一种基于人工智能的AOI检测方法

技术领域

本发明涉及电子加工技术领域，具体为一种基于人工智能的AOI检测方法。

背景技术

AOI检测是基于光学原理来对焊接生产中遇到的常见缺陷进行检测的设备。AOI是新兴起的一种新型测试技术，但发展迅速，很多厂家都推出了AOI测试设备。当自动检测时，机器通过摄像头自动扫描PCB，采集图像，测试的焊点与数据库中的合格的参数进行比较，经过图像处理，检查出PCB上缺陷，并通过显示器或自动标志把缺陷显示/标示出来，供维修人员修整。

运用高速高精度视觉处理技术自动检测PCB板上各种不同贴装错误及焊接缺陷。PCB板的范围可从细间距高密度板到低密度大尺寸板，并可提供在线检测方案，以提高生产效率，及焊接质量。通过使用AOI作为减少缺陷的工具，在装配工艺过程的早期查找和消除错误，以实现良好的过程控制。

经过海量检索，发现现有技术：公开号为CN109342451A，公开了一种正反AOI检测系统，其包括AOI检测设备一、AOI检测设备二、传输单元、传输驱动单元、真空倒吸单元，传输单元与传输驱动单元连接，传输单元的一端设于真空倒吸单元的下方，AOI检测设备一设于传输单元上方，用于对产品的第一面进行检测，真空倒吸单元用于对产品的第一面进行吸附，AOI检测设备二设于真空倒吸单元下方，用于对产品的第二面进行检测。本发明的正反AOI检测系统通过设置AOI检测设备一，可对产品的第一面进行检测，并设置AOI检测设备二和真空倒吸单元，通过真空倒吸单元将产品吸附，由AOI检测设备二对产品的第二面进行检测，在不翻片的前提下实现对产品的正反面检测，避免了翻片过程中对产品的损坏。

综上所述，现有的用于PCB板加工的AOI检测系统在使用过程中，由于采用整体检测的方法，焊接点位之间的细小间距容易产生疏漏，若相邻焊接点位之间出现焊接串联，则会导致焊接点位之间出现短接，导致PCB板线路出现故障，使得焊接完成后的PCB板故障不容易被察觉，从而提高返修率。

发明内容

本发明的目的在于提供一种基于人工智能的AOI检测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能的AOI检测方法，检测方法如下：

S1：将PCB板图形数据上传至检测系统；

S2：检测系统读取PCB板数据，并沿着PCB板图形数据划分点位；

S3：光学探头拍摄PCB板初始照片；

S4：将PCB板图形数据与PCB板初始照片进行比对、校准；

S5：光学探头采集焊接后的PCB板图形，并进行检测。

优选的，基于检测方法的S1中：

工作人员将PCB板电子图形数据上传至检测系统，检测系统读取PCB板电子图形数据，对PCB板图形中的焊接点位进行标识；

标识标准以PCB板表面露铜面积为准。

优选的，基于检测方法的S2中：

检测系统读取PCB板电子图形数据后，检测系统以焊接点位所在区间进行点位划分，将焊接点位周围的露铜边界划分成焊接区，非露铜部分为非焊接区。

优选的，基于检测方法的S3中：

将光学探头架设于待焊接的PCB板上方，通过光学探头对待焊接的PCB板进行全面拍摄，获得PCB板的初始图像。

优选的，基于检测方法的S4中：

检测系统将标识焊接点位的PCB板电子图形与初始PCB板图像进行比对，将实际PCB板的焊接点位于PCB板电子图形中的标识焊接点位进行对准，用于后续的焊接效果检测。

优选的，基于检测方法的S5中：

基于S4中的校准完成后，对PCB板表面进行焊接，焊接完成后，光学探头再次对PCB板表面进行图像拍摄，并将二次拍摄图像与标识焊接点位置的PCB板电子图形进行比对；

检测系统搭载人工智能分析系统，人工智能分析系统标识出焊锡颜色和焊锡反射光泽，人工智能分析系统分别读取二次拍摄图像和PCB板电子图形，将PCB板电子图像与二次拍摄图像进行比对，人工智能分析系统分别扫描焊接区与非焊接区的焊锡分布，得到焊接分析结果。

