1、SAKI AOI Operation,R G B以及灰阶定义的介绍,SAKI AOI ALGORITHM,Black/White 算法介绍,Distribution 算法介绍,Range 算法介绍,LengthWidth 算法介绍,L Tracking 算法介绍,Land Judgment 算法介绍,Color XY 算法介绍,Image Matching EX 算法介绍,New ASC 算法介绍,二进制与十进制的转化公式:,R、G、B以及灰阶定义的介绍,R、G、B以及灰阶定义的介绍,R、G、B组成的三维立体彩色空间示意图,R、G、B为红绿蓝三种色光，这三种色光为光的三原色，自然界所有的色光都
2、可以由它们组成。 所以任何一种色光都可以看成是在R G B组成的三维立体彩色空间中。国际照明委员会(CIE)规定红、绿、蓝三原色的波长分别为700um、546.1um、435.8um，在颜色匹配试验中，当这三原色光的相对亮度比例为1:4.5907:0.0601时就能匹配出等能白光，所以CIE选取这一比例作为红、绿、蓝三原色的单位量，即(R):(G):(B)=1:1:1。尽管这时三原色的亮度值并不等，但CIE却把每一原色的亮度值作为一个单位看待，所以红、绿、蓝三种色光等比例混合结果为白光，即(R)+(G)+(B)=(W)。为了与灰阶亮度的最大值对应，所以将其在此单位下最大的亮度数值也设为255。
3、当R、G、B在此单位下的数值相同，那么它们将组成具有相同数值的灰阶亮度值。通道灰阶值:R=G=B时，全部中性灰色-均会在立方体的顶角连线KW上。在三维彩色立方体上的红、绿、蓝三个基色，青、紫、黄三个互补色，黑色、白色各自拥有一个顶点。立方体中的颜色尽管有1670(28*28*28）多万种，但每一种颜色的信息与通道中的灰阶值(R、G、B在-255中的取值)关系是非常清楚的。,R G B 的基本常识,R、G、B以及灰阶定义的介绍,R、G、B以及灰阶定义的介绍,等分成八个立方体示意图,从立方体分割成的八个等份的小色立方体可知，灰阶值128是个非常重要的判断色相的分界值。红、绿、蓝、青、紫、黄、黑、白
4、八种色相，从各自顶点向立方体中心(R=G=B) 平分着这个立方体。,各色相区域R、G、B的取值情况： 对红色色相，通道的灰阶值有以下特征：R128，G128，B128 对青色色相，通道的灰阶值有以下特征：R128，B128 对紫色色相，通道的灰阶值有以下特征：R128，G128，B128，G128 对白色色相，通道的灰阶值有以下特征：R128，G128，B128 对黑色色相，通道的灰阶值有以下特征：R128，G128，B128,举例：不同R、G、B数值组成的色相情况,当R=200,G=100,B=100(R128、G128,B128)的情况可以从左图ColorSolid中看出其色彩情况为淡红色
5、，分布在左上图RGB色立方体的红色色相区域,RGB组成的立体色相空间的分割,(黑白算法),算法原理: 这个算法是利用图像的灰阶来进行检测的.它将计算出检测框內符 合条件的亮度面積占整個检测框面積的百分比.,亮度值(灰阶):是用來描述黑白圖像的明暗程度的. 它將亮度值分成256種不同的明暗程度. 0表示最暗的亮度值,255表示最亮的亮度值。,亮度值范圍,0,255,(黑白算法),图中绿色区域（即满足上面的灰阶亮度范围）占整个框的百分比,图解说明Black/White算法含义,(黑白算法),(黑白算法),(亮度梯度差算法),算法原理: 计算出檢測框內的亮度梯度差.,原理:在选定的范围内，沿着纵向寻
6、找到最亮点与最暗点的位置并计算出他们的亮度差值。当有不同亮度的线条穿过此选取的影像，那么沿着纵向(长边方向)所有的纵列所计算出的亮度差值都将会增大；若没有这样的线条穿过，亮度的差值就会很小。若有某条亮度不同的线条穿过此区间但没有完全截断此区间，其亮度差值也会较小。在所有有着不同亮度差值的小柱状区间，选取最小的亮度差值作为我们的Sample值。系统会通过计算自动判断哪些亮色线条从横向贯穿了整个检测区域或者没有完全贯穿此区域。, Case1:在检测框纵向上分成五个小的柱状区间，每一区间最大与最小的亮度点的亮度差值都等于255，故Sample值等于255。 Case2:在纵向的五个柱状区间，找出每一
