易用性：1、無需設(shè)置參數(shù)；上手快；2、在線抓拍首件板系統(tǒng)輔助做程序，自動(dòng)框圖比例高，支持持續(xù)補(bǔ)充學(xué)習(xí)，學(xué)習(xí)后自動(dòng)建模比例更高(80%+）；3、根據(jù)客戶需要，支持自定義器件名稱；4、支持快速更改工單號(hào)；5、支持批量復(fù)制、粘貼、剪切、刪除等快捷鍵操作多重智能算法檢測(cè)：1、智能識(shí)別鋁電容頂部字符；2、智能識(shí)別黑灰電容字符；3、智能識(shí)別黑電感字符或方向；4、智能識(shí)別電池座方向；5、小鐵片檢測(cè)；6、智能識(shí)別聚丙烯電容字符；7、電線檢測(cè)；8、金屬高頻頭螺紋/光頭檢測(cè)；9、智能識(shí)別變壓器字符；10、智能識(shí)別蜂鳴器方向；11、智能識(shí)別晶振字符；12、智能識(shí)別東倒西歪的電容極性。13、三極管方向檢測(cè)；14、橋堆方向檢測(cè)支持客戶離線編程、客戶遠(yuǎn)程調(diào)控、遠(yuǎn)程調(diào)試1、支持系統(tǒng)學(xué)習(xí)訓(xùn)練，學(xué)習(xí)越多效果越好；2、支持本地學(xué)習(xí)。 一臺(tái)機(jī)器視覺設(shè)備通?？梢园喾N配置以及多種原理、算法，取決與對(duì)設(shè)備功能的需求及結(jié)構(gòu)設(shè)計(jì)的復(fù)雜程度。aivsAOI升級(jí)換代

    圖像采集階段（光學(xué)掃描和數(shù)據(jù)收集）AOI的圖像采集系統(tǒng)主要包括光電轉(zhuǎn)化攝影系統(tǒng)，照明系統(tǒng)和控制系統(tǒng)三個(gè)部分。因?yàn)閿z影得到的圖像被用于與模板做對(duì)比，所以獲取的圖像信息準(zhǔn)確性對(duì)于檢測(cè)結(jié)果非常重要，可以想象一下，如果圖像采集器看不清楚或看不到被檢測(cè)物體的特征點(diǎn)，那么也就無法談到準(zhǔn)確的檢出。下面我們對(duì)光電轉(zhuǎn)化攝影系統(tǒng)，照明系統(tǒng)和控制系統(tǒng)三個(gè)部分逐一分析介紹。首先，光電轉(zhuǎn)化攝影系統(tǒng)指的是光電二極管器件和與之搭配的成像系統(tǒng)。是獲得圖像的”眼睛”,原理都是光電二極管接受到被檢測(cè)物體反射的光線，光能轉(zhuǎn)化產(chǎn)生電荷，轉(zhuǎn)化后的電荷被光電傳感器中的電子元件收集，傳輸形成電壓模擬信號(hào)。二極管吸收光線強(qiáng)度不同時(shí)生成的模擬電壓大小不同，依次輸出模擬電壓值被轉(zhuǎn)化為數(shù)字灰階0-255值，灰階值反映了物體反射光的強(qiáng)弱，進(jìn)而實(shí)現(xiàn)識(shí)別不同被檢測(cè)物體的目的。 浙江aivsAOI研發(fā)AOI的圖像采集系統(tǒng)主要包括光電轉(zhuǎn)化攝影系統(tǒng)，照明系統(tǒng)和控制系統(tǒng)三個(gè)部分。

    首先濾波的定義是將信號(hào)中特定波段頻率濾除的操作，是抑制和防止干擾的一項(xiàng)重要措施。在AOI檢測(cè)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(jī)械系統(tǒng)的抖動(dòng)，傳感器溫度等原因?qū)е?，不可避免的使得圖像因含有噪音而變得模糊。給圖像識(shí)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(shí)的圖像信息，除去噪聲的濾波處理必不可少。濾波的過程簡(jiǎn)單說就是圖像平滑技術(shù)，空域?yàn)V波與頻域?yàn)V波是濾波經(jīng)常采用的方法。具體講空域?yàn)V波是一種鄰域處理方法，通過直接在圖像空間中對(duì)鄰域內(nèi)像素進(jìn)行處理，達(dá)到平滑或銳化，圖像空間中增強(qiáng)圖像的某些特征或者減弱圖像的某些特征。

