AOI检测（Automated Optical Inspection，自动光学检测）是现代电子制造（尤其是PCB、半导体、SMT贴片等领域）中广泛应用的一种非接触式、高速、高精度的表面缺陷检测技术。对图像采集阶段（特别是光电转化摄影系统、照明系统和控制系统）进行更详细的补充和扩展说明，同时完善整个AOI基本原理与设备构成的介绍。

AOI检测基本原理概述（补充完善）

AOI的核心原理是基于光学反射/散射特性，通过高分辨率成像系统捕获被测物体（通常是PCB板、焊点、芯片表面等）的反射光强度，将其量化为数字灰度值（0-255或更高位深），然后与标准模板图像（黄金样板或CAD设计数据）进行像素级或特征级的比对，识别出灰度、形状、位置、尺寸等方面的异常，从而判定缺陷（如缺件、偏移、桥接、虚焊、锡珠、多锡/少锡、划伤、异物等）并分类报警。

与人工目检的类比非常形象：

• 光源 ≈ 人工检查时的自然光/手电筒
• 镜头 + 传感器 ≈ 人眼
• 图像处理算法 + 软件 ≈ 大脑判断

现代AOI已从单纯2D灰度比对，发展到3D AOI（利用激光三角测量、结构光、相移、共焦等技术获取高度信息），能检测焊点体积、翘曲、立碑（tombstoning）等立体缺陷。

AOI设备主要构成（四个核心部分）

1. 机械运动平台（工作平台）
   包括XY精密运动系统（通常线性电机或丝杠+伺服）、Z轴调焦、传送带（在线式）或载台（离线式），用于精准定位和扫描被测物。精度要求通常在微米级。

2. 成像系统（图像采集核心）
   这是AOI的“眼睛”，直接决定图像质量。

3. 图像处理与分析系统（软件+计算硬件）
   相当于“大脑”，包括工业计算机、GPU加速卡、算法库。

4. 电气与控制系统
   包括电源、光源控制器、运动控制器、I/O接口、报警输出等。

图像采集阶段详细说明（重点补充）

1. 光电转化摄影系统（传感器 + 镜头）

这是将光信号转为电信号的关键。

• 核心器件：图像传感器（Image Sensor），目前主流分为CCD和CMOS两大类。

CCD（Charge Coupled Device，电荷耦合器件）详细特点：

• 采用全局曝光（全像素同时感光），图像一致性好。
• 电荷通过垂直/水平移位寄存器逐级转移到输出放大器，再进行模数转换（ADC）。
• 优点：高信噪比（SNR）、高灵敏度、低噪声、优异的图像质量（尤其低光条件下）、填充因子（Fill Factor）高（接近100%），光敏面积占比大。
• 缺点：制造工艺复杂（需要特殊硅基工艺）、成本高、功耗大、读出速度慢（通常10-30fps）、容易出现**拖尾（smear）和光晕（blooming）**现象。
• 早期AOI（尤其是高精度半导体检测）大量使用CCD，但近年来逐渐被CMOS取代。

CMOS（Complementary Metal-Oxide-Semiconductor，互补金属氧化物半导体）详细特点：

• 每个像素独立集成放大器和ADC（列并行读出或全局快门）。
• 支持滚动快门（Rolling Shutter）或全局快门（Global Shutter），现代工业级CMOS多采用全局快门以避免快速运动失真。
• 优点：读出速度极快（可达数百甚至上千fps）、功耗低、集成度高（可把信号处理电路集成在芯片上）、成本低、抗光晕能力强、拖尾少、支持高动态范围（HDR）。
• 缺点：早期填充因子较低（每个像素需额外电路占用空间，导致感光面积减少≈20-40%），噪声（固定模式噪声、读出噪声）比CCD稍高，暗电流和灵敏度在某些场景略逊。但通过背照式（BSI）、堆栈式工艺，现代CMOS（如Sony IMX系列工业传感器）已大幅缩小差距，信噪比甚至超过传统CCD。
• 当前趋势：90%以上的新款AOI设备采用高性能工业级CMOS（如5MP~67MP，12-16bit位深），搭配高亮度光源可完全满足需求。

光学镜头：

• 高分辨率工业定焦镜头（C-mount或F-mount），焦距从8mm到100mm不等。
• 常配远心镜头（Telecentric Lens），消除视差，保证不同高度物体成像尺寸一致，非常适合精密测量。
• 部分3D AOI使用多镜头阵列或线扫描相机。

2. 照明系统（最关键、最复杂的部分之一）

照明直接决定缺陷是否能被“照”出来，不同缺陷需要不同照明方式。现代AOI常采用多色、多角度组合照明（RGB+白光），通过不同颜色/角度反射光谱差异来表征焊点立体结构。

