随着器件封装尺寸的减小和电路板贴片密度的增加，SMA检查难度越来越高，人工目测就显得力不从心，其稳定性和可靠性都难以满足生产和质量控制的需要，故采用专用检查仪实现自动检测就越来越重要。首先用于生产的仪器是光学系统，这类仪器都有一个共同特点即通过光源对SMA反射光采集进行运算，经过计算机图像处理系统处理从而判断SMA上元件位置及焊接情况，所以这类设备称为自动光学检查（Automated Optical Inspection，简称AOI）。
AOI设备根据在流水线上的位置通常分为三种：第一种是放在丝网印刷后检测焊膏故障的AOI，称为丝网印刷后AOI；第二种是放在贴片后检测器件贴装故障的AOI，称为贴片后AOI；第三种是放在回流焊后同时检测器件贴装和焊接故障的AOI，称为回流焊后AOI。
下面将对上述三类AOI的故障检测能力和原理进行介绍。
1. 丝网印刷后AOI
在生产中，焊膏印刷质量将直接影响元器件的焊接质量。例如焊膏缺失将导致元器件开焊，焊膏桥接将导致焊接短路，焊膏坍塌将导致元器件冷焊或虚焊等故障。因此，在丝网印刷后采用AOI，将可以及时发现故障提高产品质量，减少返工及维修成本，目前对该道工序检测与监控越来越受到人们的关心和重视。
现在，在流水线上使用的AOI，通常是检测焊膏有没有刷上，焊膏之间有没有短路，生产中对该类机器的更进一步要求是能够测量焊膏的高度以及面积。有些机器采用激光测量的方法满足测量高与测面积的要求，但测试速度较慢，难以满足生产线上生产周期的要求。到目前为止，该工位后AOI还处于发展的初期，尚不成熟，许多公司的产品处于研发之中。
2．器件贴装后AOI
器件贴装后的AOI，能及时检出下列贴片缺陷：
·元器件漏贴
·元器件极性贴错/器件品名识别
·元器件偏移/歪斜
·片式元件侧立/直立
该工位后的AOI，为了能实现快速检测上述贴片缺陷，通常采用高分辩率彩色CCD，对被测贴片基板进行整体扫描，捕获被测元器件图像信息，并通过元器件图像的外观匹配、结构以及几何尺寸的分析，快速检测出有缺陷的元器件以及对贴片工序能力实时统计分析。
所谓外观匹配、结构尺寸分析是指CCD摄取元器件图像信息后，首先对元器件外观与计算机程序元器件图像信息相比较，以判别元件是否放置错误，若能判别出外观一致，即外观匹配的话，则说明器件存在并是正确的器件，并将进一步通过结构分析的方法对器件的位置进行检测，从而判别器件是否有偏移、歪斜、侧立/直立等缺陷。
而所谓的几何分析，则是指贴片后的AOI除了能检测出器件的贴装故障外，还能精确的测量出元器件的贴装位置，即能精确地测量出元器件贴装后引脚与焊盘之间的偏移量ΔX,ΔY和Δθ.
所以采用贴片后的AOI则能快速的分析出贴片缺陷，实时统计出贴片机的Cp/Cpk值，从而使工业人员知道当前贴片工作状态，并根据统计出的信息反馈回贴片工位，对贴片进行调整，校准偏移量，使贴片更加精确，预防故障的发生，因而贴后的AOI是生产流程控制中重要的检测工具，也是实现“贴片生产零缺陷”控制目标不可缺少的工具。
泰瑞达Optima7200是典型的贴片后AOI，其CCD的分辨率高达1兆像素，并采用长焦镜头，最小可检测的元器件尺寸为0.6mmX0.3mm,其检测精度为±0.1mm/3б。
3. 再流焊后AOI
在该工位的AOI可用来检测出元器件焊接后的各种焊接缺陷（也包括贴片缺陷）。其测试原理在于焊接强度WA与焊锡/元器件引脚之间润湿角θ存在着WA=бlg(1+cosθ)的关系，也就是通过焊锡的浸润状态可以推断出焊锡的焊接强度。
摄像头拍摄下的图像，它是由许多像素组成，并且每一个像素都有一定的灰度值（0～255）因此，通过一定数学模型进行图像信息处理，可以精确的判定焊接质量。
再流焊后AOI通常分为二维AOI和三维AOI两种，其中二维AOI采用垂直摄像头并通过彩色高亮度方法实现对焊点质量的判别，典型的产品是欧姆龙VT-RBT-S，该机在工作时红色、绿色、蓝色三种环形光线能从不同的高度照射基板，彩色摄像机垂直安装在环形照明的中心线上。
当光线照射到焊锡表面上，光线产生反射，由于红、绿、蓝三色光可分别从不同的角度照射到焊锡表面。
