自動檢測的形式多種多樣在各行各業(yè)中均有應用

Teledyne DALSA的Genie Nano像機能滿足Kibele-PIMS所有的分辨率和速率要求。此外，其可靠性高、耐用性強，可應付惡劣的工業(yè)環(huán)境。

自動檢測技術改變了制造業(yè)，由其是對于半導體芯片或鋰離子電池等體積雖小但價值昂貴的產品制造有著深遠影響。自動檢測對制造業(yè)至關重要，可用于判斷部件是否符合質量標準，如果發(fā)現不符合部件則剔除，從而確保成品質量。除探傷外，還可進行定位、識別、驗證和測量工作。

自動檢測在制造業(yè)中的常見應用包括檢測微芯片和變壓器等微小部件中的潛在異常，通過平板檢測發(fā)現電視和電腦屏幕中的劃痕或其他微小缺陷。該視覺系統還利用類似的攝像技術檢測其他平面物體，如太陽能電池板，以及食品和飲料等物品。通過使用近紅外（NIR）等特定波長和歸一化植被指數（NDVI）等技術，可以探測到僅由可見光無法觀測到的細節(jié)。自動檢查的一個重要優(yōu)勢是可以快速發(fā)現問題。在生產過程中，在后期進行故障修復的成本更高，因此及早發(fā)現并糾錯至關重要。

除制造業(yè)外，自動檢測還廣泛應用于生命科學和制藥領域，包括降低交叉污染概率以及識別細胞異常。

什么是自動檢測

自動檢測使用數字或計算機輔助檢測進行測量和分析部件。自動化可用于物體控制、測量數據收集或組件評估。

自動檢測可分為多個種類，其中一種為自動光學檢測（AOI），其作用是進行視覺檢測。AOI系統可在一秒內獲取數百萬個數據點，用于視覺檢測和精密測量。盡管AOI通常被稱為印刷電路板（PCB）檢測系統，但該技術幾乎可用于任何需要進行視覺檢測的地方。

AOI系統依靠機器視覺來執(zhí)行檢測流程。機器視覺利用成像技術（攝像頭或傳感器）從周圍環(huán)境中獲取視覺信息。然后利用硬件和軟件對圖像進行處理，將處理好的信息用于各種應用中。機器視覺技術一般根據具體需求使用專用攝像頭或傳感器來獲取圖像。根據應用情景選擇最合適的相機，常見的相機接口包括可直接插入主機設備的USB3和GigE，而CXP和CLHS則需要連接圖像采集卡提高成像速度。隨后利用圖像數據處理、分析和測量圖像特征。

隨著機器視覺相機的不斷發(fā)展，分辨率越來越高，以及更先進的移動物體捕捉技術，自動檢測變得越來越精確和完善。軟件和處理算法也在不斷改進，人工智能（AI）和深度學習的應用日益廣泛，對自動檢測有著深刻影響。

AOI集光學元件、機械、電子控制和軟件于一體，可取代人眼進行視覺檢測，協助進行質量控制。

其工作原理是由機器視覺相機和光源捕捉被檢測物體的圖像。該過程類似于人眼觀察物體，但相機可以捕捉到更多細節(jié)，并永久記錄下圖像，并從中進行學習。之后圖像分析軟件會對圖像進行檢查，并將其與被檢測物體的外觀標準進行比較。這就好比人腦識別零件并判斷其是否正常——但軟件可以確保每次都做出一致的決定。

人工視覺檢測通常被拿來與自動光學檢測進行對比。利用計算機檢測，該技術可以更快地檢測物品，并獲得更一致、更可靠的結果。而且，與人類不同的是，計算機永遠不會感到疲倦，永遠不需要休息，也不介意一遍又一遍地重復相同的工作。

由于印刷電路板或其他微小元件體積小、結構復雜、細節(jié)精細，僅通過人眼無法對其進行有效檢查。隨著電路板越做越小、越來越復雜，即使一塊相對簡單的電路板也可能由數千個元件組成。與人類視覺檢測進行對比有助于我們進一步了解這個過程，在部分行業(yè)仍在保持著人工檢測。

哪些行業(yè)采用自動檢測

自動檢測技術主要運用于半導體芯片等超小型部件的制造過程中，但對于汽車發(fā)動機或變速箱中的許多鍛造和機加工部件等較大型設備來說，自動檢測并不常見。據Metrology News報道，只有約20%的制造現場依靠自動化流程來檢測大中型零件，這對制造廠商來說是個不小的問題。

若要對此類的制成品進行自動檢測，就必須能夠在高速運轉的情況下精確地測量出不規(guī)則度，同時完全不受工廠車間環(huán)境光線的影響。但直到最近才出現了符合要求的在線測量設備，因此制造商在進行此類檢測時仍然主要依靠人眼。隨著自動檢測設備的不斷發(fā)展，大型部件制造商將逐漸轉為自動檢測。