常见照明类型及原理：

• 环形光（Ring Light）：最常见，360°均匀照明，高角度（近垂直）+低角度（倾斜）组合，常RGB三色。
  • 高角度光 → 照亮焊点顶部，反射率高 → 焊点呈白色/亮色。
  • 低角度光 → 照亮焊点侧壁，形成阴影 → 判断焊点高度、润湿角。
• 同轴光（Coaxial Light）：光线通过半透膜垂直入射，适合检测镜面反射强的表面（如芯片焊盘、镜面划伤）。
• 条形光（Bar Light）：方向性强，用于突出线性特征或产生强阴影。
• 穹顶光/漫射光（Dome/Diffuse Light）：均匀无影照明，适合检测颜色/纹理缺陷。
• 背光（Back Light）：从下方透射，用于检测通孔、轮廓、外形。
• 暗场照明（Dark Field）：只采集散射光，适合检测表面划痕、颗粒、异物（缺陷呈亮斑，背景暗）。
• 结构光/激光线光：用于3D AOI，投射条纹或激光线，通过三角法计算高度。

典型PCB焊点AOI照明：RGB环形光（红高角、绿低角、蓝更低角），焊点不同部位反射不同颜色，便于算法区分体积/形状。

3. 控制系统

• 光源控制器：独立控制每路光源的亮度、颜色、开关、脉冲（与相机曝光同步，避免运动模糊）。
• 运动控制卡：精确控制XY扫描路径、触发相机采集（Encoder触发或固定间隔）。
• 触发与同步：相机曝光、照明脉冲、运动三者严格同步。
• I/O接口：与上位机、MES系统、NG缓冲区对接。

后续阶段简要补充

• 数据处理阶段：预处理（滤波、去噪、增强、校正畸变）、颜色空间转换等。
• 图像分析阶段：模板匹配、统计法、特征提取（边缘、Blob、颜色）、深度学习（CNN）缺陷分类。
• 缺陷报告阶段：NG分类、统计分析、SPC、MES追溯。

通过以上详细补充，AOI从“看清”到“看懂”的能力大幅提升，已成为电子制造不可或缺的利器，尤其在5G、AI芯片、Mini/Micro LED、HDI高密度板等高精度领域，3D+AI AOI正成为主流趋势。

以下是对您提供的原文的完整补充和扩展版本。我在保持原文结构和核心内容的基础上，补充了更详细的说明、缺失的部分（如照明系统、控制系统、后续阶段的详细描述、3D AOI等）、以及当前主流技术和趋势，使内容更全面、专业和连贯。补充部分基于AOI技术的标准原理和行业实践。

AOI检测基本原理与设备构成
原创补充完整版
（基于2023年原文扩展，更新至2026年技术现状）

一、引言

AOI（Automated Optical Inspection，自动光学检测）是通过光学系统成像实现非接触式自动检测的技术，是机器视觉领域中最成熟、应用最广泛的检测手段之一。其核心在于获取高精度、高对比度的光学图像，并通过算法对图像进行智能处理和分析。

AOI技术兴起的背景是电子产品向高密度、微型化、精细化发展（如5G、AI芯片、HDI板、先进封装），传统人工目检已无法满足“零缺陷”、高速、高一致性的要求。AOI的最大优势包括：

• 大幅节省人力，降低人工成本
• 检测速度快（可达数平方厘米/秒甚至更高）
• 统一检测标准，排除人为疲劳、主观偏差
• 结果高度可重复、可追溯
• 通过大数据统计不良模式，反馈工艺优化，提升整体良率

在AI、深度学习、大数据驱动下，现代AOI已从单纯的缺陷检测工具，逐步演变为智能工艺分析系统。预计未来在半导体前道（晶圆）、后道（封装测试）、FPD、Mini/Micro LED、3C电子等领域将扮演更核心角色。

二、AOI检测基本原理与设备构成

基本原理
AOI利用光学成像原理，将被测物体的表面反射/散射光强转化为数字灰度图像（或彩色/3D图像），通过与标准模板（Golden Board）或预设规则进行比对，识别出灰度、形状、位置、颜色、纹理等异常，从而判定缺陷（如缺件、偏移、桥接、虚焊、划伤、异物等）并分类。

形象比喻：

• 光源 ≈ 人的照明环境
• 光学镜头 + 传感器 ≈ 人的眼睛
• 图像处理与算法 ≈ 人的大脑（观察 + 判断）

工作流程分为四个主要阶段：

1. 图像采集阶段（光学扫描与数据采集）
2. 数据处理阶段（预处理与格式转换）
3. 图像分析阶段（特征提取与缺陷判定）
4. 缺陷报告与输出阶段（分类、统计、报警、追溯）

硬件系统构成主要包括四大模块：

• 机械工作平台（承载、传输、定位系统）
• 成像系统（照明 + 光学镜头 + 相机传感器）
• 图像处理系统（工业计算机 + GPU + 算法软件）
• 电气与控制系统（运动控制、IO、通讯、安全）