    本系統(tǒng)采用的卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)（FeedforwardNeuralNetworks），是深度學(xué)習(xí)（deeplearning）的表示算法之一。卷積神經(jīng)網(wǎng)絡(luò)仿造生物的視知覺（visualperception）機(jī)制構(gòu)建，可以進(jìn)行監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。作為圖像識(shí)別領(lǐng)域的中心算法之一，卷積神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)數(shù)據(jù)充足時(shí)有穩(wěn)定的表現(xiàn)。針對(duì)本系統(tǒng)所處理的大規(guī)模圖像分類問題，卷積神經(jīng)網(wǎng)絡(luò)將用于提取圖像的判別特征，再通過分類器進(jìn)行學(xué)習(xí)和識(shí)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(shí)別；2、根據(jù)底板顏色可以自由選擇器件框顏色；3、可依據(jù)客戶需求，自由定義器件中文名；4、不良器件圖靜態(tài)顯示。 使用插件爐前檢測(cè)可以將不良品攔截在爐前，從而降低成本，提高效率。

    本系統(tǒng)采用的卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)（FeedforwardNeuralNetworks），是深度學(xué)習(xí)（deeplearning）的表示算法之一。卷積神經(jīng)網(wǎng)絡(luò)仿造生物的視知覺（visualperception）機(jī)制構(gòu)建，可以進(jìn)行監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。作為圖像識(shí)別領(lǐng)域的算法之一，卷積神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)數(shù)據(jù)充足時(shí)有穩(wěn)定的表現(xiàn)。針對(duì)本系統(tǒng)所處理的大規(guī)模圖像分類問題，卷積神經(jīng)網(wǎng)絡(luò)將用于提取圖像的判別特征，再通過分類器進(jìn)行學(xué)習(xí)和識(shí)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(shí)別；2、根據(jù)底板顏色可以自由選擇器件框顏色；3、可依據(jù)客戶需求，自由定義器件中文名；4、不良器件圖靜態(tài)顯示；程序制作靈活性：1、無需設(shè)置參數(shù)；2、在線抓拍首件板系統(tǒng)輔助做程序，且支持持續(xù)補(bǔ)充學(xué)習(xí)，學(xué)習(xí)后自動(dòng)建模比例更高（80%+）；---自動(dòng)框圖器件種類多（60+），比例高。3、支持中文、英文、中英文混合輸入；4、批量復(fù)制、粘貼、剪切、刪除等支持快捷鍵操作。---硬件條件和安裝尺寸不發(fā)生變化。 圖像傳感器、鏡頭和光源三者組合構(gòu)成了大多數(shù)自動(dòng)光學(xué)檢測(cè)系統(tǒng)中感知單元。江西aivsAOI

愛為視是插件爐前錯(cuò)、漏、反、多等缺陷檢測(cè)方案供應(yīng)商。aivsAOI升級(jí)換代

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(shí)別；2、根據(jù)底板顏色可以自由選擇器件框顏色；3、可依據(jù)客戶需求，自由定義器件中文名；4、不良器件圖靜態(tài)顯示；程序制作靈活性：1、無需設(shè)置參數(shù)；2、在線抓拍首件板系統(tǒng)輔助做程序，且支持持續(xù)補(bǔ)充學(xué)習(xí)，學(xué)習(xí)后自動(dòng)建模比例更高（80%+）；---自動(dòng)框圖器件種類多（60+），比例高。3、支持中文、英文、中英文混合輸入；4、批量復(fù)制、粘貼、剪切、刪除等支持快捷鍵操作。---硬件條件和安裝尺寸不發(fā)生變化，已做好的模板可長(zhǎng)久正常使用aivsAOI升級(jí)換代

深圳愛為視智能科技有限公司主要經(jīng)營范圍是機(jī)械及行業(yè)設(shè)備，擁有一支專業(yè)技術(shù)團(tuán)隊(duì)和良好的市場(chǎng)口碑。公司業(yè)務(wù)分為智能視覺檢測(cè)設(shè)備等，目前不斷進(jìn)行創(chuàng)新和服務(wù)改進(jìn)，為客戶提供良好的產(chǎn)品和服務(wù)。公司將不斷增強(qiáng)企業(yè)重點(diǎn)競(jìng)爭(zhēng)力，努力學(xué)習(xí)行業(yè)知識(shí)，遵守行業(yè)規(guī)范，植根于機(jī)械及行業(yè)設(shè)備行業(yè)的發(fā)展。愛為視憑借創(chuàng)新的產(chǎn)品、專業(yè)的服務(wù)、眾多的成功案例積累起來的聲譽(yù)和口碑，讓企業(yè)發(fā)展再上新高。