FPC膠線最終質量視覺檢測

FPC上的膠線（通常指補強膠、粘接膠或密封膠）最終質量視覺檢測是3C電子製造中非常關鍵的環節。由於FPC本身柔軟、易變形，且膠線反光特性複雜
，這對視覺檢測係統提出了較高的要求。

以下是關於 FPC膠線最終質量視覺檢測 的詳細技術解析和方案構成：
1. 檢測目標與常見缺陷

視覺檢測的主要目的是確保膠線的完整性、尺寸精度和位置準確性。

常見缺陷類型：

    尺寸類： 膠線寬度/高度超差、長度不足或過長。

    形態類： 斷膠、膠路彎曲（蛇形）、溢膠（膠水擴散超出指定區域）
、空洞/氣泡。

    位置類： 膠線偏移（相對焊盤或金手指偏移）、缺膠。

    異物類： 膠內包裹灰塵、氣泡或雜質。

2. 硬件方案選型

由於FPC材質和膠水的特性，硬件選型決定了成像的質量。

    相機：

        類型： 通常采用高分辨率工業相機（如500萬-1200萬像素）。

        色彩： 根據膠水顏色（透明、黃膠
、紅膠、黑膠）選擇彩色或黑白相機。對於透明膠檢測膠路有無
，可能需要特殊的偏振或染色光源。

    鏡頭：

        遠心鏡頭（用於精確測量尺寸，消除視差）或高分辨率FA鏡頭。

    光源： 這是成像成敗的關鍵。

        組合光源： 通常需要多種光源組合。例如，高角度環形光（凸顯膠體輪廓）
、低角度環形光（檢測表麵凹凸和斷膠）、同軸光（檢測平整反光麵）。

        特殊光源： 對於透明膠水，有時需要采用熒光激發光源或特定波長的藍光/UV光，使膠水“顯影”，從而獲得高對比度圖像。

    結構設計：

        載具/夾具： FPC通常放置於定製的專用載具中，通過真空吸附或壓蓋來保證其平整度
，因為FPC翹曲會導致膠線離焦，產生誤判。

3. 軟件算法核心

檢測軟件通常基於傳統的機器視覺算法庫或基於深度學習的AI算法。

    定位與ROI提取：

        利用FPC上的基準點（Mark點）進行高精度定位，精確截取膠線所在的感興趣區域。

    缺陷檢測算法：

        傳統視覺（Blob分析）： 適用於檢測斷膠
、溢膠（通過麵積分析）
、氣泡。

        灰度/幾何測量： 檢測膠線寬度
、位置偏移。

        深度學習（Deep Learning）：

            應用場景： 主要用於紋理複雜背景下的膠路提取，以及區分膠水與背景反光極其相似的情況。

            優勢： 對於“膠路是否光滑”、“微小氣泡”
、“膠水與金邊邊界模糊”等人類視覺容易判斷但傳統算法很難量化的特征，深度學習模型（如分割模型）表現優異。

4. 係統工作流程

    上料： 人工或機械手將FPC放置於檢測治具上。

    定位： 視覺係統識別FPC的Mark點，校正位置偏差。

    圖像采集： 根據預設程序，運動軸帶動相機或移動FPC，分段采集膠線的高清圖像。

    圖像拚接（如需）： 如果FPC較長，分段拍攝後需要進行圖像拚接，以便檢測貫穿整個長膠條的連續性。

    算法分析： 調用算法庫，計算膠線的寬度、麵積、連續性，並與標準模板比對。

    結果判定： 輸出OK（合格）或NG（不合格）信號。

    數據輸出： 生成檢測報告，記錄NG圖片，並進行分類統計（如統計斷膠占比
、溢膠占比）。

5. 技術挑戰與難點

    反光幹擾： FPC本身的金手指、銅箔反光很強
，容易在圖像中掩蓋透明的膠水。

        對策： 使用偏振片濾除反光
，或使用3D激光傳感器。

    透明膠檢測： 透明膠水在普通光源下幾乎“隱身”。

        對策： 利用激光輪廓儀進行3D檢測（通過高度差判斷膠路）
，或使用特殊的化學染色光源。

    變形問題： FPC在檢測工位上的細微翹曲會導致檢測結果偏差。

        對策： 采用機械壓平結構，或引入3D視覺
，在3D空間內測量膠線，消除Z軸高度變化對2D測量的影響。

6. 發展方向：2D+3D融合檢測

目前的趨勢是將2D視覺與3D視覺結合：

    2D視覺： 負責檢測顏色、黑點
、劃痕
、膠路輪廓。

    3D視覺（激光輪廓儀/共聚焦）： 負責測量膠線的實際高度、3D體積、3D斷膠。這對於控製點膠量、檢測高度超差至關重要。

FPC膠線檢測是一個需要結合光學、機械、算法和AI的綜合性項目。一個成功的方案需要針對具體的膠水類型（透明與否、黏稠度）和FPC背景進行定製化的光學實驗。