Автоматический оптический контроль

Автоматический оптический контроль (АОК, англ. Automated Optical Inspection, AOI) — это технология неразрушающего контроля, основанная на анализе оптических изображений объекта с помощью специализированных систем машинного зрения. АОК применяется для автоматического выявления дефектов, отклонений от заданных геометрических параметров, наличия посторонних включений или отсутствия элементов на поверхности изделий. Системы АОК широко используются в промышленности, особенно в электронике, машиностроении, фармацевтике и производстве упаковки.

История развития

Первые системы машинного зрения для промышленного контроля начали разрабатываться в 1970-х годах в США и Японии. Первоначально они использовали простые алгоритмы сравнения изображения с эталоном (шаблоном). Однако низкая производительность вычислительной техники того времени ограничивала их применение только простыми и медленными операциями.

Значительный прогресс в АОК произошел в 1980-х годах с появлением более мощных микропроцессоров и CCD-матриц (приборов с зарядовой связью). В 1985 году компания Omron (Япония) представила одну из первых коммерчески успешных систем AOI для контроля печатных плат. В 1990-х годах развитие алгоритмов обработки изображений, включая методы корреляции и фильтрации, позволило повысить точность и скорость контроля.

В 2000-х годах с распространением поверхностного монтажа (SMT) и миниатюризацией электронных компонентов АОК стал обязательным этапом в производстве электроники. Внедрение светодиодных источников света (LED) и программируемых осветительных систем (например, кольцевых, коаксиальных, структурных) улучшило контрастность и детализацию изображений.

С 2010-х годов в АОК активно внедряются технологии искусственного интеллекта, в частности глубокие нейронные сети (CNN), что позволило перейти от жестких алгоритмов сравнения к обучению на примерах и классификации дефектов по категориям. В России разработка и внедрение систем АОК ведутся, в частности, в рамках программ импортозамещения в микроэлектронике и приборостроении.

Устройство и принцип работы

Типовая система АОК состоит из следующих основных компонентов:

• Оптическая подсистема: включает одну или несколько камер (обычно CCD или CMOS) с объективами, обеспечивающими необходимое разрешение и поле зрения. Для освещения объекта используются различные типы источников света: светодиодные кольцевые, боковые, коаксиальные, структурированные (с управляемыми углами падения света).
• Механическая подсистема: обеспечивает перемещение объекта относительно камеры или камеры относительно объекта. Чаще всего используются координатные столы с сервоприводами или конвейерные ленты. Для высокоскоростных линий применяются системы с фиксированными камерами и движущимся объектом.
• Подсистема обработки изображений: представляет собой промышленный компьютер или встраиваемый вычислитель, на котором работают алгоритмы анализа изображений. Современные системы часто используют графические процессоры (GPU) или специализированные нейропроцессоры для ускорения обработки.
• Программное обеспечение: включает модули захвата изображения, предобработки (фильтрация шума, коррекция искажений), сегментации, распознавания и классификации. Для настройки системы используется графический интерфейс, позволяющий оператору задавать критерии контроля и обучать нейросеть.

Принцип работы

Процесс АОК обычно включает следующие этапы:

1. Захват изображения: камера делает снимок контролируемого участка при заданном освещении.
2. Предобработка: изображение очищается от шума, корректируется яркость и контраст, устраняются геометрические искажения.
3. Поиск и сегментация: алгоритмы выделяют на изображении области интереса (например, контакты микросхемы, дорожки платы, этикетки на упаковке).
4. Анализ и сравнение: выделенные области сравниваются с эталонными изображениями или данными из базы знаний. Могут использоваться различные методы: сравнение по шаблону, корреляционный анализ, измерение геометрических параметров, анализ цвета и текстуры.
5. Классификация: система относит обнаруженное отклонение к одному из классов (дефект, допустимое отклонение, ложное срабатывание). При использовании нейросетей классификация выполняется на основе обученной модели.
6. Выдача результата: система формирует отчет, отмечает дефектные участки на изображении, может подавать сигнал на отбраковку или остановку линии.

Классификация систем АОК

Системы автоматического оптического контроля можно классифицировать по нескольким признакам.

По типу контролируемых объектов

• Для печатных плат (PCB AOI): контролируют качество пайки, наличие и правильность установки компонентов, целостность дорожек, отсутствие замыканий и обрывов. Это наиболее распространенный тип АОК в электронике.
• Для полупроводниковых пластин (Wafer AOI): используются в производстве микросхем для контроля топологии, наличия дефектов (царапин, частиц пыли, дефектов фотолитографии).
• Для упаковки и этикеток: проверяют качество печати, наличие штрих-кодов, правильность нанесения маркировки, целостность упаковки.
• Для машиностроительных деталей: контролируют геометрические размеры, наличие трещин, сколов, коррозии на поверхностях.
• Для фармацевтической продукции: проверяют целостность блистеров, наличие таблеток, правильность нанесения дозировки и маркировки.

