AOI技术向智能化偏向生长是SMT生长带来的一定要求。在SMT的微型化、高密度化、快速组装化、品种多样化生长特征下，检测信息量大而庞大，无论是在检测反响实时性方面，照旧在剖析、诊断的正确性方面，依赖人工对AOI获取的质量信息进行剖析、诊断险些已经不可能，取代人工进行自动剖析、诊断的智能AOI技术成为生长的一定。

　　对种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，关于种种差别缺陷的特征提取技术和种种分类方法进行研究，接纳机械学习的要领，设计差别的分类器，并对差别分类器的分类效果和误差进行比较和剖析，接纳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。

　AOI在检测历程中，需要缺陷统计和分类与SPC紧密结合。所谓SPC即统计历程控制，主要是指应用统计剖析技术对生产历程进行实时监控，科学的区分出生产历程中产品质量的随机波动与异常波动，从而对生产历程的异常趋势提出预警，以便生产治理人员实时接纳步伐，消除异常，恢复历程的稳定，从而抵达提高和控制质量的目的。

　　一般地AOI能实现两类丈量，即缺陷检测(古板意义的AOI应用)和每块PCB的差别丈量，对有效的历程控制而言，两类丈量都需要。其中差别丈量对实时SPC应用很是重要，它会凭据AOI系统类型及它所处生产线位置的差别而差别。为使AOI/SPC乐成用于生产线上，AOI系统必须能爆发过失处理和报警，误判率和缺陷检测灵敏度会受检查参数的影响，生产工艺变量越多，误判的可能性就越大，缺陷检测的庞洪水平也越大。因此选择在印刷、贴片、回流焊后或波峰焊后进行检查，误判率会有明显的差别。

更多详情敬请关注以下二维码！