FPC點(diǎn)膠異物視覺檢測系統(tǒng)的核心目標(biāo)是在點(diǎn)膠工序前后，自動(dòng)檢測FPC（柔性電路板）表面是否存在影響點(diǎn)膠質(zhì)量和產(chǎn)品可靠性的外來異物或缺陷。

如果說“定位系統(tǒng)”是系統(tǒng)的“眼睛和大腦”，那么“異物檢測系統(tǒng)”就是一位 “超級質(zhì)檢員” ，確保點(diǎn)膠操作是在一個(gè)潔凈、合格的基板上進(jìn)行的。


 一、 為什么要進(jìn)行異物檢測？

在FPC點(diǎn)膠（尤其是芯片封裝、元器件貼合）前，表面若存在異物，會(huì)導(dǎo)致：
1.  點(diǎn)膠位置偏差：膠水被異物墊高，導(dǎo)致粘接高度不準(zhǔn)、溢膠或虛焊。
2.  電氣短路：導(dǎo)電異物（如金屬碎屑、錫珠）可能導(dǎo)致電路短路。
3.  可靠性風(fēng)險(xiǎn)：非導(dǎo)電異物（如灰塵、纖維、塑料碎屑）會(huì)導(dǎo)致粘接不牢，長期使用后脫落引發(fā)故障。
4.  堵塞點(diǎn)膠針頭：飛揚(yáng)的異物可能污染點(diǎn)膠閥。

因此，該檢測是提升產(chǎn)品良率（Yield） 和可靠性（Reliability） 的重要前置關(guān)卡。



 二、 系統(tǒng)檢測目標(biāo)（What to Detect）

檢測的異物和缺陷類型通常包括：
   顆粒類異物：灰塵、纖維、金屬碎屑、錫球/錫渣。
   污染物：油漬、手指印、水漬、助焊劑殘留。
   基板缺陷：劃傷、壓痕、褶皺、銅箔露銅、覆蓋膜破損。
   工藝異物：來自前道工序的殘留物，如切割毛刺、沖型殘屑。



 三、 系統(tǒng)核心挑戰(zhàn)

FPC自身特性使得異物檢測極具挑戰(zhàn)：
1.  低對比度：異物（如透明纖維、白色灰塵）與FPC背景（可能為黃、綠、白色阻焊膜）顏色/灰度接近。
2.  復(fù)雜紋理背景：FPC上有走線、焊盤、字符、網(wǎng)格等固定圖案，容易與異物混淆。
3.  高反光表面：金手指、裸銅焊盤等區(qū)域反光強(qiáng)烈，會(huì)掩蓋異物或產(chǎn)生鏡面反射偽影。
4.  柔性形變：每次放置的平整度有細(xì)微差異，導(dǎo)致固定位置的參考圖像匹配失效。
5.  異物多樣性與隨機(jī)性：異物形態(tài)、大小、位置不固定，難以用簡單規(guī)則描述。



 四、 系統(tǒng)核心硬件構(gòu)成

1.  高分辨率相機(jī)：通常需要比定位系統(tǒng)更高分辨率的相機(jī)，以捕捉微小異物（如10μm級別）。線陣相機(jī)適合高速高精掃描，面陣相機(jī)更常用。
2.  精密光學(xué)鏡頭：遠(yuǎn)心鏡頭能消除因高度變化帶來的放大倍率誤差，對于有翹曲的FPC尤其重要。
3.  核心  特種光源系統(tǒng)：這是異物檢測成敗的絕對關(guān)鍵。必須采用能凸顯異物、抑制背景的照明方案，常見組合包括：
       多角度環(huán)形光：從不同角度照射，凸顯物體表面凹凸（如顆粒的陰影）。
       同軸光：用于檢測平整表面的劃傷、凹坑。
       低角度條形光：近乎平行照射，使平坦區(qū)域暗、凸起異物亮，非常適合檢測凸起的顆粒和纖維。
       穹頂光/積分球光：提供均勻無影照明，減少反光干擾，適合檢測顏色差異。
       多光譜/偏振光：用于區(qū)分特定材質(zhì)的異物（如金屬反光特性）。
4.  高性能處理平臺：由于算法復(fù)雜，通常需要更強(qiáng)的計(jì)算能力（如工業(yè)PC+GPU），以在節(jié)拍內(nèi)完成大尺寸圖像的處理。
5.  分選機(jī)構(gòu)：與PLC聯(lián)動(dòng)，根據(jù)檢測結(jié)果（OK/NG）將FPC分流到不同料道。



