
圖像采集：3D AOI 設備配備高精度的光學成像系統(tǒng)，其中包含多個高分辨率相機以及不同類型的光源。在檢測 PCB 時，多角度的光源會對 PCB 表面進行均勻照明，確保電路板上的每一個細節(jié)都能被充分照亮。相機從不同角度對 PCB 進行拍攝，獲取其表面的二維圖像信息。通過巧妙設計的光學系統(tǒng)，能夠捕捉到元件的外形、顏色、位置等表面特征，同時，利用特殊的成像技術(shù)，如結(jié)構(gòu)光、激光輪廓測量等，獲取元件與 PCB 之間的高度信息，將二維圖像拓展為包含高度維度的三維數(shù)據(jù)，構(gòu)建出 PCB 的三維立體模型，這是后續(xù)檢測的基礎。
圖像處理：采集到的原始圖像往往包含噪聲、光照不均等問題，需要進行預處理。通過圖像去噪算法，去除圖像中的隨機噪聲，增強圖像的清晰度；利用灰度化、對比度增強等操作，突出圖像中的關(guān)鍵特征，以便后續(xù)分析。經(jīng)過預處理的圖像，運用先進的圖像處理算法進行特征提取，提取出元件的邊緣、形狀、尺寸等特征參數(shù)，同時獲取焊點的高度、體積等三維特征數(shù)據(jù)。將提取到的這些特征數(shù)據(jù)與預先設定的標準模板或數(shù)據(jù)庫中的理想數(shù)據(jù)進行對比分析，判斷是否存在缺陷。
缺陷識別與判定：根據(jù)對比分析的結(jié)果，當特征參數(shù)超出預設的公差范圍時，系統(tǒng)判定存在缺陷，并對缺陷進行分類和定位。例如，對于焊點，如果其高度低于標準值，可能判定為焊錫不足；如果焊點的形狀不規(guī)則，可能存在焊接短路的風險。系統(tǒng)會將檢測到的缺陷信息，包括缺陷類型、位置、嚴重程度等，以直觀的方式展示給操作人員，并生成詳細的檢測報告，為后續(xù)的修復和工藝改進提供依據(jù)。
二、關(guān)鍵技術(shù)
1、3D 成像技術(shù)
激光輪廓測量技術(shù)：該技術(shù)通過發(fā)射激光束到 PCB 表面，利用激光在物體表面的反射特性來獲取高度信息。設備中的激光發(fā)射器發(fā)射出一條或多條激光線，照射在 PCB 上，激光線在不同高度的物體表面產(chǎn)生不同的反射角度和位置。相機從特定角度接收反射光，根據(jù)三角測量原理，通過計算激光線在相機成像平面上的位置變化，精確計算出物體表面各點的高度信息。對于微小的電子元件，激光輪廓測量能夠準確測量其高度和輪廓形狀，對于檢測焊點的高度、平整度以及元件的共面性等參數(shù)具有極高的精度，能夠有效檢測出焊點虛焊、元件高度異常等缺陷。
結(jié)構(gòu)光技術(shù)：結(jié)構(gòu)光技術(shù)是將具有特定圖案（如條紋、格雷碼等）的光投射到 PCB 表面，圖案在不同高度的物體表面會發(fā)生變形。通過相機從不同角度拍攝變形后的圖案，利用圖像處理算法對這些圖像進行分析和解算，能夠重建出物體表面的三維形狀。以條紋結(jié)構(gòu)光為例，投射到 PCB 上的條紋在遇到不同高度的元件或焊點時，條紋的間距、形狀會發(fā)生變化。通過對這些變化的精確測量和計算，系統(tǒng)可以獲取物體表面各點的三維坐標，從而構(gòu)建出高精度的三維模型。這種技術(shù)能夠快速、全面地獲取 PCB 表面的三維信息，適用于檢測復雜形狀的電子元件和高密度 PCB 板，在檢測元件偏移、歪斜、立碑等缺陷方面表現(xiàn)出色。
2、圖像處理算法
圖像預處理算法：原始圖像在采集過程中容易受到各種因素的干擾，如噪聲、光照不均等，這會影響后續(xù)的缺陷檢測精度。圖像預處理算法的目的就是改善圖像質(zhì)量，為后續(xù)處理提供良好的基礎。去噪算法，如高斯濾波、中值濾波等，能夠有效去除圖像中的隨機噪聲，平滑圖像；灰度化處理將彩色圖像轉(zhuǎn)換為灰度圖像，簡化后續(xù)計算；直方圖均衡化等對比度增強算法，能夠調(diào)整圖像的灰度分布，使圖像中的細節(jié)更加清晰，突出圖像中的特征信息，提高圖像的可讀性和可分析性。
