AOI设备在SMT上的使用指引

        AOI设备以前首要用于PCB制造行业中。但跟着元件越来越小及对高生产率的追求，AOI检测已分布到SMT出产线的各个领域，如印刷前PCB测试、印刷质量测试、贴片质量测试、焊接质量验收等等。各工序AOI检测的简直趋于完全替代人工检验，产品质量提升了，生产效率也提高了。

一 .AOI设备指导思维

有两种查验指导思维：缺陷避免或缺陷发现。恰当的办法应该是避免缺陷的发生，由于其重点是在进程节制和经过施行矫正举动来消弭缺陷。办法是，将在线AOI机械放在SMT出产线的锡膏印刷机之后，或许放在回流焊接炉之后。这是制造工艺中品质的最终防线，以确保产品质量完美。

在线aoi设备应该在smt线哪个部位？

1. 在线aoi设备放在锡膏印刷机的下一道工序。由于很多缺陷与锡膏量和印刷质量有关。在线aoi应该检查什么呢？第一项：锡膏的X-Y尺寸，包含误印或锡膏体积(X-Y-Z)，锡膏体积测试将比X-Y测试慢，却可提出更有意义的数据。这个在某些使用中比其它使用更为重要。例如，陶瓷包装，锡膏体积对完善期望的焊点质量十分重要。
2. 在线aoi设备也可以直接放在贴片机之后。这里，可以查出误放或放错的小元件，例如电阻和电容，以及BGA和密脚间距元件的锡膏质量与位置，这些元件是用smt线后的贴片机一次或多次贴装的。运用在线aoi的光学检测能力，能对元件贴装有更好的精度。
3. 在线aoi设备还可以放在回流焊接之后，查找焊点的焊接质量。可以管控在发货给客户之前的最终一道品质关。
4. 将在线aoi设备放在每一个工序之后：锡膏印刷、贴片机、BGA和密脚贴装和回流焊接。工厂生产成本将提高很多。从成本节约的角度出发，很多厂家只购买一台aoi设备，最好的工序是直接放在贴片机之后，可以检测两个首要问题：较小元件的误贴装或错误以及BGA与密脚元件的锡膏质量与体积。这是产品焊接品质最最关键的工序。

二 .AOI设备施行战略

• 2.1施行目的

施行AOI的首要目的在以下几个方面：

1. 最终质量：把精力首要集中在生产线的最终环节。当生产问题十分清晰、产品类别繁多、量大和速度成为绝对考虑条件的情况下，优先采用在线aoi设备。AOI一般放在smt线最末尾邻近。在这个地方，设备可以起到最大品质管控的目的，防止不良品的流出。
2. 过程管控：运用在线aoi设备来管控每道生产工序，常规的aoi检测内容包含产品缺陷分类信息和元件贴装偏移信息。当产品稳定性高、类别单一的量产制造和元件稳定供应的时候，制造商优先采用在线aoi设备。常常要求把在线aoi设备放置到smt线上的几个地方，整条线管控产品生产情况，并为工艺流程的调整提出有力的数据。

• 2.2施行计划

Aoi设备放置的地位可以保证或障碍aoi检测目的，每一道工序都可以有不同的检测目标和对象。在线aoi所在工序是由以下原因管控的。

特别的技术要求。假如smt线有特别的要求，在线aoi设备可添加到这个地位，检测品质，及时觉察同样问题的产生原因。

施行目的。对在线aoi设备来说，没有任何一个工序能解决一切的smt线缺陷。假如施行AOI的目的是要改良最终的质量，把在线aoi放在工序的前面，也许没有放在后面的价值大。在线aoi放在前面的一个说法是为了防止对已存在缺陷的半成品再增加成本。同时，在工序的初期，维修不良品的本钱大大低于成品前后的维修本钱。然而，很多不良品是在出产的后期表现出来的，也就是说不论前面检测不良品数量的多寡，产品出厂前照样需要aoi设备的检测。

