在快速发展的印刷电子工业中，NIR成像技术为基于有机材料的电路完整性检测提供了一种有
效的途径。图像处理中的近红外光谱已经在光伏行业建立了良好的光学机器视觉检测程序，即机器视觉检测微裂纹。
近红外光谱的图像处理已经在光伏产业中得到了很好的应用，它被用于要求光学检测程序，机器视觉检测太阳能电池在晶体生长和晶片锯切过程中可能出现的微裂纹。但是，正如本文所示，这项技术在其他领域的重要性越来越大。
近红外(NIR)光谱工业图像处理技术是一种强大的无损分析技术，用于生产线的质量保证和提高生产率。这一技术被证明是一种可靠的制造工具，用于一系列产品的在线机器视觉检测和分类。
例如，在近红外光谱中响应的行扫描相机系统目前用于机器视觉检测太阳能电池和含有电子部件的印刷电路板，以及用于大型网络和涂层机器视觉检测。
在可见光谱中工作的照相机产生基于RGB色差的数据。可见光谱允许分析元件的表面层，但近红外光谱中的电磁辐射(波长为0.75~1.4m)可以更深地穿透物体，提供远离表面的内部结构信息。
这是许多公司投入时间和资金开发分析工具和成像系统的一个关键原因，这些分析工具和成像系统使用NIR来“观察”物体如何与特定波长的电磁辐射发生相互作用(吸收或发射)，以提供有关其材料特性、特性和结构组成的信息和数据。
太阳能电池制造
光伏产业是一个迅速看到使用这些工具的好处的行业，由典型的100至200米厚的晶片制成的光伏太阳能电池，在制造的任何阶段都能发现缺陷。
当这些精密晶片被机械处理时，施加的应力可能会产生无法预测的微裂纹，导致晶片在随后的加工阶段发生机械故障。
重要的是，在生产过程的早期就清除具有临界微裂纹的晶片，以防止对已经损坏的晶片的浪费处理，以及由于加工过程中破碎的晶片碎片的污染而造成的生产线停工。
太阳能电池制造商不断受到压力，需要寻找提高效率、提高质量和降低成本的方法。随着太阳能产业进入成熟阶段，AOI系统正在迅速发展，在这一阶段，机器视觉将在生产层大规模采用。
在典型的制造环境中，AOI帮助进行错误检测和过程控制的方法有很多种。通过使用行扫描相机，NIR正在发挥重要作用。
一种方法是背光和近红外波长的发光检测。在背光条件下，裂缝会分散光线，在光线背景下形成一条很容易探测到的暗线。传感器需要2-8k像素的分辨率，7-14像素大小的分辨率才能检测到这些缺陷。
另一种高效的测试技术使用电致发光或光致发光。在激发时，无论是电的还是光学的，硅在近红外光谱中在1050
nm左右的波段发光。高分辨率机器视觉可以检测到微裂纹，这些裂纹在由近红外光源激发的图像中表现为细小、黑暗的线条。
然而，这两种技术并不完美。“传感器和相机的选择是开发用于背光源微裂纹检测的AOI系统的关键，”星飞解释道。
“挑战是电荷耦合器件(Ccd)图像传感器通常在近红外波长下具有较低的量子效率(Qe)，从而导致相对较弱的信号。此外，相机系统的近红外灵敏度差异很大。一些相机在900
nm处显示出高达30-40%的QE，而另一些则可能要低得多。
硅近红外发光效率低，输出强度较弱。为了产生有用的图像，相机需要集成使用的时间，往往是太长的在线机器视觉检测，在当今日益增长的生产线速度。样品晶片通常需要使用固定区域扫描相机进行离线检测.
