照明光源按照波長分類可以分為可見波長光源，特殊波長光源。可見波長光源也就是一般現代工業(yè)AOI檢測設備中較常用的紅綠藍LED光源。特殊波長光源一般是指紅外或紫外波長光源，一些特殊材料在可見光范圍內吸收差別不大，灰階變化不明顯時可以考慮采用特殊波長光源，比如說利用紫外光能量高可以激發(fā)熒光材料的原理，檢測具有熒光發(fā)光特性物質微殘留時紫外光源就是一種比較有效的手段，因材料成分與紅外光譜有對應關系的原理，紅外光源對不具有發(fā)光性質的有機化合物殘留缺陷檢出就有很大的作用，甚至可以實現成分分析。特殊光源中，利用偏振光與物體相互作用后偏振態(tài)的變化，利用光學干涉原理的白光干涉（whitelightinterferometry）在特定缺陷檢測中的得到了應用，例如通過相干光的干涉圖案計算出對應的相位差和光程差，可以測量出被測物體與參考物體之間的差異，且分辨率與精度為可以達到亞波長。AOI檢測儀優(yōu)點是圖像的還原性較好，打光角度容易調易得到較清晰的圖像，相比線陣相機誤判率較低。河南遠程操控AOI設備

    本系統(tǒng)采用的卷積神經網絡（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計算且具有深度結構的前饋神經網（FeedforwardNeuralNetworks），是深度學習（deeplearning）的表示算法之一。卷積神經網絡仿造生物的視知覺（visualperception）機制構建，可以進行監(jiān)督學習和非監(jiān)督學習。作為圖像識別領域的中心算法之一，卷積神經網絡在學習數據充足時有穩(wěn)定的表現。針對本系統(tǒng)所處理的大規(guī)模圖像分類問題，卷積神經網絡將用于提取圖像的判別特征，再通過分類器進行學習和識別。畫面顯示：1、主圖畫面都有顯示器件框，便于觀察器件是否被識別；2、根據底板顏色可以自由選擇器件框顏色；3、可依據客戶需求，自由定義器件中文名；4、不良器件圖靜態(tài)顯示。 江蘇新一代AOI生產以目前AOI（自動光學檢測）技術在PCB行業(yè)滲透率較高，復雜化趨勢以及制造行業(yè)整體對智能化變革的需求。

    首先濾波的定義是將信號中特定波段頻率濾除的操作，是抑制和防止干擾的一項重要措施。在AOI檢測中，噪聲是造成圖像退化的因素之一，起因是AOI圖像獲取，傳輸過程中，外界雜散光，光電二極管電子噪聲及溫度，光源的不穩(wěn)定不均勻，機械系統(tǒng)的抖動，傳感器溫度等原因導致，不可避免的使得圖像因含有噪音而變得模糊。給圖像識別，圖像切割等后續(xù)處理工作帶來了困難。因此，為了獲得真實的圖像信息，除去噪聲的濾波處理必不可少。濾波的過程簡單說就是圖像平滑技術，空域濾波與頻域濾波是濾波經常采用的方法。具體講空域濾波是一種鄰域處理方法，通過直接在圖像空間中對鄰域內像素進行處理，達到平滑或銳化，圖像空間中增強圖像的某些特征或者減弱圖像的某些特征。

愛為視（Aivs）新一代智能AOI，它能減少檢查的誤報，保證檢測程序無缺陷。它可以檢查儲存起來的有缺陷的樣品，在優(yōu)化階段，在這方面花時間的原因是為了不讓任何缺陷溜過去。所有已知的缺陷都必須檢查，同時要把允許出現的誤報數量做到盡可能減少。在針對減少誤報而對任何程序進行調整時，要檢查一下，看看以前檢查出來的真正缺陷，是否得到維修站的證實。通過一系列的核實，保障檢查程序的質量，用于專門的制造和核查，同時對誤報進行追蹤。經過波峰焊后，焊點所有的參數會有很大的變化，這主要是由于焊爐內錫的老化導致焊盤反射特性從光亮到灰暗。

AI視覺檢測代替人工檢測實現了非接觸、高效率、高精度的檢測優(yōu)勢，在工業(yè)檢測中成為一種剛需。它通過相機拍照獲取圖像、對圖像進行識別、處理從而達到檢測的目的。機器視覺可自動識別被測產品表面的缺陷，如金屬外觀不良檢測、印刷電路板缺陷檢測等。AI視覺為人類解放生產力提供了重要的支撐，使現代的生產制造更加地智能化、自動化。帶動了企業(yè)生產效益的提升，進而為整體經濟的上漲貢獻了巨大的力量，經濟與科技相互反饋，AI視覺在未來將有更多的拓展性、與更高的先進性。用計算機處理系統(tǒng)代替人腦執(zhí)行數據處理，讓AOI檢測系統(tǒng)可以取產制造中的人工目檢環(huán)節(jié)。湖南新一代AOI研發(fā)

愛為視新一代智能插件AOI，采用卷積神經網絡、先進深度學習模型，計算機視覺、圖形圖像處理等技術。河南遠程操控AOI設備

本系統(tǒng)采用的卷積神經網絡（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網（Feedforward Neural Networks），是深度學習（deep learning）的表示算法之一。卷積神經網絡仿造生物的視知覺（visual perception）機制構建，可以進行監(jiān)督學習和非監(jiān)督學習。作為圖像識別領域的算法之一，卷積神經網絡在學習數據充足時有穩(wěn)定的表現。針對本系統(tǒng)所處理的大規(guī)模圖像分類問題，卷積神經網絡將用于提取圖像的判別特征，再通過分類器進行學習和識別河南遠程操控AOI設備

深圳愛為視智能科技有限公司位于西麗街道曙光社區(qū)中山園路1001號TCL科學園區(qū)E3棟201之218。公司自成立以來，以質量為發(fā)展，讓匠心彌散在每個細節(jié)，公司旗下智能視覺檢測設備深受客戶的喜愛。公司將不斷增強企業(yè)重點競爭力，努力學習行業(yè)知識，遵守行業(yè)規(guī)范，植根于機械及行業(yè)設備行業(yè)的發(fā)展。愛為視憑借創(chuàng)新的產品、專業(yè)的服務、眾多的成功案例積累起來的聲譽和口碑，讓企業(yè)發(fā)展再上新高。