最新AOI算法的優(yōu)勢

最新AOI算法的優(yōu)勢

       目前市面上，我們發(fā)現一個(gè)現象，眾多生產(chǎn)制造企業(yè)，特別是在SMT車(chē)間，大多選擇離線(xiàn)AOI設備。我們都知道，離線(xiàn)AOI雖然價(jià)格便宜，但是需要一個(gè)專(zhuān)人負責一臺AOI，人力成本高。卻還是這樣選擇，為什么呢？

      目前生產(chǎn)制造企業(yè)的轉型，已經(jīng)不是大規模的生產(chǎn)方式。而是多品種，小比量生產(chǎn)。以產(chǎn)品齊套為目的，快速出成品搶占市場(chǎng)的方式。

      而傳統AOI的算法，不管是圖片對比還是矢量分析，在做程序方面，簡(jiǎn)單的產(chǎn)品也需要一個(gè)小時(shí)，稍復雜產(chǎn)品，兩個(gè)小時(shí)的程序制做時(shí)間。試想，一個(gè)幾百到一千的批量，一臺在線(xiàn)AOI將整個(gè)生產(chǎn)線(xiàn)處于停止狀態(tài)，就不難想象很多企業(yè)的明智之舉就是選用離線(xiàn)AOI。

     另外一方面，AOI的誤判，也是制約在線(xiàn)AOI的使用。使用在線(xiàn)AOI，但誤判率高，也是需要一個(gè)人專(zhuān)職在AOI工位。人員沒(méi)節約，影響線(xiàn)體節拍，選擇在線(xiàn)AOI，很多加工廠(chǎng)已經(jīng)讓昂貴的AOI變成一個(gè)明符其實(shí)的高級接駁臺。

     然而，目前在AOI行業(yè)出現了一個(gè)新的算法，給整個(gè)電子制造行業(yè)帶來(lái)了福音。解決了最讓人頭痛的兩大問(wèn)題，程序編制和誤判率。

    卷積神經(jīng)網(wǎng)絡(luò )可以處理圖像以及一切可以轉化成類(lèi)似圖像結構的數據。相比傳統算法和其它神經(jīng)網(wǎng)絡(luò )，卷積神經(jīng)網(wǎng)絡(luò )能夠高效處理圖片的二維局部信息，提取圖片特征，進(jìn)行圖像分類(lèi)。通過(guò)海量帶標簽數據輸入，用梯度下降和誤差反向傳播的方法訓練模型。

卷積運算：識別圖片中指定特征

用卷積核在原圖上滑動(dòng)，進(jìn)行卷積運算，得到特征圖feature map。

卷積的本質(zhì)：將原圖中符合卷積核特征的特征提取出來(lái)，展示在feature map里面。

如果原圖是X，卷積核是X，那么卷積核在原圖上卷積運算之后生成的feature map也是X。

如果原圖是O，卷積核是O，那么卷積核在原圖上卷積運算之后生成的feature map也是O。

如果原圖是O，卷積核是X，那么卷積核在原圖上卷積運算之后生成的feature map就是亂碼。

權值共享：卷積核掃過(guò)整張圖片的過(guò)程中，卷積核參數不變。

深度學(xué)習源于人工神經(jīng)網(wǎng)絡(luò )的研究，通過(guò)設計建立適量的神經(jīng)元計算節點(diǎn)和多層運算層次結構，選擇合適的輸入層和輸出層，通過(guò)網(wǎng)絡(luò )的學(xué)習和調優(yōu)，建立起從輸入到輸出的函數關(guān)系，減少了手工提取特征或者規則的步驟。 

     AOI利用在工業(yè)檢測領(lǐng)域應用深度學(xué)習算法，使用大數據優(yōu)化，智能極簡(jiǎn)編程，一鍵自動(dòng)識別元器件及焊點(diǎn)，智能判定不良。

  白話(huà)一點(diǎn)：編程時(shí)候，我們提前讓AOI認識到電子元器件，就像我們打工人一樣，剛進(jìn)電子廠(chǎng)啥也不認識，你的師父就每天教你，這個(gè)是電容，這個(gè)是電阻。教多了，你也見(jiàn)多了（你接收到足夠的數據后），你就會(huì )識別什么是元器件，就算你師父沒(méi)教你的，你也會(huì )變通（因為成了模型）你也會(huì )認識。

               測試的時(shí)候，還是你師父每天告訴你，這個(gè)是不良品，這個(gè)是良品。時(shí)間長(cháng)了，你就是一個(gè)合格的QC。所以誤判少的原理就在這里。

            上傳不了視頻文件啊，需要視頻可以聯(lián)系我。