從半導體和消費電子產品，到汽車和航空航天，再到生物技術和基因組學，自動檢測有助于提高產品安全性和質量。

每個包裝站一開始會通過一個相機讀取包裝箱上的條形碼，然后根據條碼對產品類型進行分類，并將其分配到相應的傳送帶上

AOI的優(yōu)勢是什么

制造商通常會與系統集成商合作，為其應用開發(fā)特定的AOI系統，集成各種組件，并對制造商進行培訓。AOI系統為公司帶來了許多好處，包括：

提高生產率

自動化檢測可實現全天候批量生產

持續(xù)可用

系統可一天24小時工作

速度快

可實現較高的檢測速度和產量

準確、精準、可靠、一致

可以通過編程來識別精確的細節(jié)，并以恒定、持續(xù)的速度準確、可靠地完成任務

適應性高、可編程性強

可以快速、輕松地適應各類產品和表面，并可進行遠程編程和監(jiān)控

長期成本降低

進行初始投資后，AOI可帶來長期成本效益

改善安全與工作條件

自動檢測系統消除了安全問題和人工檢測人員繁瑣的重復性工作，讓員工有機會把時間投入到價值更高的工作中

提升產品質量

最終目標是生產出更安全、壽命更長、不易損壞的高質量產品

配合AI和深度學習的應用，AOI的這些優(yōu)勢將更加明顯。通過AI，系統可以不斷“學習”，利用不斷完善的數據集更新訓練模型，從而提高性能。AI軟件還能使檢測系統的編程更加直觀。

利用AI和深度學習進一步完善檢測工作

隨著AI和深度學習技術的出現，自動檢測得到進一步完善。其核心為軟件、新的深度學習技術、并行處理能力和易用性工具。AI用于訓練機器視覺系統，以識別缺陷和異常。

傳統的圖像處理軟件依賴于特定任務的算法，需要數百甚至數千張高質量的人工分類圖像來訓練系統。但如今，深度學習軟件僅需對少數圖像進行分類，并且提高了可預測性。此外，通過訓練有素的AI視覺系統，軟件可以快速識別圖像中的變動，而傳統的機器視覺系統則有可能漏過的錯誤。

有一種新型深度學習分類技術叫做異常檢測，即僅使用優(yōu)良示例來訓練網絡。從而讓網絡可以識別正常數據，并將數據集之外的數據都視為異常數據。異常檢測工具可擴大深度學習的應用范圍。異常檢測有助于減少訓練系統所需的工程工作。收集好數據后，即使是非專業(yè)人士也能對系統進行培訓，從而大大降低成本?，F在的深度學習軟件比其他任何傳統算法都能更好地對圖像進行分類。但對于可預測性很強、變化不大的檢測，最好還是使用傳統視覺算法，以降低系統工作量。

檢查太陽能電池板、茶葉包裝和鋰電池

為了說明自動檢測的實際運用情況，以下舉了三個應用實例，可以看出該技術的廣泛應用及其優(yōu)勢。

自動化檢測在太陽能電池板制造中起著至關重要的作用。與電子制造領域一樣，太陽能電池板的全球主要制造商均已實現100%的自動檢測，其他行業(yè)也在向自動檢測轉型。微裂縫檢測非常重要，因為此類故障可能導致整個太陽能電池板碎裂，對其他電池板和設備造成損害，進而產生昂貴的停機清理和維修費用。

在其伊斯坦布爾食品包裝廠內，Kibele-PIMS已經為聯合利華的兩家公司家樂（Knorr）和立頓（Lipton）開發(fā)并調試了兩套先進的全自動化系統，利用機器人對湯料和茶葉紙箱進行識別、分揀，然后碼放在托盤上。采用全自動化解決方案以前，食品包裝需要通過人工揀選，是一項非常繁瑣的工作?，F在紙箱送達間隔時間僅需1.5到2秒，從而大大提高了生產效率，并降低了錯誤率。

鋰離子電池（LIB）廣泛應用于智能手機、平板電腦、電動工具等設備，需求量最大的是電動汽車。在電力系統中，電池故障會帶來多重危險，因此自動檢測至關重要。最好能在生產過程中早期發(fā)現問題，以免浪費時間和資源。根據經驗，制造商們認為，缺陷識別的級別最好保持在50微米以下乃至10微米。

自動檢測的形式多種多樣，在各行各業(yè)中均有應用。對于高價值產品（如半導體、鋰離子電池和太陽能電池板）而言，由于漏查可能大大增加材料成本，因此AOI能帶來更直接的投資回報。自動光學檢測在其他行業(yè)同樣能夠發(fā)揮較大優(yōu)勢，減少誤差、提高總體質量、提高生產率并增加盈利能力。隨著AI與深度學習的融入，自動檢測技術有望在未來幾年得到進一步完善。

來源：新機器視覺沙龍

審核編輯：湯梓紅