两种新技术可能主导下一代AOI的发展-AOI智能化编程,下一代AOI光学机械视觉仪应该可以提供一些AOI智能解决方案，并自动理解实际生产中表面贴装工艺的相关操作和变化并对其进行补偿。为此，下一代机械视觉系统必须能替代传统的繁琐编程工作，无需编程人员用探索性的方法及判断来设置设备参数。此外它还必须能提供真正的AOI智能化编程自动化解决方案，了解被测产品的结构，以及被测产品与周围环境的联系。

    换言之，这些系统要用一种内部的、标准化的数据来取代当今由编程人员提供的专业经验。这些特征对用户技能和经验仅有少数要求或没有要求。同时，这种新型的、功能强大的机械视觉系统，要求被用于小批量/产品种类高度混合的环境中，并且采用一种更为成熟的后端图像分析来补偿部件及工艺的变化。VSPACE=12 HSPACE=12 ALT="传统AOI设备配置主要适合大批量生产环境"

机械视觉系统供应商将会尽力满足这些需求。目前已经出现了两种基本的机械视觉系统，有人声称这将是对AOI技术的革命性改进。

第一种方法是统计或外观建模方法，它可根据初期生产中的好/坏样品自动学习和定义库记录。统计方法的好处在于可自动完成好/坏元件的定义，而无需用户按他们自己的方式或目标硬件的方式来进行定义。

由于使用了统计外观方法，用户可输入在建模或初始生产中采集的图像数据，然后将这些样品自动编译到一个包含了好/坏元件的数据库中。存储下来的样品经过旋转并对尺寸和外型进行标准化，然后分解为特征向量以备今后使用。这种特征矢量是一套有关被采集元素外观的内部表征。随着采集的好/坏样品越来越多，库记录的特征向量也得到加强，这些向量经过调整以应对今后的变化。

通过统计建模，在使用AOI时用户无需对硬件进行反复的人工调整来补偿变化。统计建模自动地执行这一关键步骤，无需用人工来评估影响和调整库记录。统计建模还可以自动比较新图像与原有的基本特征向量，从而简化了操作。

统计建模潜在的缺点在于它仍是统计的，即它的操作还是基于从大规模生产中精选的样品，它仍需要足够的、可模拟大规模生产的样品来获得可行的数据库。因此，基于PCB组合半成品生产技术的统计外观需要进行大量的采样才能达到有用的故障判断率。它的另一个缺点是，统计外观技术所依赖的好/坏样品最初是由编程人员判断的，这些判断有可能出错并进一步导致特征向量及随后的故障覆盖和故障检测出并最终引起检测不足。

另一种有发展前途的方法称为配置识别(configural recognition)，它结合了场景和被测产品的识别。配置识别基于被测产品和它所处的场景，这种识别技术的原理是：预先定义好被测物的空间关系和关键物件区域允许的差异，以及这些区域/图像和其它关键区域的关系及变化梯度，然后进行检测。

配置识别已集成到视觉搜索引擎中，看来可成功地选择图形目标，至少在网站搜索中有成功的应用。配置识别的优点在于有关产品好坏的参数是通过编码预先设置到具体应用中的，而不是基于统计或大量的样品。因此，配置识别可用于数量极少的产品检测中，从理论上来说即使只有一个产品也同样有效。配置识别在批量极小的新产品试制和低产量、多品种混合生产中有极大潜力。这种方法的另一个优点是它所需的硬件十分简单，只需要一个静态光源和一个照相机。

配置识别的缺点是在使用配置识别时必须具备精确的工艺技能。此外，它还需要很多计算工作，因此一直到最近都没能以低成本来实现。然而，随着时钟频率、多处理和并行计算性/价比的提高，配置识别技术的实现将指日可待。

易科讯在线aoi自动光学检测仪,离线aoi光学检测设备,视觉检测设备的SMT设备生产厂家,专注于为电子制造行业客户提供自动化测试系统、自动化装配系统方案和系统集成服务，服务于客户的研发和生产过程，帮助客户控制产品品质、提高生产效率、降低生产成本。

更多详情请浏览点击AOI网站》》http://www.aoi-tech.com