由于红色光线比另两种颜色光线位于离基板面更远的位置（更高的位置），所以相对基板面入射角较大。照射到平坦焊锡表面的光线向正上方的摄像机方向反射，而照射到倾斜的焊锡表面的光线不向正上方反射。因此对于平坦的焊锡表面部分，摄像机拍摄到的是红色区域。
与红色光线的原理相同，绿色区域为摄像机拍摄到的轻微倾斜的焊锡表面，而蓝色区域为摄影像拍摄到的陡峭倾斜的焊锡表面。这样三维焊点外形就可以通过彩色亮度模式转化为二维的彩色图像，从而进一步通过图像处理并结合一定的数学模型以实现对焊点质量的检测。
而三维AOI则在使用垂直摄影像头的同时，增加角度摄像头。当垂直摄影像头从上往下看的同时，角度摄像头则从侧面来观察焊点图像，就好像人工目检一样，为看清局部细节，往往需要调节光线与观察角度，因此三维AOI比二维AOI有更强的故障检测能力，例如当检测PLCC器件焊接质量时，三维AOI的优势以充分显现出来。
三维AOI中的照明系统则采取独立可控的LED发光二极管阵列作为光源，LED发光二极管排成一个精密环形阵列，全部聚焦在视场上，越靠内圈灯光越接近垂直角度，越靠外圈灯光的照射角度越倾斜，并可以用编程来控制这些二极管，以实现最优的照明纹理、角度和密度。可为每一幅检测画面调整照明的角度、方向和亮度，满足任何检测所需的独特要求。
不同于单个氙气闪频管或荧光管，LED阵列可以提供可靠的检测焊点所需的更高的照明灵活性，精确的控制光源确保精确和稳定地检测故障。
泰瑞达Optima7300AOI，该机型采用一个垂直摄像头，四个角度摄像头，组成检测系统。
检测头固定在X-Y伺服定位系统之上，X-Y伺服定位系统则由高精度的线性马达、线性编码器—导轨组成，故检测头运行稳定、定位精度高、图像清晰稳固、噪音低，检测的PCB最大宽度为600mm,最小元件为0.6mmX0.3mm。
工作时，PCB固定不动，检测头只需对电路板进行一次高速扫描，每一视场可采集10帧图像，每一个元件都有多幅图像，从不同角度来检测元件的焊接质量，并且采集到的图像信息能直接传送到计算机的内存，可实现高速详细分析。
4. 回流焊后AOI检测原理及算法
(1). 检测方法及原理
AOI工作时，CCD对SMA需要检测的部位依次进行图形拍摄，每拍摄一幅图像称为视场FOV(filed of view)，一个FOV是由许多像素(pixel)组成，每一个像素都有一个灰度像值(0～255)，AOI就是根据每个元件焊点拍摄到像素多少以及每一个像至少的灰度值进行量比评估，并以此为依据做出焊点质量好坏的结论。为了做好这项评估，首先在AOI检测程序中将同一类器件设有相同的模型(MODEL)，每个模型都有许多与检测有关的窗口(inspection window)，每个检测窗口都设有一种计算规则(algorithm)，又称为“算法”、用一个角度摄像头（camera）、配一种灯光(lighting mode)、设置一个通过值(pass level)，窗口检查的故障类型(error class)。检测窗口的位置和大小如何，采用何种算法，用哪个摄像头，配什么灯光，设置多少通过值，查哪种故障类型，其原则是：利用灯光与摄像头的配合，体现出想要检查部位的光学特性，将检测窗口放在该位置，确定正常和有故障时该检测窗口中的光学特征有明显的区别，选定一种能区分该光学特征的算法，再根据正常与故障时各自不同的读值（combine reading），设定好一个适当的通过值（位于两个读值中间,作为评估焊点质量的依据）。
（2）AOI基本算法
·亮度(BRIGHT)
在检测窗口中灰度值大于127的像素所占检测窗口总像素的百分比，读值取值范围0—100。通过值判断为正逻辑，即读值大于通过值为通过(pass)，读值小于等于通过值为故障。
·暗度(DARK)
读值同BRIGHT的计算原则，取值范围0—100。通过值为判断为正逻辑，即读值小于通过值，读值大于等于通过值为故障。
·对比度(CONTRAST)
在检测窗口中具有对比的像素占检测窗口总像素的百分比，读值范围0—100。通过值判断为正逻辑，即读值大于通过值为通过，读值小于等于通过值为故障。
·无对比度(NO CONTRAST)
读值同CONTRAST的计算原则，读值范围0—100。通过值判断为正逻辑，即读值小于通过值为通过，读值大于等于通过值为故障。
·水平线(HORIZONTAL LINE)