7、区间最亮点与最暗点的亮度差值，其中我们取其最小值128，即Sample值等于128。 Case3:在纵向的五个柱状区间，我们找出的亮度差值都为0，即Sample值就等于0。 Case4:在纵向的五个柱状区间，取其所有亮度差值的最小值，即Sample值等于0。,应用实例:此算法经常用在炉前chip料的偏移和炉后IC短路的检测,(亮度梯度差算法),(亮度梯度差算法),(Over Range and Width),这里举例说明当“Over Range=1”和“Width=3”的情况。 若“Over Range=1”则将会附加计算检测窗口外一栏的亮度差值。如果“Width=3”,我们最终获得的Samp
8、le值是将每栏计算的亮度差值每相邻三个作平均计算后所得到的最小的亮度差值。,(Over Range=1,此两部分也参与计算),Over Range和Width的用法说明,(亮度梯度差算法),介绍如何用Distribution算法检测IC零件引脚之间的短路,Step1:设定我们检测框的范围。在右边图中，检测框要放在IC的引脚之间。由于短路可能会发生在引脚根端到顶端之间，所以我们的检测框也必须包含到从IC引脚的根部到顶端之间所有的区 域。 Step2:确定在正常情况(未短路)下Sample值，从而给出在此种情况下Sample的下限值和上限值。如果Sample值太大可以判定引脚间发生短路，因为有亮度
9、不同的线条穿过了IC的引脚(亮度值 较高的锡膏穿过了IC引脚之间亮度值较低的 PCB板)。如果Sample值很低，此元件被判定为没有短路，因为其引脚部分没有完全被锡膏贯通。当不良的情况发生时我们要调整我们所设Upper(Lower)Limit值,使得不良的Sample值不在所设范围内从而报错(NG),(亮度梯度差算法),用Distribution算法检测Chip料的偏移详细实例,将检测框放在电阻电极与锡膏上时Distribution 的Sample值,将检测框放在锡膏上时Distribution的Sample值,从上面两图可以得知，当我们的检测框包含电阻电极和锡膏两部分时，Distributi
10、on的Sample值可以从Distribution Map中看出来为116。如果电阻置件偏移，其电极不在检测框的范围之内(右边图片所示)，其Distribution的Sample值为13，因此我们可以取其平均值约为65作为区分电阻置件便宜的一个判定标准。当所得的Sample在65-255之间时说明置件OK;若Sample值不在此区间，即小于65，则可判定为置件偏移。,(差值算法),算法原理 : 此算法可計算出检测框内最亮点与最暗点之間的差值., case1:检测窗口内亮度相同都为255，所以Range算法所得的Sample值为0 case2:检测窗口内亮度相同都为128，所以Range算法所得
11、的Sample值为0 case3:检测窗口内亮度相同都为0，所以Range算法所得的Sample值也为0 case4:检测窗口内有两种不同的光亮度，最亮的为255，最暗的为0，所以此算法所得的Sample值为255-0=255 case5:检测窗口内有两种不同的光亮度，最亮的为255，最暗的为128，所以此算法所得的Sample值为255-128=127,(差值算法),(差值算法),图片中间部分是检测框内亮度的分布情况，每一像素都给出了具体光的亮度值。当Average X=1,Average y=1时，就是直接将检测框内光的亮度最大值和最小值找出来，他们的差值即是Range算法的Sample值
12、. 当Average X=2,Average Y=2时，我们先将每相邻四个像素点(即X方向和Y方向相邻两个点)的光亮度值作平均计算，在计算所得的结果里面找出亮度最大值和最小值作差即为算法的Sample值。,Average X和Average Y的用法。,NB6 AOI 设备工程,(差值算法),图中为用Range算法检测IC元件的偏移。检测框放在IC引脚附近距离IC引脚两PAD之间相同的距离。当IC置件良好的情况下，Sample Map中可以看出光亮度基本分布在很低的位置，Sample值经BF软体计算为20；当IC置件偏移，那么检测框就如右图所示会包含到IC的PIN脚部分，从Sample Map
13、中可以看出光亮度从很低到很高都有分布，计算所得的Sample值很大为224。因此我们可以取两值的平均来作为区分IC置件是否偏移的分界值。当Sample值在0-120之间，置件OK;当Sample值超过120可判定为置件偏移。,Range算法在检测IC偏移中的应用,(长度宽度算法),算法原理 :计算出选择区域内有明显亮度变化两点之间的距离。,应用实例:此算法可用于对Chip料Missing检测.,对于此算法计算长度(宽度)有三种设定方法 Case1:沿着检测框中间向两边寻找出亮度从亮到暗变化的点的位置并计算它们之间的長度. Case2:沿着检测框两边向中间寻找出亮度从暗到亮变化的点的位置并计算它