• 2.3放置工序

固然 AOI可用于smt线上的多个工序中，可是有3个工序是必要。

1. 锡膏印刷机的后道工序。假如锡膏印刷工序符合要求，那么ICT（在线测试仪）发现的缺陷数可以下降。典型的印刷缺陷包罗以下几点：焊盘之间的焊锡桥；焊盘上焊锡过多；焊盘上焊锡缺乏；焊锡对爆盘的重合不良。在ICT上，相对这些状况的缺陷概率直接与状况的严重性成比例。细微的少锡很少招致缺陷，而在基本无锡的严重状况下，缺陷总是在ICT环节呈现。焊锡缺乏几乎是元件丧失或焊点开路的一个关键因素。但是，在线aoi设备放置在那个工序仍需确认元件丧失发生的真正原因，结果需回馈到aoi检测方案内。此道工序的检测最直接地支撑进程跟踪和特征化。这个阶段的定量工序管控数据包含:贴放偏移和焊锡量信息，而有关焊锡印刷的信息也会出现。
2. 回流焊前。检测是在元件贴放在板上锡膏内之后和PCB送入回流焊接之前完成的。这是一个典型的放置在线aoi设备的工序，由于这里可发现来自印刷锡膏以及机械贴装的大量缺陷。在这个工序上发生的定量进程节制信息，提供贴片机和密脚间距元件贴装设备核准的信息。这个信息可用来修正元件贴放或标明贴片机需求校准。这个工序的检测符合工序跟踪的目的。
3. 回流焊后。检测是在 SMT工艺进程的尾端工序，在产品出厂前完成的ICT功用测试和系统测试之前。这是AOI最常用的选择，由于这个工序能发现所有的装配错误。回流焊后检测提供高度安全性，由于它可以辨认由锡膏印刷、元件贴装和回流焊接等工序发生的错误。这个工序的检测保证最终质量的目的。

假如说将AOI放在某个工序对辨认某个特别缺陷很有用，那么施行AOI的秘诀就是将在线aoi设备放到一个可以尽早辨认和矫正最多不良缺陷的工序。

三 .AOI设备技能新突破

通俗来说，AOI检测技术可描绘为，经过一架摄像机或传感器取得一块板的照明图像并数字化，然后与前面界定的“好”图像进行比对、剖析。照明来自于一个局限的光源，如白光、发光二极管(LED)和激光。如今，有很多完美的图像剖析技能，比如：模板比对(或主动比照)、边缘检测、特征提取、光学特征辨认等。每个技能都有优势和局限。这里简单介绍一下在线aoi设备光学原理(离线aoi亦同)：

光的4原色改换角度照射到电路板面上，反射光被位于正上方的照相机拍摄。

• 上方向来的白色(W)的照明
• 上方向来的红色(R)的照明
• 斜方向来的绿色(G)的照明
• 横方向来的蓝色(B)的照明

焊点(锡膏)处于斜面:大部分黄色的光通过斜面反射出，而蓝色光则通过斜面反射进入摄像头。所以焊点在电脑中显示为蓝色。

元件本身表面粗糙:黄色光与蓝色光照射在其表面都产生漫反射，根据光学原理:蓝色与黄色组合成白色，相当于白色光照射元件在电脑中显示为元件本色.

焊盘表面光滑:黄色光照射在其表面产生镜面反射进入摄像头，而大部分蓝色光则反射出，所以在电脑中表面光滑的焊盘显示为黄白色

• 3.1模板比对

模板比对决定一个物体图像看上去象什么，如QFP或片状电容，并用该信息来生成一个刚性的基于像素的模板。这是超越板的图像，在估计物体地位的邻近，找出一样的器械。当有关区域的一切点评价之后，找出模板与图像之间有最小差异的地位，中止搜索。为每个要反省的物体发生这种模板，经过在恰当的地位运用恰当的模板，树立对整个板的反省顺序，来查找一切要求的元件。

