随着盘算机的快速生长，AOI也接纳了目前许多成熟的图像剖析技术，包括模板匹配法(或自动比照)、边沿检测法、特征提取法(二值图)、灰度直方图法、傅里叶剖析法、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，并用该信息爆发一个刚性的基于像素的模板
。在检测位置的四周，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爆发这种模板，通过在差别位置使用相应模板，建立对整个板的检查程序，来查找所有要求的元件
。

　　可是由于元件检测图像很少完全匹配模板，所以用两种要领来解决这个问题：①可以用一定命量的容许误差来确认匹配的，如果模板太僵硬，可能爆发对元件的“误报”;如果模板松散到接受大规模的可能变量，也会导致“漏报”;②可以凭据同类的众多良品进行标准模板的盘算，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
。

　　将几种成熟的、流行的图像剖析技术结合在一个“处方”内，形成一个运算规则，特别适合于特殊元件类型
。在有许多元件的庞大板上，古板的AOI，可能形成众多的差别运算规则，要求工程师在需要改变或调解时做大宗的重新编程
。

更多详情敬请关注以下二维码！