本文將對(duì)AOI的算法(運(yùn)算法則或方法)進(jìn)行全面剖析，并以目前市場(chǎng)占有率*多的神州視覺ALeader AOI為例，論述AOI常用的幾種算法、為什么要使用多重運(yùn)算方法、使用多重算法的好處等等。

AOI圖像處理技術(shù)

1.1灰度模型

一副完整的圖像，是由紅色綠色藍(lán)色三個(gè)通道組成的。紅色、綠色、藍(lán)色三個(gè)通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來(lái)表示“紅、綠、藍(lán)”在圖像中的比重。通道中的純白，代表了該色光在此處為*高亮度，亮度級(jí)別是255。

在計(jì)算機(jī)領(lǐng)域中，灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從*暗黑色到*亮的白色的灰度，盡管理論上這個(gè)采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色;

灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。

在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。用于AOI檢測(cè)的灰度模型算法即將一副合理的圖片進(jìn)行灰度處理，并規(guī)定其一定在變化誤差，在檢測(cè)過(guò)程中，如灰度的差異在允許變化的范圍內(nèi)即合格，反之為不合格。

1.2矢量分析

通常一個(gè)既有大小又有方向特殊的量稱之為矢量，運(yùn)用在外觀檢測(cè)的矢量計(jì)算方法的概念本人認(rèn)為實(shí)質(zhì)就是規(guī)定一個(gè)器件的尺寸和方向，然后用以圖像對(duì)比來(lái)等到結(jié)果。

1.3顏色分析

顏色分析就是讓用戶在樣本圖像中定義顏色模板，學(xué)習(xí)這些顏色，然后從目標(biāo)圖像中找出這些顏色來(lái)。查找顏色的方法就是計(jì)算給定感興區(qū)域的顏色平均值或者單個(gè)像素的顏色值(依據(jù)查找方式的選擇確定)與訓(xùn)練的顏色模板間的色差。顏色模板中*接近給定區(qū)域的顏色的就是*佳匹配模板。除了要測(cè)量色差外，我們還需檢測(cè)在不同照明條件下的偏差。

實(shí)例的顏色表示由RGB顏色空間轉(zhuǎn)換為CIELAB的顏色空間。從一個(gè)模板的所有像素中，計(jì)算出顏色中心，*佳顏色和偏差。一個(gè)模板像素到顏色中心的*大偏差用MaxDistance來(lái)表示，*小偏差用MinDistance來(lái)表示。以此三個(gè)參數(shù)來(lái)計(jì)算得到關(guān)于模板的質(zhì)量。

過(guò)濾器可以用于識(shí)別區(qū)域中的每一個(gè)像素。用過(guò)濾器來(lái)掃描原始區(qū)域。計(jì)算像素顏色模板的質(zhì)量。然后按照過(guò)濾模式來(lái)處理圖像。顏色分析的關(guān)鍵是如何創(chuàng)建一個(gè)合適的模板，和設(shè)定不同顏色之間的*大距離。不能用純色作模板，因?yàn)榇藭r(shí)*小距離與*大距離相等。

1.4邊緣檢測(cè)

邊緣是指圖像局部亮度變化*顯著的部分，是物體的輪廓或物體不同表面之間的交界在圖像中的反映。邊緣的形成是由于物體的材料不同或表面的朝向不同，引起圖像中的邊緣處存在明暗、色彩、紋理的變化。因此反過(guò)來(lái)在圖像中檢查不同灰度、色彩等特性區(qū)域的交界處就可等到邊緣。

物體的邊緣以局部特征不連續(xù)性出現(xiàn)，也就是圖像局部亮度變化*顯著的部分，如灰度、顏色、紋理結(jié)構(gòu)的突變。物體邊緣是區(qū)分不同區(qū)域的分界處。圖像邊緣特性：方向和幅度。

沿邊緣走向的像素灰度變化平緩，垂直邊緣走向的像素灰度變換劇烈。根據(jù)灰度變化特點(diǎn)可以邊緣分為：階躍型，房頂型，凸緣型，這些變化對(duì)應(yīng)圖像中的不同景物。

