OI檢測設備光學原理及操作實用

1.2.1 原理

AOI設備，主要原理有光學原理和圖像處理技術（檢測原理）。光學原理包括光學的反射原理和光學成像原理，光學原理是AOI檢測設備的基本原理。圖像處理技術，是分析檢測的關鍵技術。檢測算法則直接影響缺陷的檢測能力。

光學原理，主要為光線的反射原理，如下圖：

光學從左邊入射，通過水平鏡面后，進行等角度的反射，從右邊反射。當光學反射到鏡頭內時，則在相機內成像，否則不成像。

ＡＯＩ的光源結構為RGB（紅綠藍）的塔狀環光學，光學的LED分布自上而下分別為紅色LED、綠色LED、藍色LED等。其拍攝示意圖如下：

上圖為AOI設備拍攝示意圖，其拍攝圖像的效果圖如下：

上圖為相機的成像示意圖，Chip件的焊點自焊盤遠處到電極，其顏色分布分別為紅、綠、藍等。如下：

根據以上原理，坡度自水平到垂直所拍攝的圖像效果分別為紅色、黃色（紅色+綠色）、綠色、青色（綠色+藍色）、藍色，亮度變化則自亮到暗。

檢測原理，就是指圖像的檢測處理算法。 AOI的檢測算法包括圖像統計原理、灰階處理算法和圖像色彩分析技術。

圖像統計原理， AOI獨有的一種有效的檢測算法，幾乎所有的檢測都可用到該算法，該算法就是利用OK樣本的累計學習和色彩比對來進行檢測和判斷。

灰階處理算法，是指亮度分析和統計算法，該算法包括最大值算法、最小值算法、亮度跨度算法、均值算法和亮度抽取算法。

圖像色彩分析技術，就是指分析和處理圖像的顏色，主要是通過圖像的色彩分布和色彩特征來進行檢測和判斷，主要包括色彩抽取算法，波峰焊插件算法、紅膠分析算法、孔洞分析算法等。

1.2.2 不同檢測類型, 亮度標準確定

 AOI主要包括爐后回流焊、爐前錫膏、爐后紅膠板、波峰焊等檢測模塊。每個檢測檢測模塊針對不同的光源標準。Mairay專用的光源為自上而下分別為RRGB（紅紅綠藍）的環塔狀光源，其光源參數如下：

1.3. 算法詳解

AOI設備檢測算法，顧名思義，就是指圖像處理技術，能夠反饋AOI的檢測能力。AOI檢測算法，分為圖像統計建模算法、灰階處理算法和圖像色彩分析算法。

1.3.1.  圖像統計建模算法

圖像統計建模算法，為ＡＯＩ專用的檢測算法，幾乎應用所有檢測領域。AOI統計建模是通過學習一系列OK樣板，觀察圖像變化并結合所有OK圖像中看到的視覺偏差，找出元件外形變化和未來可能變化方式的特征來增強系統識別OK與NG圖像的能力。其在檢測算法中的算法標志為“OTHER”。在學習OK樣板過程中主要解決如下三個問題：

A 元件外形應該像什么？
即元件的尺寸、形狀、顏色和表面圖案等。

B 元件會發生什么樣的變化？
即元件的自然尺寸、形狀、顏色和表面圖案等變化規律。

C 元件外形會變化多少？

即元件的尺寸、形狀、顏色、表面圖案等變化多少是合理的。

最后得到的是一個綜合了上述元素的介于OK與NG間用于測試的標準模型。

1.3.2.  色彩抽取算法

色彩抽取算法，就是指抽取符合設定色度范圍和亮度范圍的圖像抽取算法，主要用于抽取圖像的色彩特征。色彩抽取算法，就是指亮度抽取算法 + 色度抽取算法。首先，待測色彩點必需符合亮度特征，即待測色彩點的亮度必需處于標準亮度范圍（亮度下限，亮度上限）；其次，待測色彩點的色度必需符合色度特征，即待測色彩點的色度要處于標準色度范圍。該算法在AOI檢測算法中的算法標志為“TOC”，主要應用于少錫、空焊、錯件、缺件、錫少、露銅等缺陷方面的檢測。

