什么是AOI（自动光学检测）？详解AI AOI

AOI (automated optical inspection)是一种基于相机的检测设备，用于检查每块组装完成的印制电路板（PCBA）是否存在可见缺陷，如缺件、偏移、极反和不良焊点。在表面贴装（SMT）产线上，它通常部署在回流焊炉之后。锡膏检测（SPI）位于产线更前端，紧跟在钢网印刷机之后；而自动X射线检测（AXI）作为AOI的补充，用于检查隐藏在BGA和QFN本体下方、任何相机都无法看到的内部焊点。

AI AOI是同类检测设备，但拥有完全不同的大脑。基于规则的传统AOI通过检测框和阈值来判定每个元件，这些规则由工程师根据CAD数据和元件库手动编写。AI AOI则采用经过训练的机器学习模型：仅需一块已知良品板即可在数分钟内建好程序，并且通过操作员的复判反馈重新训练模型来降低误报，无需放宽判定阈值。

本页内容：AOI检测项目、基于规则的AOI工作原理、AI AOI带来的变革、AOI在产线中的部署位置、2D与3D对比，以及向供应商选型咨询的关键问题。想先了解实机表现？欢迎观看AI AOI演示，浏览DaoAI的AI AOI设备，或访问DaoAI首页。

2:21 · 2×2拼板上的AI编程演示，1:41起为AI反馈学习演示。

什么是自动光学检测（AOI）？

自动光学检测是对组装板进行基于相机的外观检查。设备在受控光源下对PCBA成像，将实测图像与标准状态进行比对，并标记出超出允收标准的元件或焊点。

AOI可捕获从板卡上方可见的缺陷：缺件、错件、偏移或旋转、极性反向、立碑、桥接连锡、少锡或多锡、引脚翘起和开路虚焊。它无法检测隐藏在BGA或QFN本体下方的焊点，这属于自动X射线检测（AXI）的工作范畴。

AOI本身不进行任何返修。它将板卡分拣为合格（Pass）和不合格（Fail），并为操作员呈现每一次判定的实测图像。其核心价值取决于两个关键指标：检出了多少真实缺陷（检出率），以及将多少合格零件误判为不良（误报率）。

基于规则的传统AOI是如何工作的？

基于规则的AOI依靠工程师手动编写的程序来检测每个元件。该程序通常基于四个核心输入。

• CAD或坐标数据。来自设计文件的X/Y坐标、角度、位号和料号，告知设备每个元件应在的理论位置。
• 元件库。从0402片式阻容到64-pin QFP，每种封装都需要一个库条目来定义其本体、引脚和焊盘。新增封装必须手动创建，且后续必须持续维护其准确性。
• 检测框。工程师在每个本体、引脚、焊盘以及可能产生桥接的间隙上手动画框。每个检测框运行相应的算法，如模板匹配、颜色比率、边缘检测或OCR。
• 阈值。每个检测框都设有合格/不合格判定限值。这些限值先基于标准板进行调试，再针对实际生产波动逐个参数反复调整。

这种方法行之有效，许多大批量产线运行良好。但代价是大量的工程工时：根据DaoAI的实际对比，基于规则的设备对每款新板改型的初始编程需要3至5小时，而对于包含数千个元件的复杂板卡，则需要数天时间。

第二项代价体现在量产阶段。当一个良好的焊点被误报时，最直接的处理方式就是放宽阈值。这样虽然消除了误报，但也放宽了使用该参数的所有元件的允收公差带，而这正是真实缺陷开始发生漏检的根源。

AI AOI带来了哪些改变？

AI AOI保留了光学硬件，但用训练模型取代了绝大部分手动编写的规则程序。在车间现场，主要体现在四个核心差异。

1. 单块良品板自动编程

无需从CAD和元件库从头建起，设备只需对单块已知良品板成像，即可自动识别每个元件，并自行生成检测框和阈值。在DaoAI设备上，这一过程仅需30秒至5分钟；在未进行任何人工调优前，自动编程生成的检测准确率即可达98%。

DaoAI自动编程无需预建元件库，CAD或BOM数据也仅为可选。这些数据用于添加实际位号和料号以便导出至MES系统和维修工位，但不会改变检测识别内容或判定逻辑。了解AI自动编程工作原理。

2. 深度学习模型取代像素规则

基于规则的检测框是将像素与模板或特定颜色区间进行比对。而经过训练的模型则基于海量良品和缺陷样本，对元件或焊点进行综合评分。

DaoAI的模型始于基于超过1,000,000张真实生产图像训练的视觉基础模型，随后针对您的具体板卡进行自适应。正因如此，即使第二家供应商的元件本体颜色稍有差异或丝印字体不同，也不会触发误报，而引脚翘起等真实缺陷仍能被准确拦截。

3. 整板全域检测

传统检测均在元件周围设定的检测框内运行。而裸板基材上的散落锡珠，或是夹在两元件之间的剪脚线头，往往不在任何一个检测框内。

AI AOI可增加全板扫描通道，专门检查元件之间的板面区域，针对锡珠、杂质颗粒和异物碎片（FOD）进行检测，而不仅限于各元件周边区域。

4. 反馈学习

当操作员将误报标记为OK时，AI系统会将该图像加入当前产品的数据集并进行重新训练，而不是简单放宽阈值。模型由此学习到什么是可接受的工艺公差偏差，而具有相似得分的真实缺陷依然能被捕获。