 五、 核心算法與技術(shù)

傳統(tǒng)方法與AI方法并存且常結(jié)合使用：

1.  傳統(tǒng)圖像處理算法（適用于規(guī)則背景或特定場景）：
       差分法/參考比對法：采集一張“標(biāo)準(zhǔn)良品”圖像作為模板，將待檢圖像與之做像素級差分。對背景穩(wěn)定、無紋理的簡單FPC有效。
       Blob分析：二值化后分析連通域的面積、圓度、長寬比等特征來篩選異物。
       紋理分析：使用傅里葉變換、小波變換等方法分析背景紋理，過濾掉規(guī)則紋理，保留異常的異物信號。
       形態(tài)學(xué)處理：用于增強(qiáng)或分離特定形狀的異物。

2.  基于深度學(xué)習(xí)的AI算法（當(dāng)前主流和趨勢，應(yīng)對復(fù)雜場景）：
       分類模型：判斷整張圖像“有異物”或“無異物”。簡單但無法定位。
       目標(biāo)檢測模型（如YOLO， Faster RCNN）：最常用。能直接定位圖像中異物的邊界框，并給出類別（如纖維、金屬屑）。適合檢測明顯、離散的異物。
       語義分割模型（如UNet， DeepLab）：更精細(xì)。能為圖像中每個(gè)像素分類，精確勾勒出異物（尤其是形狀不規(guī)則的污染物、劃痕）的邊緣輪廓。能計(jì)算異物的精確面積和位置。
       異常檢測/無監(jiān)督學(xué)習(xí)：僅用大量良品圖像進(jìn)行訓(xùn)練，學(xué)習(xí)“正常”的樣子，任何偏離“正常”模式的區(qū)域都被判定為異常。特別適合未知類型、難以窮舉的缺陷檢測，但誤報(bào)率可能較高。


與“點(diǎn)膠視覺定位系統(tǒng)”的關(guān)系與集成

在實(shí)際產(chǎn)線中，這兩個(gè)系統(tǒng)常常是協(xié)同工作甚至一體化集成的：
   順序作業(yè)：先進(jìn)行異物檢測，通過后再進(jìn)行視覺定位與點(diǎn)膠。這是最穩(wěn)妥的流程。
   功能復(fù)用：有時(shí)會(huì)使用同一套相機(jī)和光源，通過不同的照明模式和軟件算法，先后完成“定位”和“檢測”兩項(xiàng)任務(wù)，以節(jié)省成本和空間，但對系統(tǒng)硬件和軟件調(diào)度要求更高。
   數(shù)據(jù)閉環(huán)：檢測系統(tǒng)的數(shù)據(jù)可以反饋給前道工序（如清洗、切割），用于工藝優(yōu)化和問題溯源。



FPC點(diǎn)膠異物視覺檢測系統(tǒng)是高端智能制造中質(zhì)量控制環(huán)節(jié)的核心體現(xiàn)。它利用先進(jìn)的光學(xué)成像和智能圖像分析技術(shù)，解決了人眼檢測效率低、易疲勞、標(biāo)準(zhǔn)不一的問題。隨著FPC線路越來越細(xì)密，點(diǎn)膠精度要求越來越高，以及 “零缺陷” 生產(chǎn)理念的推廣，這套系統(tǒng)已從“可選”逐漸變?yōu)?“必備” 。其技術(shù)核心在于 “成像” 與 “算法” 的深度融合，尤其是深度學(xué)習(xí)的應(yīng)用，讓系統(tǒng)具備了應(yīng)對復(fù)雜背景和未知異物的強(qiáng)大能力。