为了满足光电行业对高速成像系统的需求，传感器开发商和制造商不断寻找更好的替代方案。一种方法是使用一种基于砷化铟(InGaAs)的传感器，它在1.1m处具有更高的灵敏度，而不是使用硅CCD。不幸的是，这项技术也非常昂贵。
一种叫做时间延迟和集成(Tdi)的技术，与高分辨率行扫描机器视觉摄像机相结合，创造了一种有潜力应对太阳能电池制造商目前面临的许多挑战的系统。线扫描技术可以捕获晶片的图像，这些晶片正以生产线的速度稳定地沿着传送带移动。采用“多次曝光”技术，TDI相机有效地获得了更高的响应率和更好的信噪比。
Teledyne
DALSA巧妙地结合了关键要素–在NIR和TDI技术中增强的QE–当它开发其Piranha HS
NIR行扫描相机时。目前在生产中，其响应率可与基于InGaAs的系统相媲美，但具有更高的成本效益(见“单摄像机可见和近红外成像”和“延时和集成技术”)。
“Piranha HS
NIR的TDI技术能够在保持低噪声性能的同时，使灵敏度提高数量级的多次曝光–这是高速和低噪声应用的理想选择。”
机器视觉更多应用了解
对一个行业的机器视觉检测性能和效率产生重大影响的技术在其他领域引起了相当大的兴趣，这是不足为奇的。
NIR相机也被印刷行业用来机器视觉检测用于制造钞票的纸上的安全特性。纸币的生产正变得越来越复杂。货币通常在多个地方印刷，但仍然必须符合一套严格的印刷要求。
纸币还包括一系列安全功能，如嵌入磁条和水印，必须机器视觉检测印刷过程，以确保它们符合特定标准。
“用可见光来机器视觉检测纸币上的水印是很困难的，所以这类应用经常使用近红外光谱(NIR)，”邢飞解释说。
通常，系统使用一种驱动机制组合，通过CCD线阵来携带纸张，该阵列捕获模式的可见图像和近红外图像，并对照存储的模板进行机器视觉检测。
机器视觉检测质量
现在每个国家对纸币进行严格机器视觉检测，但机器视觉检测用于保护药品的包装也是必不可少的，还有一个特别具有挑战性的应用是验证盲文浮雕的结构。
据设在英国的制药公司称，自2005年10月以来，欧洲联盟(欧盟)成员国一直被要求制定符合欧盟第2001/83/EC号指令的立法。这就要求所有在2005年10月30日后授权的产品必须带有盲文识别。2009年5月，国际雕刻和模具制造协会宣布了“CAN-Am盲文”-一套在美国和加拿大包装上使用盲文的指导方针和建议。
药品包装制造中的小故障可能造成危险后果。例如，一个盲点太小，或不够高，可能会混淆，甚至不正确地表示药物和剂量的信息。因此，制造商必须实施彻底的机器视觉质量控制程序，以消除错误。
盲文字体的点高对未经训练的手指是看不出来的，因此字符通常是通过机器视觉检测来评估的，但这会造成损坏，而且耗时。作为另一种选择，光学机器视觉检测系统可以可靠地识别盲文点并评估它们的触觉质量。
可见光不能用来机器视觉检测这些点，因为使用的一些材料是透明的，所以一种方法是使用近红外光谱。通过这种方式，制造商可以保证100%的包装机器视觉检测。
机器视觉应用在药品和生命健康
NIR技术不仅适用于包装，也适用于其所含的药物。在药品生产中，它被用于质量控制，正如北美销售副总裁布拉德·芬尼(BradFinney)所解释的那样。
Nir是用来机器视觉检测药片的。它观察活性成分的物理位置，或者它是如何在整个药片中分布的。虽然它没有用于生产线的速度，但它能够分析从生产运行中采集的样品。
芬尼接着说：“在医疗生命健康领域，光学相干断层成像(OCT)是NIR的一个成熟应用，它被用来获取病人视网膜的图像。在虚拟组织学中，它在需要更深的组织渗透的领域中的应用代表了一个即将到来的市场细分，目前的研究和开发工作正在研究如何将这项技术从实验室带到一个主流的商业环境中，通过帮助检测和分析皮肤表面或附近的肿瘤来诊断黑色素瘤和乳腺癌。数字病理学中的样品和幻灯片也需要NIR灵敏度，这依赖于特殊的荧光染料。
最后了解视觉检测
除了在半导体工业中使用外，NIR成像还可以为快速发展的印刷电子工业提供一种基于有机材料的电路完整性机器视觉检测的有效方法，邢飞说。
印刷电子学是电功能元件或光学油墨，它们沉积在基板上，以产生有源或无源器件，如薄膜晶体管或电阻。
预计这种生产技术将为柔性显示器、智能标签和动画海报等应用带来广泛、低成本、低性能的电子产品，因此，对于目前正在开发和销售NIR成像系统的公司来说，有潜力成为一个巨大的市场。
基于NIR技术的相机系统继续发展，并在不断扩大的应用中得到应用–其中一些已经建立起来，而另一些还处于发展阶段。
最近研究人员表明，NIR/SWIR机器视觉检测的性能优于超声波热成像和光脉冲/锁定热成像，这些实验的目的是分析玻璃纤维增强塑料(GFRP)在制造过程中可能出现的各种缺陷–如脱层、孔隙率、不理想插入件和材料不连续性。GFRP通常用于航空航天工业质量控制是最重要的部门，而且，基于国家清单报告的机器视觉检测程序似乎再次显示出其有用性。