傳統(tǒng)的邊緣檢測(cè)利用了邊緣是圖像灰度變化*劇烈的特點(diǎn)，對(duì)圖像各個(gè)像素點(diǎn)求微分或者二階微分或者二階微分來(lái)確定邊緣點(diǎn)。一階微分圖像的峰值處對(duì)應(yīng)著圖像的邊緣點(diǎn)，二階微分圖像的過(guò)零點(diǎn)對(duì)應(yīng)著圖像的邊緣點(diǎn)。

為了克服一階導(dǎo)數(shù)的確定，可以計(jì)算圖像的梯度。圖像梯度的重要性質(zhì)是：梯度的方向在圖像灰度*大變化率的上，它恰好反映出圖像邊緣上的灰度變化。

一階導(dǎo)數(shù)可以用于檢測(cè)圖像中的一個(gè)點(diǎn)是不是邊緣點(diǎn)，同樣二階層導(dǎo)數(shù)的符號(hào)可以用來(lái)判斷一個(gè)邊緣像素是在邊緣高的一邊還是邊緣暗的一邊(二階導(dǎo)數(shù)為止，在暗的一邊，二階導(dǎo)數(shù)為負(fù)，在亮的一邊)。常用的邊緣提取梯度算子有：Rober算子，Sobel算子，Prewitt算子，Krisch算子等。

1.5AOI圖像對(duì)比算法

圖像對(duì)比即設(shè)定一個(gè)標(biāo)準(zhǔn)的模板與目標(biāo)進(jìn)行對(duì)比分析，是目前采用的*為廣泛的一種外觀檢查方式，其原理是通過(guò)RGB通道值和像素值的元素按照一種數(shù)學(xué)計(jì)算方式來(lái)得到結(jié)果。

1.6ALeader AOI統(tǒng)計(jì)建模圖像對(duì)比

近年來(lái)，將統(tǒng)計(jì)建模應(yīng)用到AOI領(lǐng)域*先由神州視覺ALeader AOI提出，統(tǒng)計(jì)建模圖像對(duì)比即在制作標(biāo)準(zhǔn)圖像的時(shí)候通過(guò)學(xué)習(xí)一系列OK圖像的樣本，分別提取各種圖像的變化特征，*終生成一個(gè)綜合標(biāo)準(zhǔn)圖像及參數(shù)標(biāo)準(zhǔn)圖像。

總之，我們無(wú)法判斷和定論各種算法孰優(yōu)孰劣，但我們完全可以相信，任何單一的算法是根本解決不了SMT裝配的所有不可預(yù)知的工藝問(wèn)題的。因此取各種算法的長(zhǎng)處用以對(duì)口檢測(cè)正成為AOI領(lǐng)域的研究課題。

2.0 AOI多算法對(duì)口的檢測(cè)技術(shù)

欲采用不同的算法對(duì)口不同的檢測(cè)項(xiàng)目，必須了解什么樣的算法*合適某個(gè)部位檢查，有了這個(gè)前提，才能對(duì)演算法進(jìn)行嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)和訓(xùn)練，下面的文章將以ALeader AOI為例一一進(jìn)行解析。神州視覺ALeader AOI早期的ALD-H-350系列設(shè)備是單一的統(tǒng)計(jì)建模圖像對(duì)比技術(shù)，運(yùn)用這種技術(shù)的優(yōu)勢(shì)是使用簡(jiǎn)單、人為影響的因素低，缺點(diǎn)是需要進(jìn)行反復(fù)的學(xué)習(xí)模板。

自ALeader AOI5系列6系列以來(lái)，就完全摒棄了單一的處理模式，采用了多種算法結(jié)合的方式。在ALeader AOI當(dāng)中，對(duì)一個(gè)電阻進(jìn)行檢測(cè)會(huì)自動(dòng)分為四個(gè)部分進(jìn)行檢測(cè)，自動(dòng)生成四個(gè)檢測(cè)框，分別是兩端的焊點(diǎn)(焊盤部分)、元件本體、字符絲印。