AOI(即aoi光学检测仪)曾经首要用于PCB制作行业中。但跟着元件越来越小及对高出产率的寻求,AOI检测已散布到SMT出产线的各个领域,如印刷前PCB测验、印刷质量测验、贴片质量测验、焊接质量查验等等。各工序AOI检测的几乎趋于完全替代人工查验,产质量量提升了,出产功率也进步了。
一 .辅导思想
有两种查验辅导思想:缺点避免或缺点发现。恰当的办法应该是避免缺点的发作,因为其重点是在进程控制和经过实施矫正行为来消弭缺点。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。这是制作工艺中质量的终究防线,以确保产质量量完美。
在线aoi设备应该在smt线哪个部位?
在线aoi设备放在锡膏印刷机的下一道工序。因为许多缺点与锡膏量和印刷质量有关。在线aoi应该查看什么呢?第一项:锡膏的X-Y尺度,包括误印或锡膏体积(X-Y-Z),锡膏体积测验将比X-Y测验慢,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。在线aoi设备也能够直接放在贴片机之后。这儿,能够查出误放或放错的小元件,例如电阻和电容,以及BGA和密脚距离元件的锡膏质量与方位,这些元件是用smt线后的贴片机一次或屡次贴装的。运用在线aoi的光学检测才能,能对元件贴装有更好的精度。在线aoi设备还能够放在回流焊接之后,查找焊点的焊接质量。能够管控在发货给客户之前的终究一道质量关。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。工厂出产成本将进步许多。从成本节约的视点出发,许多厂家只购买一台aoi设备,最好的工序是直接放在贴片机之后,能够检测两个首要问题:较小元件的误贴装或过错以及BGA与密脚元件的锡膏质量与体积。这是产品焊接质量最最要害的工序。
二 .实施战略
2.1实施意图
实施AOI的首要意图在以下几个方面:
终究质量:把精力首要集中在出产线的终究环节。当出产问题十分明晰、产品类别繁复、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线最结尾附近。在这个当地,设备能够起到最大质量管控的意图,避免不良品的流出。
进程管控:运用在线aoi设备来管控每道出产工序,常规的aoi检测内容包括产品缺点分类信息和元件贴装偏移信息。当产品安稳性高、类别单一的量产制作和元件安稳供给的时候,制作商优先采用在线aoi设备。常常要求把在线aoi设备放置到smt线上的几个当地,整条线管控产品出产情况,并为工艺流程的调整提出有力的数据。
2.2实施计划
Aoi设备放置的方位能够确保或妨碍aoi检测意图,每一道工序都能够有不同的检测目标和对象。在线aoi地点工序是由以下原因管控的。特别的技能要求。假设smt线有特别的要求,在线aoi设备可添加到这个方位,检测质量,及时觉察相同问题的发作原因。实施意图。对在线aoi设备来说,没有任何一个工序能解决全部的smt线缺点。假设实施AOI的意图是要改进终究的质量,把在线aoi放在工序的前面,或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避免对已存在缺点的半成品再增加成本。一起,在工序的初期,修理不良品的本钱大大低于成品前后的修理本钱。然而,许多不良品是在出产的后期表现出来的,也就是说不管前面检测不良品数量的多寡,产品出厂前照样需求aoi设备的检测。
2.3放置工序
当然 AOI可用于smt线上的多个工序中,可是有3个工序是必要。锡膏印刷机的后道工序。假设锡膏印刷工序符合要求,那么ICT(在线测验仪)发现的缺点数能够下降。典型的印刷缺点包罗以下几点: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,相对这些情况的缺点概率直接与情况的严峻性成比例。纤细的少锡很少引起缺点,而在基本无锡的严峻情况下,缺点总是在ICT环节出现。焊锡缺乏几乎是元件损失或焊点开路的一个要害因素。可是,在线aoi设备放置在那个工序仍需承认元件损失发作的真实原因,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盯梢和特征化。这个阶段的定量工序管控数据包括:贴放偏移和焊锡量信息,而有关焊锡印刷的信息也会出现。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结的。这是一个典型的放置在线aoi设备的工序,因为这儿可发现来自印刷锡膏以及机械贴装的大量缺点。在这个工序上发作的定量进程控制信息,供给贴片机和密脚距离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盯梢的意图。回流焊后。检测是在 SMT工艺进程的尾端工序,在产品出厂前完结的ICT功用测验和体系测验之前。这是AOI最常用的挑选,因为这个工序能发现所有的装配过错。回流焊后检测供给高度安全性,因为它能够辨认由锡膏印刷元件贴装和回流焊接等工序发作的过错。这个工序的检测确保终究质量的意图。假设说将AOI放在某个工序对辨认某个特别缺点很有用,那么实施AOI的诀窍就是将在线aoi设备放到一个能够尽早辨认和矫正最多不良缺点的工序。
三 .AOI技能新打破