色彩抽取算法的判定，就是指符合標準亮度，并且符合標準色度范圍的色彩點占ROI區域的比例，是否符合標準范圍。比如ROI區域的實際返回值為82%,而標準范圍為（60， 100），則該檢測點為OK點。

色彩抽取算法中，在圖像上表示為色度三角形。該色度三角形在色彩抽取算法中起著重要的輔助作用，其圖像示意圖如下：

上圖①為色度三角形，該色度三角形，可以表示任意的色度范圍，如爐后焊錫中的“少錫”,如②圖，所表示的色度范圍：紅色色度（0， 60），綠色色度（0， 90），藍色色度（65， 180）。

色彩抽取算法，能夠通過改變其參數，轉化為亮度抽取算法和色度抽取算法。亮度抽取算法，將標準范圍中的紅綠藍的色度范圍都設定為（0， 180），僅僅通過標準亮度范圍來抽取符合亮度的色彩點，如下圖①；色度抽取算法，將標準范圍中的亮度范圍設定為（0，255），通過其色度范圍來抽取符合色度的色彩點，如下圖②。如下：

①圖為亮度抽取算法的參數示意圖，②為色度抽取算法的示意圖。

1.3.3.  直方圖統計算法

直方圖統計算法，就是指通過統計ROI區域內的亮度分布，或者是亮度變化，來判斷和檢測待測點是否符合標準范圍的灰階處理分析算法。該算法包括最大值（Max）算法、最小值（Min）算法、亮度跨度（Range）算法和平均值算法。其在檢測算法中的算法標志為“Histogram”。

最大值算法，就是指ROI區域內，獲取亮度最大的N%的亮度點的亮度平均值的一種灰階統計算法。如目標區域共計1000個亮度點，亮度值最大的5%的亮度點，即50個亮度點，該50個點的亮度均值為200，則最大值算法的返回值為200，則圖像的最大值為200。該算法主要用于異物等缺陷方面的檢測。

最小值算法，就是指ROI區域內，獲取亮度最小的N%的亮度點的亮度平均值的一種灰階統計算法。如目標區域共計1000個亮度點，亮度值最小的5%的亮度點，即50個亮度點，該50個點的亮度均值為20，則最大值算法的返回值為20，則圖像的最大值為20。該算法主要應用于異物等缺陷的檢測。

亮度跨度算法，就是指ROI區域內，統計最大值與最小值的亮度差異的一種灰階統計算法。如，目標區域的最大值為200，最小值為20，則亮度跨度為180。該算法主要應用于缺件等缺陷的檢測。

平均值算法，就是指統計ROI區域內所有亮度點的平均亮度的一種灰階統計算法，該算法主要應用于缺件等缺陷的檢測。

1.3.4.  OCV算法

OCV，是指通過分析和獲取待測圖像的輪廓線與標準樣本的輪廓線相似程度的一種圖像處理算法。該算法主要是分析輪廓，給出輪廓擬合程度，來檢測和判定待測點。該算法主要應用于錯件、缺件等缺陷方面的檢測。其在檢測算法中的算法標志為“OCV”。

1.3.5.  Match算法

Match算法，就是指通過分析待測圖像的ROI圖像點和標準樣本的ROI圖像點的相似程度的一種圖像處理算法。該算法主要應用于定位、錯件、缺件等缺陷方面的檢測。其在檢測算法中的算法標志為“Match”。

1.3.6.  Length算法

Length算法，為長度測量算法，就是指測量間隔亮度區域之間的距離的算法。該算法分為內距法、外距法。該算法首先對ROI區域進行亮度投影，通過統計和計算投影直方圖亮度區域之間的距離，如下圖：