虹科了解制造業努力追求高質量標準，旨在實現0%的質量漏檢。這在醫療、航空和國防市場等高度管制的行業中尤其明顯。

自動光學檢測（AOI）自開創以來已取得了長足進展。如今的AOI機器配備了最新2D/3D檢測技術，通常用于生產的不同階段，從生產開始時檢測裸板，一直到回流焊后生產。

對于表面貼裝技術（SMT）檢測，AOI是檢測缺陷、缺失或外加組件、錯誤組件、焊接質量、錫膏不足、乃至翻轉和傾斜組件的一個重要工具。

AOI系統的工作原理是將機器內攝像頭拍攝的圖像與已知的良好參考板進行比較。該方法通過模式或模板匹配來工作，也可以通過數據文件來提取組件信息進行檢測。

傳統AOI可能需要大量時間來編制檢測程序，但一旦完成，就不必在生產過程中對每塊板進行手動檢測，從而節省了時間。對于較短的運行或快速原型，操作人員可能會發現，設置AOI的時間權衡不值得，而人工目視檢查或其他更傳統的方法可能更適合。

如果從一個電子制造商角度看整個過程，你就會發現AOI是在生產過程中盡早發現錯誤的一個關鍵因素。數據顯示，越早發現錯誤制造，成本就越低。客戶發現錯誤會導致索賠，制造商的損失最大，因為可能意味著要完全替換產品。

那么在AOI過程之外，哪里會出現質量問題？以下強調了生產過程中錯誤漏檢風險較高的領域。

Q

如何知道零件是否正確？

讓我們看看國防領域中的自定義連接器。從供應商那里收到的零件，很容易忽視最輕微的缺陷。比如你可能從供應商處收到了連接器錯誤旋轉的部件。這些錯誤在離開供應商工廠之前未被發現，而你的團隊在收到零件時也未注意到這些缺陷。

或許旋轉連接器的錯誤直至被焊接上才被注意到。而此時一個缺陷已變得十分昂貴。僅依靠人工目視檢查接收的部件可能會在生產的最初階段存在錯誤漏檢的重大風險。

Q

如何確保在極性等方面無錯誤？

在焊接通孔組件或進行返工時，如何確保在放置、組件類型、極性或損壞方面無錯誤？

盡管由于尺寸、電氣性能和成本的原因，SMT組件已變得越來越受歡迎，但通孔組件在強度和長期兼容性方面提供了額外的優勢。這對國防和航空航天等行業尤為重要，在這些行業中，沖擊和振動測試對設計至關重要，以確保強度，并需要較長生命周期來保持兼容性。

同樣重要的是，要記住，并不是所有組件都可以用SMT設計，盡管大多數PCB板設計會使用SMT，但仍有一些組件需要手動焊接通孔。因為這是在工藝后期手動進行的，所以通常是以目視的方式進行檢查。存在的風險是，由于焊接步驟和檢查步驟都有人工操作參與，因此存在一個很大的窗口會出現質量漏檢。

同樣，當AOI系統發現缺陷時，需要返工來糾正問題并提高產量(對比扔掉電路板）。返工通常由手動進行，也是由人工手動檢查。不會再送回AOI機器。這可能會在幾個不同方面增加風險。首先，是否是正確的返工過程？第二，在返工過程中是否有其他部件受到錯誤的影響？

舉例來說，假設一個直流-直流(DC-DC）轉換器需要更換，并對電路板進行返工。成功替換了元件，但是返工的電路板在客戶收到后仍然不工作。經過仔細檢查，看起來像是電路板的一些額外組件在返工期間意外地“炸掉”了，導致了故障。而故障則從快速的目視檢查中溜走了。

通過在最終檢驗的離線檢查中實施機器視覺攝像系統，上述類型的錯誤可以被最小化，以確保客戶收到的是上等質量。這些系統可以作為一種工具，在目視檢查過程中幫助檢測人員，在產品離廠之前發現意外錯誤。

Q

錯誤發生在流程的哪個環節？

在最后的包裝階段，使用機器視覺攝像機作為“跟蹤和追蹤”系統的一部分，可以是加強質控的另一個領域。每個板的映像會自動保存到數據庫中，而無需增加現有進程的額外時間。

這樣的好處是，在客戶提出索賠的情況下，制造商可以在電路板離廠之前獲得一份圖像副本，以確認電路板的狀態。這是一種創建生產數字記錄簡單且有效的方法，同時節省解決客戶索賠的時間和精力。

機器視覺相機和基于軟件的系統最近有了一個更易實現的價格點，并且有了與現有相機易集成的無代碼軟件工具。

通過將視覺系統與可追溯性和數字化功能結合起來進行檢查，制造商和質控經理能夠縮小質量漏洞，并通過虹科開箱即用的解決方案提供針對AOI錯誤的二次檢查，以保護其業務。

虹科AI網關

關鍵特點：

1.與現有的檢測硬件、軟件和終端用戶流程配合。

2.支持的GigEVision、USB3 Vision、CameraLink或MIPI等多種接口協議。

3.強大的NVIDIA GPU可以部署開源或自定義算法，包括預先訓練好的TensorFlow深度學習模型和使用OpenCV等開源庫開發的Python plug-ins。

虹科AI軟件平臺

關鍵特點：

直觀的、基于web的eBUS AI Studio平臺允許任何用戶（從非程序員到高級開發人員）設計、培訓、測試和部署自己的AI和計算機視覺插件。