生产管理文件集合-AOI技术的新突破（DOC 6页）

AOI 技术的新突破
本文介绍，自动光学检查(AOI)，作为对在线测试(ICT)的一个有用补充，精
确地确认和识别在印刷电路板(PCB)上的元件可变性，因此改进整个系统的性
能。
　　对于今天越来越复杂的 PCB 和固体元件，传统的 ICT 与功能测试编程正
变得费力和费时。PCB 制造商发现，使用针床(bed-of-nails)测试夹具很难
获得对密、细间距板的测试探针的物理空间。为复杂的板编写功能测试程序
是一个令人敬畏的任务，这些板的测试夹具的制造也是昂贵和费时的。为了
克服这个障碍，AOI 证明是对 ICT 和功能测试的一个有力的补充。
　　人力检察员还完成大部分的检查，但是越来越小的电路板特性已经使得
手工检查不可靠、主观和容易产生与手工装配有关的成本和质量问题。人力
检查的可重复性水平低，特别是一个操作员不同于另一个，视觉疲劳不可避
免地导致疏忽缺陷。由于这些原因，AOI 逐渐地在装配线上取代人为检查。
对于 PCB 装配，AOI 的优点
　　视觉检查的特征和板上的电子元件是直接了当的。元件与其下面 PCB 的
形状、尺寸、颜色和表面特征是轮廓分明的，元件可以在板的表面上可预见
的位置找到。由于这个简单性，PCB 装配的自动检查在 25 年前成为计算机化
的图象分析技术的首例工业应用。
　　功能强度的 AOI 技术证明是对传统测试方法的经济、可靠的补充。AOI
正成功地作为测量印刷机或元件贴装机性能的过程监测工具。实际的优点包
括：
检查和纠正 PCB 缺陷，在过程监测期间进行的成本远远低于在最终测试和检
查之后进行的成本，通常达到十几倍。
过程表现的趋势 - 贴装位移或不正确的料盘安装 - 可以在整个过程的较早时
候发现和纠正。没有早期检查，重复的太多有相同缺陷的板将在功能测试和
最后检查期间被拒绝。
当 AOI 用于在元件贴放之后、回流之前的元件贴装检查时，较早地发现丢失、
歪斜、无放的元件或极性错误的元件，减少成本高的回流后返修。
回流焊接后的 AOI 比用于焊点缺陷，如锡桥、破裂焊点、干焊点和其它缺陷，
检查的 X 射线检查成本低。可是，锡点检查无可争辩地是基于运算法则
(Algorithm-based)的 AOI 系统的最困难的任务，因为可接受外表的变量范围
广。
传统 AOI 系统的局限
　　基本上，所有 AOI 方法可描述为，通过一列摄像机或传感器获得一块板
的照明图象并数字化，然后分析和与前面定义的“好”图象进行比较。照明
来自于一个范围的光源，如白光、发光二极管(LED)和激光。
　　今天，有许多完善的图象分析技术，包括：模板比较(template-
matching)(或自动对比 auto-correlation)、边缘检查(edge-detection)、
特征提取(feature extraction)、灰度模型(gray modeling)、傅里叶分析
(Fourier analysis)、形状、光学特征识别(OCR, optical character
recognition)、还有许多。每个技术都有优势和局限。
模板比较(Template-matching)
　　模板比较决定一个所希望的物体图像平均地看上去象什么，如片状电容
或 QFP，并用该信息来产生一个刚性的基于像素的模板。这是横越板的图像，
在预计物体位置的附近，找出相同的东西。当有关区域的所有点评估之后和
找出模板与图像之间有最小差别的位置之后，停止搜寻。为每个要检查的物
体产生这种模板，通过在适当的位置使用适当的模板建立对整个板的检查程
序，来查找所有要求的元件。
　　因为元件很少刚好匹配模板，模板是用一定数量的容许误差来确认匹配
的，只要当元件图像相当接近模板。如果模板太僵硬，可能产生对元件的
“误报”。如果模板松散到接受大范围的可能变量，也会导致误报。
运算法则(Algorithm)
　　经常，几种流行的图像分析技术结合在一个“处方”内，形成一个运算
法则，特别适合于特殊的元件类型。在有许多元件的复杂板上，这可能造成
众多的不同运算法则，要求工程师在需要改变或调整时作大量的重新编程。
例如，当一个供应商修改一个标准元件时，对该元件的运算法则处方可能需
要调整，消耗珍贵的编程时间。还有，相同元件类型的外形可能变化很大，