由于元件很少刚好匹配模板，模板是用必然数目的允许误差来确认匹配的，只需当元件图像相当接近模板。在物体位置的附近，找出一样的信息。当相关联的每个点评估之后，找出模板与图像之间有最小差异的地方，中止搜索。为每个要检测的产品生成这样的模板，通过对pcb的检测程序，来检测产品的元件是否符合要求。由于元件很少刚好匹配模板，模板是用一定数目的允许误差来确认匹配的，只需当元件图像非常接近模板。假如模板太严格，就会对元件产生“误报”。假如模板可选择范围太大，则会出现漏报的情况。

• 3.2运算规律

经常会有几种图像处理技术运用在一个“结构”内，构成一个运算规律，非常合适于特殊的元件类型。在有很多元件的复杂pcb板上，能够形成多个运算规律，要求工程师在需求改动或调整时做很多的再次编程。例如：当一个供货商变更了一个标准元件时，对该元件的运算规律就需要调整，浪费宝贵的生产时间。同时，一样元件的外形如果改变很大，每一次变化都不相同。为满足生产的需要，低误差率，使用者就需要不断改变或调整程序来适应元件的一切所有改变。例如，一个0402片电容，可以分类为具有规定尺寸和矩形外形，两条亮边中心围住较黑色的区域。但是，这个简单外形的元件在一个单纯的aoi设备检测过程中元件外形多变。传统的、基于运算规律的AOI检测规则都太严苛，致使合理的变化不能接收。比如：尺寸，形状，影和对比度。甚至一般的元件也不能可靠得到测试，因而形成有元件而系统无法察觉的“错误拒绝”。还有，由于能接受与不能接受的图像差异相当细微，运算程序不能很好区分，导致“错误接纳”，真正缺陷无法及时发现。为了解决这样的缺陷。用户在编程过程中要有适当的调整。通常，传统的AOI要求不时地和普遍地再编程。用户需要常常调整其AOI程序，以接收合理的转变。当对一块新板设计与优化一个检测程序时，一切这些可花上一到两天作细微的改变，甚至几周。

• 3.3有自调性、基于常识的AOI

几个AOI销售商已经突破图像处置的传统办法，而运用有自调性的软件程序。这种办法是设计将用户从运算规律的复杂性分隔。经过显示一系列要确认物体的例子，该办法运用一个令人惊喜的直截了当的数学方法，叫做特征矢量分析（统计外形建模技能)，能主动计算出如何辨认合理的图像转变。不象基于运算规律的办法，特征矢量分析技术运用自主性、基于常识的程序来核算出变量。如此可以削减编程时间和在生产中取消不断的调整过程。实际的情况是这个办法平均误报率比现有的离线aoi方法好10－20倍。程序编写时间减少十分之九，通常过几块板就可以正常生产。

• 3.4精度、可反复性和灵敏性

目前传统的AOI设备主要通过辨认元件边缘来到达精确和可重复的检测。如果边缘找到，运用这些边缘的对称特征一般生成元件在pcb板上的坐标。但是，用视觉方法很难找到边缘。由于元件边缘不是完全直线的，用一条直线去对比这种边缘的做法都是有问题的。还有，边缘接近于黑色背景上的黑色区域，精准的对比会发生像素数据变量。像素不可以太小，防止一些像素比对的影响，像素比对就是元件的一个极微小点在两个像素之间。基于边缘的处理办法，一个好的在线aoi设备生成一个标准误差大概约为十分之一像素的误差。但是，特征矢量分析提供标准偏差相当于二十分之一像素的误差。在检测一个指定的元件特征时，特征矢量分析是非常灵活的，在符合一个外形不大相同的合法元件时（如通常的传统方法），它会在X和Y轴上移动，试图通过位置（唯一的可变参数）调节达到最佳吻合状态。通过把一个适当的特征矢量分析数据对比元件（其变量全部受控制），允许实际可变化的那些外形，而不需要参照X和Y的位置。比如：某些允许的元件颜色变量是因为遮盖或过度曝光，是靠近较大元件所产生的，实践中用传统计算方法是不允许的。由于特征矢量分析给出所接受的图像变化，所以操作员不需要靠那些复杂的编程过程，或者长时间的样板比对编程时间。

以上内容是AOI设备在SMT上的使用指引，给计划购买新设备的用户作为一个参考。