特征提取算法：經(jīng)過預處理的圖像，需要從中提取出能夠表征物體特征的關(guān)鍵信息。在 3D AOI 中，常用的特征提取算法包括邊緣檢測、形狀特征提取、紋理特征提取等。邊緣檢測算法，如 Canny 算法，能夠準確檢測出元件和焊點的邊緣，獲取其輪廓信息；形狀特征提取算法可以計算元件的面積、周長、長寬比等幾何參數(shù)，用于判斷元件的形狀是否符合標準；對于一些具有特定紋理的元件，紋理特征提取算法可以提取紋理的方向、頻率等信息，輔助判斷元件的質(zhì)量和缺陷情況。在檢測電阻、電容等元件時，通過提取其形狀特征和邊緣信息，能夠判斷元件是否存在偏移、缺失等缺陷。
缺陷識別算法：將提取到的特征與預先設定的標準模板或閾值進行對比，運用模式識別算法，如支持向量機（SVM）、神經(jīng)網(wǎng)絡等，對圖像中的缺陷進行識別和分類。以神經(jīng)網(wǎng)絡為例，通過大量的樣本數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練，使其學習到正常元件和各種缺陷類型的特征模式。在實際檢測中，將待檢測圖像的特征輸入到訓練好的神經(jīng)網(wǎng)絡中，網(wǎng)絡根據(jù)學習到的模式進行判斷，輸出缺陷類型和位置信息。這種基于機器學習的缺陷識別算法能夠自動適應不同的檢測場景和缺陷類型，提高檢測的準確性和智能化水平。
3、與傳統(tǒng) 2D AOI 對比優(yōu)勢
檢測精度與可靠性：傳統(tǒng) 2D AOI 主要獲取 PCB 的二維平面圖像信息，對于元件的高度、焊點的三維形狀等信息無法準確獲取，在檢測一些需要三維信息判斷的缺陷時存在局限性，容易出現(xiàn)漏檢和誤報。而 3D AOI 能夠獲取元件和焊點的三維數(shù)據(jù)，全面檢測高度、翹曲、共面性等參數(shù)，有效彌補了 2D AOI 的不足，大大提高了檢測精度和可靠性，降低了漏檢和誤報率。在檢測 BGA（Ball Grid Array，球柵陣列）焊點時，2D AOI 難以檢測到焊點內(nèi)部的虛焊、空洞等缺陷，而 3D AOI 通過對焊點高度和體積的精確測量，能夠準確識別這些缺陷。
檢測參數(shù)的全面性：2D AOI 主要檢測元件的表面形狀、位置、顏色等二維參數(shù)，對于一些復雜的三維缺陷，如元件的立碑、側(cè)立、焊點的三維變形等，檢測能力有限。3D AOI 不僅可以檢測 2D AOI 所涵蓋的參數(shù)，還能精確測量元件和焊點的高度、體積、三維形狀等參數(shù)，為全面評估 PCB 質(zhì)量提供了更豐富的數(shù)據(jù)支持。在檢測 QFN（Quad Flat No-lead，方形扁平無引腳封裝）元件時，3D AOI 能夠檢測元件引腳的共面性和高度，確保元件焊接質(zhì)量，而 2D AOI 則難以實現(xiàn)。
數(shù)據(jù)分析與處理能力：3D AOI 獲取的三維數(shù)據(jù)量更大、更豐富，相應地，其數(shù)據(jù)分析和處理能力也更強。通過對這些三維數(shù)據(jù)的深入分析，能夠挖掘出更多潛在的質(zhì)量信息，如焊點的體積分布、元件高度的一致性等。利用這些數(shù)據(jù)，可以進行更精準的工藝分析和質(zhì)量控制，為生產(chǎn)過程的優(yōu)化提供有力依據(jù)。3D AOI 還能夠與生產(chǎn)管理系統(tǒng)進行數(shù)據(jù)交互，實現(xiàn)生產(chǎn)過程的數(shù)字化管理，提高生產(chǎn)效率和質(zhì)量追溯能力。相比之下，2D AOI 的數(shù)據(jù)相對簡單，在數(shù)據(jù)分析和處理的深度和廣度上都不如 3D AOI。
項目詳細需求
(可展開填寫)
立即訂購
在線咨詢
調(diào)研服務
京公網(wǎng)安備11010802043405