下面详细展开每个部分。

（1）图像采集阶段（光学扫描和数据收集）

这是AOI检测的“眼睛”，决定了图像质量的上限。系统主要由三部分组成：

A. 光电转化摄影系统（相机与镜头）

核心是图像传感器 + 工业镜头。

• 传感器类型对比：

特性	CCD	CMOS（主流趋势）
电荷传输方式	全局电荷转移（移位寄存器）	每个像素独立放大与数字化
读取速度	较慢	极快（适合高速线扫描或多相机同步）
功耗	高	低
制造成本	高	低（大规模量产）
噪声与光晕/拖尾	低（全局快门优势）	早期较高，现已大幅改善
填充因子（Fill Factor）	高（近100%）	较低（需额外电路）
灵敏度	较高	早期较低，现高端型号已接近或超越
典型应用	传统线扫描AOI（PCB、FPD）	现代面阵 + 高速AOI、3D AOI、半导体检测

当前趋势：CMOS全面取代CCD，尤其是背照式（BSI）、全局快门、高动态范围（HDR）CMOS传感器已成为工业AOI主流。

• 镜头：工业定焦/变焦镜头、多分辨率远心镜头（避免畸变）、 telecentric镜头（用于高精度测量）。

• 扫描方式：

  • 线扫描（Line-scan）：适合连续运动物体（如卷对卷、长条PCB），配线阵CCD/CMOS。
  • 面阵扫描（Area-scan）：适合静止或步进定位物体，配面阵CMOS。

B. 照明系统（最关键的部分之一）

照明直接决定图像对比度、缺陷显露程度。现代AOI几乎全部采用可编程多通道LED光源。

常见照明方式：

• 环形光源（高角度/低角度）：RGB多色环形，最常见，用于焊点形状、体积判断。
• 同轴光：垂直照射，适合检测平面镜面反射、字符、划伤。
• 暗场光：低角度掠射，突出表面凸起、刮伤、毛刺。
• 背光：透射光，适合检测缺孔、轮廓尺寸。
• 穹顶光/漫射光：均匀无影，适合曲面或反光强的物体。
• 结构光/多角度组合光：用于3D AOI，重建高度信息。
• 多谱段光（UV/IR/可见光）：用于特殊材料（如荧光墨、红外反射）。

控制方式：通过光源控制器实现亮度、颜色、角度、开关的精确编程，通常与相机触发同步。

C. 控制系统

• 运动控制：XY精密平台（线性马达/丝杠）、Z轴调焦、传送带/机械手。
• 触发与同步：编码器、光电开关、PLC或运动控制器，确保相机在正确位置/时刻曝光。
• 精确定位：Mark点识别 + 补偿，实现亚像素级重复定位。

（2）数据处理阶段（预处理）

原始图像经过：

• 去噪（中值滤波、高斯滤波、双边滤波）
• 亮度/对比度校正（直方图均衡、伽马校正）
• 几何校正（畸变矫正、透视变换）
• 颜色空间转换（RGB → 灰度/HSV/Lab）
• 图像增强（边缘锐化、形态学处理）

目的是得到干净、稳定的待分析图像。

（3）图像分析阶段（核心算法）

现代AOI算法分为三代：

• 第一代：规则基（阈值、模板匹配、颜色提取）
• 第二代：特征工程 + 机器学习（SVM、随机森林）
• 第三代（主流）：深度学习（CNN、Transformer、GAN等）

常见检测方法：

• 模板比对（Template Matching）
• 统计建模（平均值、标准差）
• 颜色/灰度分割
• 边缘/轮廓提取（Canny、Sobel）
• 焊点模型分析（体积、形状、润湿角）
• 字符/条码读取（OCR）
• 3D重建（激光三角、结构光、相移、ToF）

AI AOI可实现自学习、弱监督学习，显著降低编程时间和误判率。

（4）缺陷报告阶段

• 缺陷分类（缺件、偏移、桥接、冷焊、虚焊、多锡、少锡、划伤、异物等）
• SPC统计（不良Pareto、趋势图、Cpk）
• 自动报警/分选（NG剔除、Repair站提示）
• 数据追溯（MES/SPC系统对接）
• 视觉化报告（缺陷定位图、照片存档）

三、总结与发展趋势

AOI已从2D向3D AOI、AI AOI、多传感器融合（视觉+激光+X射线）演进。未来关键方向包括：

• 更高分辨率、更快速度的CMOS传感器
• 深度学习驱动的零编程/自适应检测
• 3D + AI的焊点体积/空洞精确量化
• 与SMT全流程闭环反馈（工艺参数自优化）

欢迎关注更多机器视觉与光场成像技术讨论。