当前位置:首页 >> 技术文章 >> 正文

统计建模技术在AOI中的应用(一)

【来源:SMT服务网】【作者:admin】【时间: 2008-2-18 9:38:58】【点击:


内容提要

本文用较详细的资料系统地论证和介绍了统计建模技术在AOI中的应用方法;阐述了统计建模技术在AOI应用中的先进性;揭示了传统AOI技术上的不足;开辟了AOI技术发展的一个新思路。

前言

众所周知,理想的AOI可以在SMT生产线上建立一个完整的实时工艺控制体系(RPC),借以实现真正意义上的SMT生产线的闭环控制系统。

然而,AOI发展至今,由于理论和实际相差甚远,在实际运用中并不尽人意。主要问题如下:

1.误报难以销除。

2.检出的缺陷不能自动地分析出缺陷产生的原因。

3.程序制定时间过长。

4.RS485网络与印刷机、贴片机、回流炉和AOI之间有待实现相互兼容从而实现行之有效的实时工艺控制(RPC)。

5.虚焊的检测能力不强。

如果以上问题能够得到有效的解决,那么AOI一定会迎来一个最美丽的春天!统计建模技术在AOI上的成功应用是这一春天到来的一缕晨曦!

传统AOI技术上不足

传统的AOI由于软件运算方式和硬件配合的不同,差异性较大。通常采用的软件分析技术有:模板比较、边缘检查、灰度模型、特征提取、固态建模、矢量分析、图形配对和傅里叶氏分析等;主要硬件有:摄像机、丝杆或传送带、伺服马达或步进马达和彩色光源或黑白光源。工作原理为摄像机获得一块板的照明图像并数字化,然后通过软件与已经定义“好”   的图像进行分析、比较而实现其检测功能的。然而每种软件和处理方法都存在着其本身的优势和缺陷,因此在实际应用中都不够理想和完美。主要表现在以下几个方面:

1.       有些AOI采用多相机多光源方案,机械结构非常复杂,必须有非常精密的机械制造,这必然增加生产成本和维护成本。

2.       AOI操作复杂,必须由非常有经验的工程师才能有效地编制AOI程序并且将其调试稳定。有的AOI要求工程师必须潜心研究2年以上才能熟练使用。

3.       检测参数的阀值难以控制,直接影响误报和漏报的产生。

4.       硬件复杂不便于维护。

5.       检测速度慢与SMT生产线不协调。

由于受以上因素的影响,目前大多数AOI厂商采用图像配对与多种图像分析技术相结合的方法,综合成一个独特的“处方”,形成一个新的运算法则,力图改变上述困境。

图像处理的难点包含光源的设计和图像判别。其中图像判别部分是目前世界上公认的难点部分。如一个标准图像同待测图像比较,计算其差异,如果差异小于某个阀值,则判断OK,否则NG。这种方法的难点在于:

A.     标准图像必须事先准备好,而且电脑里面必须保存所有学习过的OK零件的图片,否则在测试中一旦出现新的可以接受的图像,就很难将其综合到标准中去。例如标准图片是由200个OK元件综合的,为了以后能够再学习第201个OK零件,前面的200个零件的图片都必须保存,可以想像,对于有2000个零件的PCB,需要学习200次OK零件,电脑需要多大的存储空间!(假设每个图片为24位真彩色,大小为100*55像素,则每个图片为16.1kb,所有图片的大小为16.1*2000*200kb=6440000kb=6289MB=6.14GB)

B.     在比对图像时,传统的图像比对方法采用逐个比较的方法,首先用第一个标准去比较,如果没有通过,再用第二个标准比较,一直到标准比较完毕或是通过为止。这样标准越多,判别花费的时间越长。如果标准不多,则误判很快增加。

C.     如果不用学习的方法产生标准图片,则必须由操作者凭借丰富的经验创造一个标准,给出一个判别阀值。类似操作的说明书厚度就已经让人害怕了。

D.    如果用标准图片直接去比对待测图片,发现OK零件和NG零件的差异非常小,而且存在很大的重叠区域,对于重叠的区域,机器当然无法正确区分OK和NG了。

E.     阀值由人工设置,如果阀值设置过于宽松,则可能NG的零件也作为PASS,无法达到检查的目的。如果阀值设置过严,机器将会把OK的零件判为NG,频繁报警,让人无法忍受。为此大多数AOI要求使用者必须有很强的工作经验。

F.     计算速度问题。为了同生产线的速度匹配,要求AOI有较快的处理速度。无论处理方式是否优越,如果处理一个零件的时间超过30毫秒,这都是毫无价值的方法。

G.    有些AOI的算法以灰度模型和边缘识别为主。灰度模型的缺点在于受光线明暗的影响较大,另外打光的角度难以控制,这两点是这一算法的死结,是漏判和误判高居不下的主要原因。边缘识别的缺陷在于被检点的边缘不可能是一条标准的直线,因而它必须提高像机的分辨率来加强像素分割进行补偿,然而分辨率越高由此产生的像素分割噪音也就越大,这样对软件分析产生的干扰也越大,从而影响检测的准确性,这也是使用这一技术而速度不尽人意和存在大量误判、漏判的主要原因。

