光源:八側面多角度高亮條形光源相機：標配2000萬CCD全彩工業面陣相機（可選配1200萬/2500萬/2900萬）FOV：400*300mm可檢PCBA尺寸：寬度400mm，長度不限；可選配寬度750mm，長度不限CPU：inteli59600KF；GPU：NVIDIA獨立顯卡顯存：8G/6G內存/硬盤存儲：16GDDR4/2T操作系統：：22寸/，率先對AOI進行變革。采用深度學習算法，解決AOI編程復雜、誤報多的行業痛點，為客戶提供智能的插件檢測方案。公司團隊深耕計算機視覺領域、圖形、圖像領域16余年，擁有20年行業背景。合作客戶覆蓋工控、電源、電力、家電、汽車電子、醫療電子、消費電子等多個行業。在長期的經營活動中以高效的服務贏得廣大客戶的信賴及推介.。 人認識物體是通過光線反射回來的量進行判斷，反射量多為亮，反射量少為暗。AOI與人判斷原理相同。山東不需要設置參數的AOI

    網絡：千兆網卡結構簡約，便于快速安裝Simplestructureeasytoinstallquickly落地式安裝，無需改動流水線Floormounted,noneedtochangetheassemblyline在線無感檢測，PCBA流過快速給出結果On-linesensorlessdetection,PCBAflowthroughthefastgivesresults寬度與高度可調，適應性強Adjustablewidthandheight,strongadaptability特色檢測項目（黑電感字符檢測、器件與底板同色的器件檢測、鋁電容頂部字符識別、黑灰電容字符識別、電池座方向識別、小鐵片檢測、聚丙烯電容字符識別、電線檢測、變壓器字符識別、晶振字符識別、螺紋/光頭射頻頭檢測、蜂鳴器方向檢測、東倒西歪的電容極性識別）本系統采用的卷積神經網絡（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計算且具有深度結構的前饋神經網（FeedforwardNeuralNetworks），是深度學習（deeplearning）的表示算法之一。卷積神經網絡仿造生物的視知覺（visualperception）機制構建，可以進行監督學習和非監督學習。作為圖像識別領域的中心算法之一，卷積神經網絡在學習數據充足時有穩定的表現。針對本系統所處理的大規模圖像分類問題，卷積神經網絡將用于提取圖像的判別特征，再通過分類器進行學習和識別。 上海AOI供應存在的主要問題是，當一些檢查對象是不可見的，或是在PCB上存在一些干擾使得圖像變得模糊或隱藏起來了。

    易用性：1、無需設置參數；上手快；2、在線抓拍首件板系統輔助做程序，自動框圖比例高，支持持續補充學習，學習后自動建模比例更高(80%+）；3、根據客戶需要，支持自定義器件名稱；4、支持快速更改工單號；5、支持批量復制、粘貼、剪切、刪除等快捷鍵操作多重智能算法檢測：1、智能識別鋁電容頂部字符；2、智能識別黑灰電容字符；3、智能識別黑電感字符或方向；4、智能識別電池座方向；5、小鐵片檢測；6、智能識別聚丙烯電容字符；7、電線檢測；8、金屬高頻頭螺紋/光頭檢測；9、智能識別變壓器字符；10、智能識別蜂鳴器方向；11、智能識別晶振字符；12、智能識別東倒西歪的電容極性。13、三極管方向檢測；14、橋堆方向檢測支持客戶離線編程、客戶遠程調控、遠程調試1、支持系統學習訓練，學習越多效果越好；2、支持本地學習。

光電轉化器可以分為CCD（chargeCouplingdiode）和CMOS（complementarymetaloxidesemiconductor）兩種。因為制作工藝與設計不同，CCD與CMOS傳感器工作原理主要表現為數字電荷傳送的方式的不同，工作原理如下圖所示，CCD采用硅基半導體加工工藝，并設置了垂直和水平移位寄存器，電極所產生的電場推動電荷鏈接方式傳輸到中間模數轉換器。這樣的結構與設計很難集成很多的感光單元，制造成本高且功耗大；而CMOS采用無機半導體加工工藝，每像素設計了額外的電子電路，每個像素都可以被定位，而無需CCD中那樣的電荷移位設計，對圖像信息的讀取速度遠遠高于CCD芯片，因光暈和拖尾等過度曝光而產生的非自然現象的發生頻率要低得多，價格和功耗比CCD光電轉化器也低，但其缺點是半導體工藝制作的像素單元缺陷多，靈敏度會有一些問題，同時，為每個像素電子電路提供所需的額外空間不會作為光敏區域。芯片表面上的光敏區域部分（定義為填充因子）小于CCD芯片。從理論上講，這個原因導致可以收集的圖像信息光子數會有所減少，所以，CMOS光電轉化元件一般需要搭配高亮度光源，噪音也比較大。AOI是全自動化，可以持續不斷地對同一件事物進行觀察而不會感到疲勞，這對于效率的提升而言是十分重要的。

AOI檢測主要應用領域包括PCB、半導體和FPD面板。因AOI檢測主要應用于PCB、半導體及FPD等電子元器件生產過程中的檢測環節，幾乎每一個電子元器件都需要進行瑕疵檢測，因此這些電子元器件的產量與AOI檢測的應用結構息息相關。因此，AOI檢測行業應用需求結構主要通過PCB、半導體和FPD的產量比例來進行測算得到。從AOI檢測設備應用需求分布情況來看，根據Yole調研數據顯示，2019年全球AOI檢測設備應用較多的是PCB行業，占到總體市場的69%。AOI系統集成技術會牽涉到關鍵器件、系統設計、整機集成、軟件開發等內容。山東智能AOI研發

愛為視新一代智能插件AOI，采用卷積神經網絡、先進深度學習模型，計算機視覺、圖形圖像處理等技術。山東不需要設置參數的AOI

當前電子產品日漸向著小型化趨勢發展，對產品元器件的微型化要求也越來越高，微型器件的組裝和檢測難以只通過人工完成，由此產生越來越多的自動檢測設備需求。與此同時，自動檢測設備還能夠健身制造成本、提升產品質量，AOI檢測設備代替人工的進程發展較快。在此背景下，中國自動光學檢測行業逐步發展起來。從AOI檢測設備來看，目前AOI檢測設備是SMT加工廠必備的設備，平均一條SMT生產線至少需要2-3臺AOI檢測設備，但我國AOI檢測設備的滲透率較低，只為50%左右。山東不需要設置參數的AOI

深圳愛為視智能科技有限公司主要經營范圍是機械及行業設備，擁有一支專業技術團隊和良好的市場口碑。愛為視致力于為客戶提供良好的智能視覺檢測設備，一切以用戶需求為中心，深受廣大客戶的歡迎。公司注重以質量為中心，以服務為理念，秉持誠信為本的理念，打造機械及行業設備良好品牌。愛為視憑借創新的產品、專業的服務、眾多的成功案例積累起來的聲譽和口碑，讓企業發展再上新高。