14、们之间的長度. Case3:根据所检测元件本体亮度的不同，通过BlackWhite算法将元件本体的图片转化成二分法的图片。在Case3图中可以看出，我们设定一个亮度区间，元件电极端在此亮度区间内，但本体部分不在此区间內，通过计算机的处理，电极端部分的亮度值变为255本体部分亮度值为0。在这种设置中此算法会在转化的二进制图片中从检测框的两端向中间寻找亮度值从暗变亮的点的位置并计算它们之间的距离。,(长度宽度算法),(长度宽度算法),如上图所示，在Sidelight灯光下用LengthWidth算法检测1005电容的缺件。其Lower Level和Upper Level值分别设为180与255。即
15、为前面介绍的Case3的使用方法。电容的两极在此亮度范围内，所以经过BlackWhite处理后的图片为两极是白色，中间是黑色。算法会自动从检测框的两端向中间寻找到从暗变亮的点。由于实际的料尺寸上有10%的差异，此处为980um，所以我们可以给10%的允许范围，所以允许范围可设为900um-1100um；又由于在灯光照射下的效果有些不同，我们给检测所得的元件的长度设定在加上10%的允许范围，即从800um-1200um。,LengthWidth算法在检测电容缺件中的应用,(跟踪算法),Case1 当Upper Level=Lower Level=255,此设置适用于搜索比周围环境亮的元件并给出其
16、偏移量。我们将Adjust框沿着左右方向移动并计算其内部在每一位置亮度的總和,其计算出来的亮度總和值时所得元件的位置即是当前元件的位置,将其与标準元件的位置比较即可得到实际元件置件位置与标准 位置的偏移量.,L Tracking算法在应用时的三种设置方法,Case2 当Upper Level=Lower Level=0，此设置适用于搜索比周围环境暗的元件并给出其偏移量。我们将Adjust框沿着左右方向移动并计算其内部在每一位置亮度的總和,其计算出来的亮度最小值时所得元件的位置即是当前元件的位置，将其与标准元件的位置比较即可得到实际元件置件位置与标准位置的偏移量。,算法原理 : 在此算法中,检测
17、框将在长方向上自动搜寻元件,并計算出元件在长方向离中心的偏移量.,应用实例:此算法可用于计算出元件的中心偏移量.,(跟踪算法),Case3 当Upper LevelLower Level时,此时采用黑白的处理方法将元件转化为只有两种亮度的图片，并且给出其偏移量。我们将Adjust框沿着左右方向移动并计算其内部在每一位置亮度和，其计算出来的亮度總值时,所得元件的位置即是当前元件的位置，将其与标准元件的位置比较即可得到实际元件位置与标准位置的偏移量。,(跟踪算法),(跟踪算法),图中可以看出检测框的设定方法，我们可以设定OK Range范围从-7-7(pixel), 如上右图所示，在元件有偏移的情
18、况下，检测框会在Search Range范围内搜索元件的实际位置并给出其偏移量。上例右图中元件向右偏移为 6 pixels。,检测电容在纵向(长方向)上的偏移量,L1,(区域分析算法),算法原理 :此算法和黑白算法相同.它也是计算出检测框內符合条件的面積占整个检测框面积的百分比。与Black/White算法区别为: Black/White算法只需设定一个条件,而Land Judgment算法设定了两个灯源条件,并要同时满足这两个灯源条件才被视为符合条件.,应用实例:此算法可用于元件Missing的检测.,此处点击鼠标右键即可编辑所选灯光(Light select),上面编辑界面中除了选用两种灯
19、光外其它选项与BlackWhite算法完全一样,L1,(区域分析算法),上面举出了用Land Judgement算法检测电容的缺件。本例中选用的是Toplight和Sidelight灯光。将检测框放在电容的电极上，在此两种灯光下电容的电极比较亮，基本符合上面所设定的亮度范围。用检测框框住电极，我们可以先用Toplight灯光。在Toplight灯光下检测框内符合设定亮度范围的面积占整个检测框面积百分比为81%，同理可得到在Sidelight灯光下其所占百分比为100%，而LandJudgment算法是同时满足两种灯光条件下的亮度范围的面积占整个检测框的百分比，也就是两种灯光下的Sample值得
