一、自动检测的形式多种多样在各行各业中均有应用
▲Teledyne DALSA的Genie Nano像机能满足Kibele-PIMS所有的分辨率和速率要求。此外，其可靠性高、耐用性强，可应付恶劣的工业环境。
自动检测技术改变了制造业，由其是对于半导体芯片或锂离子电池等体积虽小但价值昂贵的产品制造有着深远影响。自动检测对制造业至关重要，可用于判断部件是否符合质量标准，如果发现不符合部件则剔除，从而确保成品质量。除探伤外，还可进行定位、识别、验证和测量工作。自动检测在制造业中的常见应用包括检测微芯片和变压器等微小部件中的潜在异常，通过平板检测发现电视和电脑屏幕中的划痕或其他微小缺陷。该视觉系统还利用类似的摄像技术检测其他平面物体，如太阳能电池板，以及食品和饮料等物品。通过使用近红外（NIR）等特定波长和归一化植被指数（NDVI）等技术，可以探测到仅由可见光无法观测到的细节。自动检查的一个重要优势是可以快速发现问题。在生产过程中，在后期进行故障修复的成本更高，因此及早发现并纠错至关重要。除制造业外，自动检测还广泛应用于生命科学和制药领域，包括降低交叉污染概率以及识别细胞异常。
▲玻璃层出现缺陷容易导致结构破裂
二、什么是自动检测
自动检测使用数字或计算机辅助检测进行测量和分析部件。自动化可用于物体控制、测量数据收集或组件评估。自动检测可分为多个种类，其中一种为自动光学检测（AOI），其作用是进行视觉检测。AOI系统可在一秒内获取数百万个数据点，用于视觉检测和精密测量。尽管AOI通常被称为印刷电路板（PCB）检测系统，但该技术几乎可用于任何需要进行视觉检测的地方。AOI系统依靠机器视觉来执行检测流程。机器视觉利用成像技术（摄像头或传感器）从周围环境中获取视觉信息。然后利用硬件和软件对图像进行处理，将处理好的信息用于各种应用中。机器视觉技术一般根据具体需求使用专用摄像头或传感器来获取图像。根据应用情景选择最合适的相机，常见的相机接口包括可直接插入主机设备的USB3和GigE，而CXP和CLHS则需要连接图像采集卡提高成像速度。随后利用图像数据处理、分析和测量图像特征。随着机器视觉相机的不断发展，分辨率越来越高，以及更先进的移动物体捕捉技术，自动检测变得越来越精确和完善。软件和处理算法也在不断改进，人工智能（AI）和深度学习的应用日益广泛，对自动检测有着深刻影响。
▲布鲁塞尔二氧化碳中性工厂进行奥迪e-tron制造：电池单元模块控制器和电缆的最终验收。
三、AOI是如何工作的
AOI集光学元件、机械、电子控制和软件于一体，可取代人眼进行视觉检测，协助进行质量控制。其工作原理是由机器视觉相机和光源捕捉被检测物体的图像。该过程类似于人眼观察物体，但相机可以捕捉到更多细节，并永久记录下图像，并从中进行学习。之后图像分析软件会对图像进行检查，并将其与被检测物体的外观标准进行比较。这就好比人脑识别零件并判断其是否正常——但软件可以确保每次都做出一致的决定。人工视觉检测通常被拿来与自动光学检测进行对比。利用计算机检测，该技术可以更快地检测物品，并获得更一致、更可靠的结果。而且，与人类不同的是，计算机永远不会感到疲倦，永远不需要休息，也不介意一遍又一遍地重复相同的工作。由于印刷电路板或其他微小元件体积小、结构复杂、细节精细，仅通过人眼无法对其进行有效检查。随着电路板越做越小、越来越复杂，即使一块相对简单的电路板也可能由数千个元件组成。与人类视觉检测进行对比有助于我们进一步了解这个过程，在部分行业仍在保持着人工检测。四、哪些行业采用自动检测
