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(xiàn)一個現(xiàn)象，眾多生產(chǎn)制造企業(yè)，特別是在SMT車間，大多選擇離線AOI設(shè)備。我們都知道，離線AOI雖然價格便宜，但是需要一個專人負(fù)責(zé)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(zhuǎn)型，已經(jīng)不是大規(guī)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的方式。

      而傳統(tǒng)AOI的算法，不管是圖片對比還是矢量分析，在做程序方面，簡單的產(chǎn)品也需要一個小時，稍復(fù)雜產(chǎn)品，兩個小時的程序制做時間。試想，一個幾百到一千的批量，一臺在線AOI將整個生產(chǎn)線處于停止?fàn)顟B(tài)，就不難想象很多企業(yè)的明智之舉就是選用離線AOI。

     另外一方面，AOI的誤判，也是制約在線AOI的使用。使用在線AOI，但誤判率高，也是需要一個人專職在AOI工位。人員沒節(jié)約，影響線體節(jié)拍，選擇在線AOI，很多加工廠已經(jīng)讓昂貴的AOI變成一個明符其實的高級接駁臺。

     然而，目前在AOI行業(yè)出現(xiàn)了一個新的算法，給整個電子制造行業(yè)帶來了福音。解決了最讓人頭痛的兩大問題，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(zhuǎn)化成類似圖像結(jié)構(gòu)的數(shù)據(jù)。相比傳統(tǒng)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，進行圖像分類。通過海量帶標(biāo)簽數(shù)據(jù)輸入，用梯度下降和誤差反向傳播的方法訓(xùn)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，進行卷積運算，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，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(quán)值共享：卷積核掃過整張圖片的過程中，卷積核參數(shù)不變。

深度學(xué)習(xí)源于人工神經(jīng)網(wǎng)絡(luò)的研究，通過設(shè)計建立適量的神經(jīng)元計算節(jié)點和多層運算層次結(jié)構(gòu)，選擇合適的輸入層和輸出層，通過網(wǎng)絡(luò)的學(xué)習(xí)和調(diào)優(yōu)，建立起從輸入到輸出的函數(shù)關(guān)系，減少了手工提取特征或者規(guī)則的步驟。 

     AOI利用在工業(yè)檢測領(lǐng)域應(yīng)用深度學(xué)習(xí)算法，使用大數(shù)據(jù)優(yōu)化，智能極簡編程，一鍵自動識別元器件及焊點，智能判定不良。

  白話一點：編程時候，我們提前讓AOI認(rèn)識到電子元器件，就像我們打工人一樣，剛進電子廠啥也不認(rèn)識，你的師父就每天教你，這個是電容，這個是電阻。教多了，你也見多了（你接收到足夠的數(shù)據(jù)后），你就會識別什么是元器件，就算你師父沒教你的，你也會變通（因為成了模型）你也會認(rèn)識。

               測試的時候，還是你師父每天告訴你，這個是不良品，這個是良品。時間長了，你就是一個合格的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。