与现有技术相比，本发明的有益效果是：本发明在检测系统中预先导入待焊接的PCB板电子图形数据，检测系统通过人工智能分析系统对电子图形数据进行读取和扫描，可对PCB板的整体大小和焊接点位的位置关系进行标记，可沿着焊接点位的露铜区域进行划分，将焊接点位的露铜区和焊接点位周围的非露铜区进行分隔，在焊接完成后，人工智能分析系统分别对露铜区和非露铜区进行扫描，若露铜区中缺少焊锡反射信号，则说明该焊接点位未焊实；非露铜区域中出现焊锡反射信号，则说明非焊接区域中残留有焊锡；若相邻焊接点位的非露铜区之间出现焊锡反射信号，则说明焊接点位之间出现了串焊的现象，可精确的对PCB板进行焊接检测，并快速定位焊接不良位置，便于进行快速返修。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

本发明提供的三种实施例：

实施例一：

一种基于人工智能的AOI检测方法，检测方法如下：

S1：将PCB板图形数据上传至检测系统；工作人员将PCB板电子图形数据上传至检测系统，检测系统读取PCB板电子图形数据，对PCB板图形中的焊接点位进行标识，标识标准以PCB板表面露铜面积为准。

S2：检测系统读取PCB板数据，并沿着PCB板图形数据划分点位；检测系统读取PCB板电子图形数据后，检测系统以焊接点位所在区间进行点位划分，将焊接点位周围的露铜边界划分成焊接区，非露铜部分为非焊接区。

S3：光学探头拍摄PCB板初始照片；将光学探头架设于待焊接的PCB板上方，通过光学探头对待焊接的PCB板进行全面拍摄，获得PCB板的初始图像。

S4：将PCB板图形数据与PCB板初始照片进行比对、校准；检测系统将标识焊接点位的PCB板电子图形与初始PCB板图像进行比对，将实际PCB板的焊接点位于PCB板电子图形中的标识焊接点位进行对准，用于后续的焊接效果检测。

S5：光学探头采集焊接后的PCB板图形，并进行检测；基于S4中的校准完成后，对PCB板表面进行焊接，焊接完成后，光学探头再次对PCB板表面进行图像拍摄，并将二次拍摄图像与标识焊接点位置的PCB板电子图形进行比对；

检测系统搭载人工智能分析系统，人工智能分析系统标识出焊锡颜色和焊锡反射光泽，人工智能分析系统分别读取二次拍摄图像和PCB板电子图形，将PCB板电子图像与二次拍摄图像进行比对，人工智能分析系统分别扫描焊接区与非焊接区的焊锡分布，得到焊接分析结果。

实施例二：

人工智能分析系统分别对露铜区和非露铜区进行独立检测，优先对露铜区进行扫描，露铜区即为焊接点位处，人工智能分析系统通过图像扫描，检测露铜区的焊锡反射图像；

人工智能分析系统按照PCB板的电子图形和焊接点位划分范围进行依次点位扫描，在焊接点位的露铜区进行扫描，露铜区得到焊锡反射信号，说明焊接点位成功焊接牢固，若露铜区未扫描到焊锡反射信号，则说明该焊接点位出现脱焊、漏焊的问题，并对未得到焊锡反射信号的焊接点位进行标识，利于后续返修。

实施例三：

人工智能分析系统对非露铜区进行扫描，若非露铜区域中出现焊锡反射信号，则说明非焊接区域中残留有焊锡，检测系统将焊锡反射信号所在位置进行标识，显示在拍摄图像中，并进行标识，利于返修的快速查找，便于对非露铜区的焊锡清除工作；

若相邻焊接点位的非露铜区之间出现焊锡反射信号，则说明焊接点位之间出现了串焊的现象，可精确的对PCB板进行焊接检测，并快速定位焊接不良位置，便于进行快速返修。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。