По типу используемого освещения

• Системы с фронтальным освещением: свет падает на объект под углом, создавая тени и подчеркивая рельеф. Используется для контроля пайки, рельефных дефектов.
• Системы с коаксиальным освещением: свет проходит через полупрозрачное зеркало и падает на объект вертикально. Обеспечивает равномерное освещение, подходит для контроля плоских поверхностей.
• Системы с боковым освещением: свет падает сбоку, подчеркивая края и контуры. Используется для контроля зазоров, наличия компонентов.
• Системы со структурированным освещением: используются несколько источников света, включаемых поочередно или одновременно, что позволяет получать информацию о трехмерной структуре объекта (например, высота шариков припоя).
• Системы с лазерным освещением: применяются для прецизионных измерений и контроля шероховатости поверхностей.

По типу камер

• Линейные камеры (line-scan): формируют изображение построчно, сканируя движущийся объект. Используются для контроля непрерывных материалов (лент, рулонов) или длинных объектов.
• Матричные камеры (area-scan): захватывают изображение целиком за один кадр. Подходят для контроля отдельных деталей или участков.

Применение в промышленности

Электронная промышленность

В производстве печатных плат (PCB) АОК является ключевым этапом контроля качества. Системы AOI устанавливаются после операций пайки оплавлением (reflow) и после волновой пайки. Они позволяют выявлять:

• Отсутствие компонентов (missing components).
• Смещение компонентов (misalignment).
• Перевернутые или неправильно ориентированные компоненты (tombstone, billboarding).
• Дефекты пайки: недостаток или избыток припоя, холодные пайки, мостики припоя (solder bridges), пустоты (voids).
• Царапины, трещины на подложке.
• Загрязнение платы флюсом.

Машиностроение и металлообработка

В машиностроении АОК применяется для контроля:

• Геометрических размеров деталей (длина, ширина, диаметр отверстий).
• Наличия и правильности нанесения резьбы.
• Качества поверхности (царапины, вмятины, коррозия).
• Контроля сварных швов (наличие пор, трещин, непроваров).

Фармацевтика и медицина

В фармацевтике АОК используется для контроля:

• Целостности блистеров и ампул.
• Наличия таблеток или капсул в упаковке.
• Правильности нанесения маркировки (дата, номер партии, штрих-код).
• Отсутствия посторонних включений в жидкости (для инъекционных растворов).

Пищевая промышленность и упаковка

В пищевой промышленности АОК контролирует:

• Качество печати на упаковке.
• Наличие и правильность нанесения этикеток.
• Целостность упаковки (трещины, проколы).
• Отсутствие посторонних предметов в продукте (камни, металл, пластик).

Преимущества и ограничения

Преимущества

• Высокая скорость: системы АОК могут проверять тысячи деталей в час, значительно превосходя по производительности ручной визуальный контроль.
• Объективность: результаты контроля не зависят от усталости, квалификации или настроения оператора.
• Воспроизводимость: система всегда применяет одни и те же критерии, что обеспечивает стабильное качество.
• Точность: современные системы способны выявлять дефекты размером в единицы микрометров.
• Сбор данных: АОК позволяет накапливать статистику по дефектам, что помогает выявлять причины брака и оптимизировать производственные процессы.
• Неразрушающий контроль: объект не повреждается в процессе проверки.

Ограничения

• Высокая стоимость: сложные системы АОК, особенно с нейросетевым анализом, требуют значительных капитальных вложений.
• Чувствительность к внешним условиям: освещение, вибрации, загрязнение оптики могут снижать точность контроля.
• Ложные срабатывания: система может ошибочно классифицировать допустимые отклонения как дефекты, что приводит к излишней отбраковке.
• Сложность настройки: для обучения нейросети требуется сбор и разметка большого количества изображений дефектов.
• Ограниченная применимость: АОК эффективен для контроля поверхностных дефектов и геометрии, но не всегда способен выявить внутренние дефекты (например, трещины в толще материала).

Перспективы развития

Основные направления развития АОК связаны с интеграцией искусственного интеллекта, повышением быстродействия и расширением функциональности. Внедрение глубоких нейронных сетей позволяет значительно снизить количество ложных срабатываний и автоматически классифицировать дефекты по типам. Развитие 3D-зрения (стереоскопические камеры, лазерные профилометры) позволяет контролировать не только двумерные, но и трехмерные параметры объектов (высота, объем, профиль). Также перспективным направлением является использование гиперспектральной съемки, позволяющей анализировать химический состав поверхности. В России ведутся разработки отечественных систем АОК, в частности, в рамках государственных программ по развитию микроэлектроники и станкостроения.

Источники

• ГОСТ Р 57100-2016 (ISO 10360-7:2011) «Геометрические характеристики изделий (GPS). Контроль координатно-измерительных машин с использованием оптических датчиков».
• ГОСТ Р 53610-2009 «Контроль неразрушающий. Оптический контроль. Общие требования».
• Справочник по автоматическому оптическому контролю в электронике / Под ред. А.В. Кузнецова. — М.: Радио и связь, 2015.
• Технологии машинного зрения в промышленности / Ю.И. Морозов, В.В. Смирнов. — СПб.: Политехника, 2018.
• Материалы конференций «Автоматизация и контроль в промышленности» (Россия, 2020-2023).
• Документация производителей систем AOI: Omron, Koh Young, Mirtec, CyberOptics.
• Статья «Automated Optical Inspection (AOI)» в журнале «Electronics Manufacturing», 2021.