在检测窗口中有一条连续的亮线从窗口的左边界到右边界，读值范围0—100。通过值判断为正逻辑，即读值大于通过值为通过，读值小于等于通过值为故障。
·无水平线(NO HORIZONTAL LINE)
读值同HORIZONTAL的计算原则，读值范围0—100。通过值判断为反逻辑，即读值小于通过值为通过，读值大于等于通过值为故障。
·垂直线(VERTICAL LINE)
在检测窗口中有一条连续的亮线从窗口的上边界到下边界，读值范围0—100。通过值判断为正逻辑，即读值大于通过值为通过，读值小于等于通过值为故障。
·无垂直线(NO VERTICAL LINE)
读值同VERTICAL的计算原则，读值范围0—100。通过值判断为反逻辑，即读值小于通过值为通过，读值大于等于通过值为故障。
·亮百分比(PERCENT WHITE)和暗百分比(PERCENT BLACK)
在这两类检测窗口中有一个阀值，取值范围0～255。对窗口中每一个像素根据灰度值与阀值比较，大于阀值为1，小于阀值为0，即进行二值比，PERCENT WHITE的读值为二值化为1的像素占窗口中总像素的百分比，PERCENT BLACK的读值为二值化为0的像素占窗口中总像素的百分比。取值范围0—100。通过值判断为正逻辑，即读值大于通过值为通过，读值小于等于通过值为故障。
5．常见焊接缺陷的检测
·焊点锡少
器件引脚与焊盘之间的锡膏经再流焊后形成一个包围器件引脚的光滑弧面，如果锡膏适量，则使用角度摄像头，灯光沿摄像头的方向的两侧照射视场，在管脚与焊盘的焊锡弧面有两处反光的亮点，而周围则比较暗。放置一个检测窗口，框住两个亮点，选用CONTRAST算法，检测对比度。若焊锡适量，则具有一定的对比度，若焊锡少，则不会形成能反光的弧面，对比度的度值灰比较小。
·元件竖立
当元件竖立，焊盘上的焊锡融化未与管脚相连，使用垂直摄像头，灯光从垂直方向照射视场，在本该出现暗的地方变成亮的，采用DARK算法，即可检测出此缺陷。
·元件缺失
观察元件无缺失与缺失后有何明显不同，根据元件本身有无对比度及印刷电路板上有无丝印层等具体情况，可采用不同的策略和算法，现介绍其中一种。用垂直摄像头，用外圈环形灯，若元件缺失，则其焊盘在外圈环形光的照射下，会在管脚与焊盘的焊锡弧面有两处反光的亮点，而周围则比较暗，利用元件无缺失时能挡住的反光位置，放置检测窗口，采用NO CONTRAST算法。当元件无缺失，元件表面无对比度。或当元件缺失，则看到焊盘的亮处，形成对比度，从而检测出元件是否漏贴。
·桥接
用角度摄像头正视管脚，灯光从摄像头方向照射视场。如果在管脚与管脚之间有焊锡桥接，则会有一条水平亮线，因此在管脚与管脚之间放置一个窗口，选用NO CONTRAST算法，可以方便地判别出引脚处的桥接。
·极性
极性检测取决于元件提供的极性标志，也可以对器件上的字用PERCENT WHITE或PERCENT BLACK算法进行检测，即可快速地判别器件极性是否正确。
图1板翘曲补偿原理图 1 0 2
图1所示0号线。在被测板的适当位置放置测量板翘曲的窗口位置，不能放在元件或有布线的区域。通过此时角度摄像头拍摄的激光线相对于中间水平位置是上下偏移量来计算出此处发生板翘曲的具体数据，则对此FOV中的检测窗口位置进行调整。若实际激光线向上偏移，如图1中1号线，则板向上拱，如图1中2号线，则板向下。
三维AOI在多个摄像头的监控下以及各种算法的配合下，能及时发现各种焊接缺陷，统计表明60%以上的焊接缺陷与焊膏印刷有关，还有30%的焊接缺陷与管理有关，当前尽管贴片机已能实现高速高精度贴片，自动化程度达到相当高的水平，然而，换料仍依靠人工进行，大部分元器件因极性出错的缺陷中，其中90%是IC器件。目前，采用stic包装的IC，容量小换料频繁，容易出错，即使是编带包装有时也会出错，而AOI不仅能及时发现各种焊接缺陷，而且能及时监控SMT生产各个环节。
利用统计过程控制(SPC)监控制造过程来确保产品质量的理念，随着向精细化方向发展，愈来愈受到人们的广泛重视，而AOI的实时SPC功能，更能及时解决生产过程中的问题，假如，若发现一个有人为失误造成的缺陷时，采用法修改，要比重复处理该缺陷容易得多。及时发现与解决会明显减少返修，从而直接转化为降低成本，这也是提倡使用AOI的原因所在