传统的AOI视觉检测设备往往存在编程步骤复杂、耗时长,判断标准较为单一呆板 ,检测的泛化能力差等弊病。并且,在某些情况下容易
误判,光照不佳、电路板颜色变化也会影响检测的准确率。而要AOI用的好,则要求操作传统AOI的工人积累足够丰富的编程技术经验。这
也就导致了小型企业不愿使用这些操作难度大的设备, -是这类人才有限,二是有的客户产线换线频繁,不适合使用。三是使用效果
不佳误报太高。
相对而言,采用深度学习算法,对比传统AOI的能更好上手,不但具备检出率高、检测速度快。一方面,该系列产品具有强大的检出能力,可针对多样化的测试情景可以有效识别,在保证检出率的情况下,降低误报率。即使是在特征模糊的条件下,它也可以有效检出焊锡上的锡洞,不受引脚、器件干扰。另-方面,该系列产品不需要抽颜色、人工调参数,可自动框选,自动调整参数,对操作人员没有经验要求,这也有助于解决AOI对技术人I要求高的难题。
但是如果让这些探针直接接触到板子上面的电子零件或是其焊脚,很有可能会压毁一些电子零件,反而适得其反,所以聪明的工程师就发明了「测试点」, 在零件的两端额外引出一对圆形的小点,上面没有防焊( mask), 可以让测试用的探针接触到这些小点,而不用直接接触到那些被量测的电子零件。早期在电路板上面还都是传统插件( DIP )的年代,的确会拿零件的焊脚来当作测试点来用,因为传统零件的焊脚够强壮,不怕针扎,可是经常会有探针接触不良的误判情形发生,因为一般的电子零件经过波峰焊( wave soldering )或是SMT吃锡之后,在其焊锡的表面通常都会形成一层锡膏助焊剂的残留薄膜,这层薄膜的阻抗非常高,常常会造成探针的接触不良,所以当时经常可见产线的测试作业员,经常拿着空e气喷拼命的吹,或是拿酒精擦拭这些需要测试的地方。
版权所有©2024 天助网