本系統采用的卷積神經網絡（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計算且具有深度結構的前饋神經網（FeedforwardNeuralNetworks），是深度學習（deeplearning）的表示算法之一。卷積神經網絡仿造生物的視知覺（visualperception）機制構建，可以進行監督學習和非監督學習。作為圖像識別領域的中心算法之一，卷積神經網絡在學習數據充足時有穩定的表現。針對本系統所處理的大規模圖像分類問題，卷積神經網絡將用于提取圖像的判別特征，再通過分類器進行學習和識別。畫面顯示：1、主圖畫面都有顯示器件框，便于觀察器件是否被識別；2、根據底板顏色可以自由選擇器件框顏色；3、可依據客戶需求，自由定義器件中文名；4、不良器件圖靜態顯示。 用計算機處理系統代替人腦執行數據處理，讓AOI檢測系統可以取產制造中的人工目檢環節。江蘇aivsAOI系統

AOI檢測原理是采用攝像技術將被檢測物體的反射光強以定量化的灰階值輸出，通過與標準圖像的灰階值進行比較，分析判定缺陷并進行分類的過程。與人工檢查做一個形象的比喻，AOI采用的普通LED或特殊光源相當于人工檢查時的自然光，AOI采用的光學傳感器和光學透鏡相當于人眼，AOI的圖像處理與分析系統就相當于人腦，即“看”與“判”兩個環節。因此，AOI檢測的工作邏輯可以簡單地分為圖像采集階段（光學掃描和數據收集），數據處理階段（數據分類與轉換），圖像分析段（特征提取與模板比對）和缺陷報告階段四個階段（缺陷大小類型分類等）。為了支持和實現AOI檢測的上述四個功能，AOI設備的硬件系統也就包括工作平臺，成像系統，圖像處理系統和電氣系統四個部分，是一個集成了機械，自動化，光學和軟件等多學科的自動化設備。浙江aivsAOI供應AOI檢測技術應運而生的背景是電子元件集成度與精細化程度高，檢測速度與效率更高，檢測零缺陷的發展需求。

本系統采用的卷積神經網絡（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網（Feedforward Neural Networks），是深度學習（deep learning）的表示算法之一。卷積神經網絡仿造生物的視知覺（visual perception）機制構建，可以進行監督學習和非監督學習。作為圖像識別領域的算法之一，卷積神經網絡在學習數據充足時有穩定的表現。針對本系統所處理的大規模圖像分類問題，卷積神經網絡將用于提取圖像的判別特征，再通過分類器進行學習和識別

易用性：1、無需設置參數；上手快；2、在線抓拍首件板系統輔助做程序，自動框圖比例高，支持持續補充學習，學習后自動建模比例更高(80%+）；3、根據客戶需要，支持自定義器件名稱；4、支持快速更改工單號；5、支持批量復制、粘貼、剪切、刪除等快捷鍵操作多重智能算法檢測：1、智能識別鋁電容頂部字符；2、智能識別黑灰電容字符；3、智能識別黑電感字符或方向；4、智能識別電池座方向；5、小鐵片檢測；6、智能識別聚丙烯電容字符；7、電線檢測；8、金屬高頻頭螺紋/光頭檢測；9、智能識別變壓器字符；10、智能識別蜂鳴器方向；11、智能識別晶振字符；12、智能識別東倒西歪的電容極性。13、三極管方向檢測；14、橋堆方向檢測支持客戶離線編程、客戶遠程調控、遠程調試1、支持系統學習訓練，學習越多效果越好；2、支持本地學習。AOI通過人工光源LED燈光代替自然光，光學透鏡和CCD代替人眼，已經編好程的標準進行比較、分析和判斷。

    AOI圖像采集的然后一個關鍵步驟是控制系統，光電傳感器的FOV（視窗）有限，物體高速運動中準確地抓拍到清晰的圖像，軟硬件協調動作非常重要，如下圖所示，當圖像傳感器與機臺移動速度不匹配時造成圖像的拉伸，收縮等變形，所以，載物移動平臺XY方向移動與圖像采集光電傳感器的同步移動影響到數據的準確，要在固定光照，等間距下拍攝一幅清晰的圖像，高精度的導軌，電機和運動控制程序是非常必要的。數據處理階段（數據分類與轉換）數據處理階段是圖像的預處理階段，是采集圖像的加工處理過程，為圖像比對提供準確可靠的圖片信息，主要包含了背景噪音減少，圖像增強和銳化等過程。圖像背景噪音減小一般為圖像的低通濾波平滑法，圖像增強和銳化則是提高被檢測特征的對比度，突出圖像中需要關注的特征，忽略不需要關注的部分，方法是圖像二值化處理，經過二值化處理的圖像數據量明顯減少，能凸顯出需要關注的輪廓。 在線AOI光學檢測是一種連接網絡來對產品進行檢測的一種方式，這種檢測模式解決需要將產品進行送檢的麻煩。江西aivsAOI升級換代

AOI的圖像采集系統主要包括光電轉化攝影系統，照明系統和控制系統三個部分。江蘇aivsAOI系統

光電轉化器可以分為CCD（chargeCouplingdiode）和CMOS（complementarymetaloxidesemiconductor）兩種。因為制作工藝與設計不同，CCD與CMOS傳感器工作原理主要表現為數字電荷傳送的方式的不同，工作原理如下圖所示，CCD采用硅基半導體加工工藝，并設置了垂直和水平移位寄存器，電極所產生的電場推動電荷鏈接方式傳輸到中間模數轉換器。這樣的結構與設計很難集成很多的感光單元，制造成本高且功耗大；而CMOS采用無機半導體加工工藝，每像素設計了額外的電子電路，每個像素都可以被定位，而無需CCD中那樣的電荷移位設計，對圖像信息的讀取速度遠遠高于CCD芯片，因光暈和拖尾等過度曝光而產生的非自然現象的發生頻率要低得多，價格和功耗比CCD光電轉化器也低，但其缺點是半導體工藝制作的像素單元缺陷多，靈敏度會有一些問題，同時，為每個像素電子電路提供所需的額外空間不會作為光敏區域。芯片表面上的光敏區域部分（定義為填充因子）小于CCD芯片。從理論上講，這個原因導致可以收集的圖像信息光子數會有所減少，所以，CMOS光電轉化元件一般需要搭配高亮度光源，噪音也比較大。江蘇aivsAOI系統

深圳愛為視智能科技有限公司總部位于西麗街道曙光社區中山園路1001號TCL科學園區E3棟201之218，是一家智能化設備設計、研發、制造、銷售、服務；科學研究和技術服務；計算機軟件、信息系統軟件的開發、銷售、服務；信息系統設計、集成、運行維護、信息技術咨詢、集成電路設計、研發、銷售、服務；電子、通信與自動控制技術研究；計算機科學技術研究；企業管理咨詢（不限制項目）；儀器儀表、測量設備；信息傳輸、軟件和信息技術服務；商業信息咨詢；從事電子商務（依法需經批準的項目，經相關部門批準后方可開展經營活動）；投資興辦實業（具體項目）另行申報；投資咨詢（不含限制項目）。許可經營項目：集成電路制造；電子設備工程安裝；電子自動化工程安裝；監控系統安裝；智能化系統安裝的公司。公司自創立以來，投身于智能視覺檢測設備，是機械及行業設備的主力軍。愛為視繼續堅定不移地走高質量發展道路，既要實現基本面穩定增長，又要聚焦關鍵領域，實現轉型再突破。愛為視創始人劉曉輝，始終關注客戶，創新科技，竭誠為客戶提供良好的服務。