自动检测技术主要运用于半导体芯片等超小型部件的制造过程中，但对于汽车发动机或变速箱中的许多锻造和机加工部件等较大型设备来说，自动检测并不常见。据Metrology News报道，只有约20%的制造现场依靠自动化流程来检测大中型零件，这对制造厂商来说是个不小的问题。若要对此类的制成品进行自动检测，就必须能够在高速运转的情况下精确地测量出不规则度，同时完全不受工厂车间环境光线的影响。但直到最近才出现了符合要求的在线测量设备，因此制造商在进行此类检测时仍然主要依靠人眼。随着自动检测设备的不断发展，大型部件制造商将逐渐转为自动检测。从半导体和消费电子产品，到汽车和航空航天，再到生物技术和基因组学，自动检测有助于提高产品安全性和质量。
▲每个包装站一开始会通过一个相机读取包装箱上的条形码，然后根据条码对产品类型进行分类，并将其分配到相应的传送带上
五、AOI的优势是什么？
制造商通常会与系统集成商合作，为其应用开发特定的AOI系统，集成各种组件，并对制造商进行培训。AOI系统为公司带来了许多好处，包括：可以通过编程来识别精确的细节，并以恒定、持续的速度准确、可靠地完成任务
可以快速、轻松地适应各类产品和表面，并可进行远程编程和监控
自动检测系统消除了安全问题和人工检测人员繁琐的重复性工作，让员工有机会把时间投入到价值更高的工作中
最终目标是生产出更安全、寿命更长、不易损坏的高质量产品
配合AI和深度学习的应用，AOI的这些优势将更加明显。通过AI，系统可以不断“学习”，利用不断完善的数据集更新训练模型，从而提高性能。AI软件还能使检测系统的编程更加直观。随着AI和深度学习技术的出现，自动检测得到进一步完善。其核心为软件、新的深度学习技术、并行处理能力和易用性工具。AI用于训练机器视觉系统，以识别缺陷和异常。传统的图像处理软件依赖于特定任务的算法，需要数百甚至数千张高质量的人工分类图像来训练系统。但如今，深度学习软件仅需对少数图像进行分类，并且提高了可预测性。此外，通过训练有素的AI视觉系统，软件可以快速识别图像中的变动，而传统的机器视觉系统则有可能漏过的错误。有一种新型深度学习分类技术叫做异常检测，即仅使用优良示例来训练网络。从而让网络可以识别正常数据，并将数据集之外的数据都视为异常数据。异常检测工具可扩大深度学习的应用范围。异常检测有助于减少训练系统所需的工程工作。收集好数据后，即使是非专业人士也能对系统进行培训，从而大大降低成本。现在的深度学习软件比其他任何传统算法都能更好地对图像进行分类。但对于可预测性很强、变化不大的检测，最好还是使用传统视觉算法，以降低系统工作量。为了说明自动检测的实际运用情况，以下举了三个应用实例，可以看出该技术的广泛应用及其优势。自动化检测在太阳能电池板制造中起着至关重要的作用。与电子制造领域一样，太阳能电池板的全球主要制造商均已实现100%的自动检测，其他行业也在向自动检测转型。微裂缝检测非常重要，因为此类故障可能导致整个太阳能电池板碎裂，对其他电池板和设备造成损害，进而产生昂贵的停机清理和维修费用。
在其伊斯坦布尔食品包装厂内，Kibele-PIMS已经为联合利华的两家公司家乐（Knorr）和立顿（Lipton）开发并调试了两套先进的全自动化系统，利用机器人对汤料和茶叶纸箱进行识别、分拣，然后码放在托盘上。采用全自动化解决方案以前，食品包装需要通过人工拣选，是一项非常繁琐的工作。现在纸箱送达间隔时间仅需1.5到2秒，从而大大提高了生产效率，并降低了错误率。
锂离子电池（LIB）广泛应用于智能手机、平板电脑、电动工具等设备，需求量最大的是电动汽车。在电力系统中，电池故障会带来多重危险，因此自动检测至关重要。最好能在生产过程中早期发现问题，以免浪费时间和资源。根据经验，制造商们认为，缺陷识别的级别最好保持在50微米以下乃至10微米。
自动检测的形式多种多样，在各行各业中均有应用。对于高价值产品（如半导体、锂离子电池和太阳能电池板）而言，由于漏查可能大大增加材料成本，因此AOI能带来更直接的投资回报。自动光学检测在其他行业同样能够发挥较大优势，减少误差、提高总体质量、提高生产率并增加盈利能力。随着AI与深度学习的融入，自动检测技术有望在未来几年得到进一步完善。