全新的AOI图像处理技术——统计建模技术

统计建模技术,使用了一种简单直观的数学模型,它能自动地计算出图形的合理变化的趋向,并且具有自调节功能,而且采用这种技术在实际应用中的误报率要比现有的AOI技术要好10至20倍,程序编制快,操作也十分简单。

简单地说,就是给AOI一系列OK的元件,让AOI自动学习统计,由AOI自动掌握图像的变化规律,判断正确的零件大概像什么,可能有一些什么样的变化,可能变化到什么程度等。这样AOI得到了1个标准图像,2个辅助图像以及自动计算得到的判别阀值。

统计建模技术在AOI中的使用模式和优点。

1.       使用该方法,AOI不保存已经学习的任何图片,自始至终,电脑里只储存3个图像及很少的误差方面的参数,大大节约了电脑空间。

2.       在测试过程中可以随时学习新的图片。这样AOI可以边测试边学习,学习到一定程度,AOI自动建立了一套十分稳定可靠的标准图片和判别阀值。

3.       在自动学习过程中,AOI将误差范围以内的图像自动学习,不需要人工干预。误差范围以外的图像才由人工确定是否需要学习,大大简化了操作。

4.       通常,一个标准的建立需要学习大约20~30个不同的零件。在本系统中,可以将多个同类零件链接到同一个标准,这样,如果1块线路板上有20个同类零件,对于该标准的建立,只需要学习1~2块线路板就已经足够了。因此,可以很快就建立一套十分稳定可靠的标准。

5.       而且,编制新的测试程序时,如果采用以前已经稳定的标准库,则根本不需要学习过程,直接测试即可得到可靠的结果。

6.       这种图像处理方法,将SMT零件的所有检查项目全部简单地归结为图像外观检查,因此在AOI中,所有检查项目均用相同的方法处理(IC连锡除外),而且同一部AOI,可以检查锡膏的印刷(不检查锡膏厚度)、SMT贴片以及回流焊后焊点的检查。

7.       这种图像处理方法,对硬件的要求非常低,不需要复杂精密的机械设计制造。该方法不仅可以用于AOI中,而且可以移植到其他外观检查项目中去。

8.       这种图像处理方法的可重复性为一个像素的二十分之一,比传统的图像处理方法的可重复性十分之一像素要精确得多,因而性能稳定、精确、灵活性强,并且受像素分割时所产生的噪音变量影响较小。

9.       这种图像处理方法不需要人工来对硬件反复进行调整和补偿,它能自动地执行这一关键的步骤,也不需要人工来评诂和调整库的记录,还可以自动比较新图像与原有图像的基本特征向量,从而简化了操作程序。

学习45次后建立的结果

 通过45个零件的学习,系统建立的判别标准为21.33%。

 


下一篇:没有了
最新文章
统计建模技术在AOI中的应用(
无铅法规发展对PCB组装的影响
IPC发布IPC-7711/7721的B版本
SMT技术 电子组装最流行的一
打击无铅的主动性:12个ROHS
嵌入式软PLC虚拟机在电气测试
嵌入式软PLC虚拟机在电气测试
X光对QFN焊点的有效检测应用
X光对QFN焊点的有效检测应用
双面PCB上无铅阵列封装器件的
正确的手工焊接温度控制(二)
正确的手工焊接温度控制
国外印制电路板制造技术发展
锡须的产生原因和预防措施
2008年笔记本新技术应用浅析
热点文章
IPC标准
《IPC-9850表面贴装设备性能检
欧盟双指令(WEEE/ROHS指令案)
IPC技术标准目录之 电 子 组 装
焊锡膏使用常见问题分析
如何有效控制湿度敏感器件
现代PCB测试的策略
IPC-9850表面贴装设备性能检测
BGA封装形式对再流焊效果的影响
高密度封装进展(之一)
CSP引发内存封装技术的革命
线路板装配中的无铅工艺应用原
线路板装配中的无铅工艺应用原
线路板装配中的无铅工艺应用原
线路板装配中的无铅工艺应用原