什么是AOI图像分析技术？

AOI技术向智能化方向发展是SMT发展带来的必然要求。

在SMT的微型化、高密度化、快速组装化、品种多样化发展特征下，检测信息量大而复杂，无论是在检测反馈实时性方面，还是在分析、诊断的正确性方面，依赖人工对AOI获取的质量信息进行分析、诊断几乎已经不可能，代替人工进行自动分析、诊断的智能AOI技术成为发展的必然。

　　对各种缺陷的特征提取和缺陷识别与分类进行研究;针对高密度PCB视觉检测系统中要检测的缺陷细小，缺陷的种类繁多，特征不易确定等问题，对于各种不同缺陷的特征提取技术和各种分类方式进行研究，采用机器学习的方法，设计不同的分类器，并对不同分类器的分类效果和误差进行比较和分析，采用优化的分类器可以实现对缺陷的快速检出和准确分类，并尽可能地提高分类器的智能化水平。

随着计算机的快速发展，AOI也采用了目前许多成熟的图像分析技术，包括模板匹配法(或自动对比)、边缘检测法、特征提取法(二值图)、灰度直方图法、傅里叶分析法、光学特征识别法等，每个技术都有优势和局限。

　　模板比较法通过获得物体图像，如片状电容或QFP，并用该信息产生一个刚性的基于像素的模板。在检测位置的附近，传感器找出相同的物体。当相关区域中所有点进行评估之后，找出模板与图像之间有最小差别的位置停止搜寻。AOI系统为每个要检查的物体产生这种模板，通过在不同位置使用相应模板，建立对整个板的检查程序，来查找所有要求的元件。

　　但是由于元件检测图像很少完全匹配模板，所以用两种方法来解决这个问题：

①可以用一定数量的容许误差来确认匹配的，如果模板太僵硬，可能产生对元件的“误报”;如果模板松散到接受大范围的可能变量，也会导致“漏报”。

②可以根据同类的众多良品进行标准模板的计算，或者叫“特征元件”，这样可以最大限度提取该类元件的共性特征，从而降低误报率。