20、较小值，所以从第三个图片中可以看出算法的Sample值为81%,而如果此处缺件的话检测框会框在锡膏上，锡膏很暗,所得的Sample值为0，所以我们可以取0与80%的平均值40%来作为一个分界值来判定此处是否缺件。,检测电容的缺件,(色彩算法),算法原理 :利用元件和PCB的色彩信息进行检测的,计算检测框内的色彩值.,Color XY算法是区分颜色的算法，因此在这里灰阶亮度不被考虑。图中的Standard Line为样本分界线，是用来区分不同颜色的分界线，Sample point是检测框内的颜色在图形中的位置。而Sample值则是Sample point到样本分界线的距离。实际检测中当PCB板与
21、元件颜色有区分时就可用它来检测元件的不良。,Color map示意图,(色彩算法),(色彩算法),参数的设定方法: Step1 设置一个小检测窗口，将其在元件表面挪动会从图中得到元件表面颜色分布情况 Step2 将检测窗口移动到元件附近的PCB板上，并从图中得到PCB板上颜色的分布情况 Step3 在ColorMap图中设置颜色分界线位置,使其能将元件的颜色和附近PCB板的颜色分割开。 Step4 将检测窗口放在元件上，设置Sample所允许的上下限值使得检测不报错。但若板子的颜色与元件颜色很接近就会报错。 Step5 实际检测中调整参数保证检测的准确性。,(色彩算法),用于检测元件缺件实例,
22、左图为用此算法检测绿色PCB板电阻缺件的实例图，其中X1、Y1、X2、Y2的数值不用刻意取多少，我们可以直接在Color map图中拉动颜色分界线使其能区分元件本体颜色和PCB板的颜色即可。在元件置件正常情况下，检测窗口放在元件本体上不会报错，当检测元件位置缺件，检测窗口就直接放在绿色的PCB板上，那么检测窗口内平均色就是一个绿色，由于绿色被所设定的颜色分界线隔开，那么就会报错。,(图像比较算法),算法原理 :此算法用是利用两个图片进行对比来对元件进行检测的,它能计算两个图片相似程度.,应用实例:此算法常用于对元件Reverse的检测.,原理说明:将将要检测的元件的影像保存为标准像在搜索范围内
23、寻找与标准影像相似的影像。搜索范围就是从标准影像向外的一个搜索区域的大小。在搜索范围内，即使影像不在正确位置，也会在它里面寻找与标准影像最相似的影像并计算它们的相似度。,在黄色的搜索范围内，系统会去寻找与标准影像最相似的影像并与标准影像进行比对，计算它们的相似度,(图像比较算法),(图像比较算法),Resolution的用法说明,此处用搜索范围由49pixels组成，标准影像由9pixels组成的例子来介绍Resolution的用法。 当Resolution=1时，在搜索范围内计算与标准影像匹配相似率的次数为25次。 当Resolution=2时，在搜索范围内计算与标准影像匹配相似率的次数为9
24、次。 当将Resolution设定为2，与设为1比较计算的次数减少所以检测的速度要快。但从右边的图中可以看出:在搜索范围内有很多与标准影像很相似的影像很可能就被遗漏掉，所以检测的准确性降低了,(Resolution为1和2的区分图),(图像比较算法),Image Matching EX算法的设定方法 Step1 设定我们检测窗口的大小，在正确元件表面，检测框能框住我们所要抓取的的文字(符号)面即可。 Step2 用鼠标点击编辑界面右下角的“Add”按钮时会保存我们要用的标准影像。如果是相同的元件并且它表面要与标准影像比较的文字面在我们的搜索范围以内， 就能得到很高的相似值(Sample值)；但
25、如果是元件有不同或没有文字(符号)面出现在搜索范围内，其Sample值也会很低。即使文字面内容相同，如果你改变了它的颜色或背景，同样不能获得很高的Sample值。 Step3 设定搜索范围，这样即使元件有些轻微偏移仍然可以识别到文字(符号)面。 Step4 最后检查检测结果，调节各项参数。,(图像比较算法),检测BGA反向中的应用,如上图所示，在检测元件反向，我们将检测框框住所要抓取的文字面，点击右下角的Add键即可在Original image中添加标准影像，在检测过程中算法会比较所测影像与标准影像的灰阶亮度情况计算出他们的相似度即该算法的Sample值。上例中所测影像与标准影像很接近，因此
26、Sample值很高。一般我们的OK Range的下限不应低于65%以免造成漏测。,算法原理 :此算法用于捕捉元件的外形轮廓,并计算出它的中心偏移量.,应用实例:此算法常用于检测元件是否偏移,缺件.,原理解释:通过使用比周围环境亮度大的元件的电极或表面的平坦的金属区域来获得元件的中心位置。,以两个电极端的元件为例说明New-ASC的使用方法。,(检测两电极元件偏移示意图),如上图所示为用New-ASC算法检测两电极元件偏移的示意图。算法通过亮度检测到元件的两电极端，从检测到的两电极端的位置获取零件的中心位置并且计算零件旋转的角度。 通过比较实际检测到的元件的中心位置与元件的正常置件中心位置来判定