浅显来说,AOI检测技能可描绘为,经过一架摄像机或传感器获得一块板的照明图画并数字化,然后与前面界定的“好”图画进行比对、剖析。照明来自于一个限制的光源,如白光、发光二极管(LED)和激光。如今,有许多完美的图画剖析技能,比方:模板比对(或自动比照)、边际检测、特征提取、光学特征辨认等。每个技能都有优势和限制。这儿简略介绍一下在线aoi设备光学原理(离线aoi亦同):光的4原色转换视点照射到电路板面上,反射光被坐落正上方的照相机拍照。
上方历来的白色(W)的照明
上方历来的红色(R)的照明
斜方历来的绿色(G)的照明
横方历来的蓝色(B)的照明
焊点(锡膏)处于斜面:大部分黄色的光经过斜面反射出,而蓝色光则经过斜面反射进入摄像头。所以焊点在电脑中显现为蓝色。元件本身外表粗糙:黄色光与蓝色光照射在其外表都发作漫反射,根据光学原理:蓝色与黄色组合成白色,恰当于白色光照射元件在电脑中显现为元件本性.焊盘外表润滑:黄色光照射在其外表发作镜面反射进入摄像头,而大部分蓝色光则反射出,所以在电脑中外表润滑的焊盘显现为黄白色
3.1模板比对
模板比对决议一个物体图画看上去象什么,如QFP或片状电容,并用该信息来生成一个刚性的根据像素的模板。这是逾越板的图画,在估计物体方位的附近,找出相同的器械。当有关区域的全部点点评之后,找出模板与图画之间有最小差异的方位,中止查找。为每个要检讨的物体发作这种模板,经过在恰当的方位运用恰当的模板,建立对整个板的检讨顺序,来查找全部要求的元件。因为元件很少刚好匹配模板,模板是用必定数意图允许差错来承认匹配的,只需当元件图画恰当挨近模板。在物体方位的附近,找出相同的信息。当相关联的每个点评价之后,找出模板与图画之间有最小差异的当地,中止查找。为每个要检测的产品生成这样的模板,经过对pcb的检测程序,来检测产品的元件是否符合要求。因为元件很少刚好匹配模板,模板是用一定数意图允许差错来承认匹配的,只需当元件图画非常挨近模板。假设模板太严厉,就会对元件发作“误报”。假设模板可挑选范围太大,则会出现漏报的情况。
3.2运算规则
常常会有几种图画处理技能运用在一个“结构”内,构成一个运算规则,非常合适于特殊的元件类型。在有许多元件的复杂pcb板上,能够构成多个运算规则,要求工程师在需求改动或调整时做许多的再次编程。例如:当一个供货商变更了一个规范元件时,对该元件的运算规则就需求调整,浪费名贵的出产时刻。一起,相同元件的外形假如改动很大,每一次改动都不相同。为满足出产的需求,低差错率,使用者就需求不断改动或调整程序来习惯元件的全部所有改动。例如,一个0402片电容,能够分类为具有规定尺度和矩形外形,两条亮边中心围住较黑色的区域。可是,这个简略外形的元件在一个单纯的aoi设备检测进程中元件外形多变。传统的、根据运算规则的AOI检测规则都太严苛,致使合理的改动不能接纳。比方:尺度,形状,影和比照度。乃至一般的元件也不能牢靠得到测验,因而构成有元件而体系无法发觉的“过错拒绝”。还有,因为能承受与不能承受的图画差异恰当纤细,运算程序不能很好区别,导致“过错接纳”,真实缺点无法及时发现。为了解决这样的缺点。用户在编程进程中要有恰当的调整。一般,传统的AOI要求不时地和普遍地再编程。用户需求常常调整其AOI程序,以接纳合理的改动。当对一块新板规划与优化一个检测程序时,全部这些可花上一到两天作纤细的改动,乃至几周。
3.3有自调性、根据常识的AOI
几个AOI销售商现已打破图画处置的传统办法,而运用有自调性的软件程序。这种办法是规划将用户从运算规则的复杂性分隔。经过显现一系列要承认物体的例子,该办法运用一个令人惊喜的直截了当的数学办法,叫做特征矢量剖析(统计外形建模技能),能自动计算出如何辨认合理的图画改动。不象根据运算规则的办法,特征矢量剖析技能运用自主性、根据常识的程序来核算出变量。如此能够削减编程时刻和在出产中撤销不断的调整进程。实践的情况是这个办法平均误报率比现有的离线aoi办法好10-20倍。程序编写时刻削减十分之九,一般过几块板就能够正常出产。
3.4精度、可反复性和灵敏性
现在传统的AOI设备主要经过辨认元件边际来抵达准确和可重复的检测。假如边际找到,运用这些边际的对称特征一般生成元件在pcb板上的坐标。可是,用视觉办法很难找到边际。因为元件边际不是完全直线的,用一条直线去比照这种边际的做法都是有问题的。还有,边际挨近于黑色背景上的黑色区域,精准的比照会发作像素数据变量。像素不能够太小,避免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。根据边际的处理办法,一个好的在线aoi设备生成一个规范差错大概约为十分之一像素的差错。可是,特征矢量剖析供给规范偏差恰当于二十分之一像素的差错。在检测一个指定的元件特征时,特征矢量剖析是非常灵敏的,在符合一个外形不大相同的合法元件时(如一般的传统办法),它会在X和Y轴上移动,试图经过方位(唯一的可变参数)调理到达最佳符合状况。经过把一个恰当的特征矢量剖析数据比照元件(其变量全部受控制),允许实践可改动的那些外形,而不需求参照X和Y的方位。比方:某些允许的元件颜色变量是因为遮盖或过度曝光,是接近较大元件所发作的,实践中用传统计算办法是不允许的。因为特征矢量剖析给出所承受的图画改动,所以操作员不需求靠那些复杂的编程进程,或许长时刻的样板比对编程时刻。