27、元件是否偏移。,如果将“Resolution”值设的较大，其处理时间会缩短，当我们设定“Resolution=4”与我们设定“Resolution=1”比较，它所获得的元件信息也会减少，右图为在不同Resolution值的情况下算法分析的一个详细图解。在“Resolution=4”时我们可以从右图中看出，本来元件引脚根部灰阶值较高，但经过四个象素点平均计算后灰阶值变得比较低。为了得到元件准确的位置信息，我们应将此数值设为1。,Resolution使用说明,Resolution在算法中的处理方式图,(New-ASC Detail setting界面),L、W、T、B在四种料中具体含义的示意图,右
28、边四个图形是L、W、T、B 在四种元件中的具体含义。 图1中，在无电极引脚元件中 L W指的是元件的长和宽的大 小；图2中，两电极引脚元件 L、W也是指元件的长宽，而T 指的是电极端的宽度； 图3中，三引脚元件L、W指元 件的长宽，而T、B指的是元 件引脚的长和宽； 图4中，黄色框四角的四个小 框是我们给引脚设置的搜索 范围。,New ASC算法的设定方式 此算法因零件的四种不同形态而有不同的设置方式。元件类型：无引脚，2引脚，3引脚和4个以上引脚几种元件(如下图所示)。,Step1 给亮度较高的元件设定一个搜索范围。设置的检测框应能框住整个元件。在第四种元件形式中有两种设置搜索框的形式，在纵
29、向或横向设置检测框并框住元件引脚的根部位置，如右图所示。 Step2 为了确定元件的位置和中心坐标，设置元件的尺寸。我们要用到mask功能，在编辑界面里点击option按钮，在打开的对话框中将mask选项勾上。编辑界面右上角就显示mask按钮。,Step3 第二步勾上mask选项后编辑界面右上角会出现“Using MASK”，鼠标双击会变成 “EditingMASK”。此时检测框的的位置会出现在元件的中央。我们可以通过鼠标的拖拽将mask的尺寸调整到元件本体大小。 Step4 在“Central position map”中点击鼠标右键就会弹出“New-ASC Detail setting”
30、根据元件形式的不同在TYPE里面选择相应 的元件形式，此时对话框中间就会显示元件的示意图。 Step5 在“Setting Tool”里面选上“Mask”选项。点击LW Set” 就会在mask框上获得元件的尺寸当长和宽位置改变时点击“Exchange”互换L和W的值。 Step6 根据对元件置间的要求，我们设定“OK Range” 的范围。如果元件在XY方向或角度上有偏移并且超出了此设定范围则会报NG.点击“OK”返回编辑界面。,(Step3),Step7 调整mask框到引脚大小(Step3中方式)。在第四种元件形式中因为元件引脚根部区域亮度较高相对来讲容易与周围的环境区分开， 所以我们可
31、以将mask框稍微放小，只要能包括到引脚根部部分即可重复Step5步骤，点击“TB Set”即可从mask框获得引脚的尺寸。 Step8 对于四个引脚以上的元件，设置一个搜索范围这个范围是在检测框的四个四个角落引脚的搜 索范围。 Step9 和Step3中一样点击“Mask”按钮移走mask框。 Step10 在编辑界面点击Inspect，检测结果可以从元件上的检测框的颜色中判断 。 如果检测结果NG,所有的检测框都是红色的； 最外面的黄色框是搜索的范围； 黄色虚线框表示允许元件的偏移范围； 粉红色框表示检测所得到实际元件的位置。,Step7,Step10,New ASC算法检测CHIP元件的偏移缺件实例,根据上面算法设置的步骤，设置好检测框和检测参数，用mask功能获得元件长宽分别为950um和 450um,电极的宽度为250um,我们在OK Range里设置元件允许偏移的范围，在这里我们规定在长方 向上的偏移不能超过电极宽度的3/4(20%)，短方向上不能超过短边的一半(50%)。角度旋转不能 大于10度。,上面两图给出了两种New-ASC算法对不良项目的检测。第一种情况(上面左图)，当元件旋转了一 个角度，超过了前面设置的10度，所以报NG；第二种情况(上面右图)，当元件在长方向上偏移超 出了前面设定的OK Range的范围，因此也报NG。,Thanks! End,