通过这种方法，DaoAI在对具体产品完成调优后，误报率可降至约1%。详情请参阅反馈学习页面。

现代AI AOI还涵盖哪些功能？

除自动编程与反馈学习外，现代AI AOI还将以下检测项与生产工具整合至同一工作流中。

拼板与阵列检测

拼板与阵列检测支持单板编程并检测整块拼板：系统直接从图像中读取行数、列数与间距，且每个子板均独立输出报表。上方的演示展示了2×2拼板的检测过程。

用于元件标识的AI OCR与OCV

AI OCR与OCV可在检测程序中统一处理元件表面标识。OCR可读取未预设的内容（例如序列号）；OCV则核验预期标识是否存在且准确无误。

焊点虚焊/开路检测

焊点虚焊/开路检测采用预训练的2D AI模型检测外观可见的开焊与虚焊缺陷。您可以在本地使用自有样品进行微调，以适配实际产线工况。

自定义缺陷模型

自定义缺陷模型支持在机台上使用产线图像进行离线训练。这使您能够针对特定产品的特有缺陷构建专属模型。

全面的工程级控制权限

全面的工程级控制权限在六个领域中保留了21项可配置参数。您手动调整的设定在每次AI重新编程后都会得以保留，锁定的参数也将严格维持设定值。

生产系统集成

生产系统集成涵盖MES数据导出与Cpk品质分析。配合专属维修站界面与轨道接驳控制，将检测环节无缝融入整体生产工作流。

检测覆盖能力

检测覆盖能力包含16项检测功能，可根据不同封装类型灵活选用。这些检测项均在自动生成的程序上直接运行。

DaoAI产品线包括离线式P1、P2及大尺寸P1L；在线式2D P3与双轨P3D；现已可供交付的在线式3D P5与P5D；以及仅用于通孔元件检测的A3——覆盖通孔元件的缺件、错件、反向和偏位缺陷。

AOI是生产制造设备，而不仅是算法

单凭一个优秀的算法模型并不能造就一台实用的AOI。设备必须能快速导入新产品，界面足够简单以便各班次操作员顺畅使用，并能在物料批次、供应商和PCB改版变化时保持稳定。评估任何AI AOI设备时，都应结合这三项指标综合考量：建线编程速度、在实际光源与物料波动下的稳定判定能力，以及上线后模型能持续迭代优化的反馈闭环。

基于规则的AOI vs AI AOI：两者有何差异？

AOI在SMT产线中的位置？

典型的SMT产线流程为：钢网印刷机、锡膏检测（SPI）、贴片机、回流焊炉、AOI，最后进入测试环节。炉后是AOI的标准部署位置，但AOI也可以布置在产线的多个节点，而在涉及隐蔽焊点的场景下则会加入X射线检测（AXI）。如需了解这三种检测方式的横向对比，请参阅AOI vs SPI vs AXI。

• 印刷之后：SPI测量锡膏体积、高度和面积。它是独立于AOI的设备，但能有效预防后续许多需要AOI来拦截的焊接缺陷。
• 回流焊前（炉前）：可选配置炉前AOI，在元件尚可手动微调纠正时捕获贴装偏差。
• 回流焊后（炉后）：最常见的部署位置。设备在焊点最终成型后同时检测贴装和焊接质量。
• 波峰焊前后：通孔插装板在过波峰前检查插装到位情况与极性，在过波峰后检查焊点与桥接短路。
• 线边离线：人工上下料机型，适用于NPI、打样原型、小批量生产、实验室及返修验证。

选择何种机型形态是一项单独的决策。我们的离线 vs 在线 vs 3D AOI指南详细分析了各类机型的适用场景。

当AOI的检测结果能顺畅向下游流转时，其价值才能最大化。导出至MES系统的缺陷代码、局部裁切图及整板全景图，让维修工位和品质工程师能够将任何判定追溯到具体的单板与元件位置。

2D与3D AOI有什么区别？

2D AOI基于多角度光源照射下拍摄的彩色图像工作。它通过光线在焊点或元件本体上的反射形态推断形状，足以应对缺件、极性、偏移、桥接以及大多数焊脚润湿（fillet）的检测。

3D AOI增加了实测高度图，通常通过从多个方向投影结构光栅图案来实现。引脚翘起、共面度、本体倾斜和焊锡体积等指标由“推断”变为“精确测量”。以DaoAI的P5为例，它采用四个Scheimpflug结构光投影单元（每个方向一个），高度测量精度达到6 µm或更优（参考技术指标）。P5及双轨机型P5D目前已可交付订购。

当高度相关缺陷确实可能流入客户手中时（如密间距翼形引脚IC、连接器及高可靠性组件），3D的高昂成本才物有所值。而对于许多常见板卡，一台编程良好的2D设备即可全面覆盖缺陷清单。

向AOI供应商选型时应该问什么？

1. 首板运行前需要哪些编程准备？需要CAD、元件库、缺陷样本，还是仅需一块良品板？
2. 导入一款新板需要多长时间（拿我的实际板卡测试）？要求现场实测演示，而非只看宣传册上的标称数据。
3. 如何降低误报？是通过放宽阈值、由供应商重新训练通用模型，还是基于工厂自身的样本重新训练？更新后是否可撤销回退？
4. 我们的工程师能否查看并覆盖每个阈值？AI重新编程时，手动编辑的参数是否会被保留？
5. 板卡图像和训练好的模型存储在哪里？在设备本地，还是厂外云端服务？
6. 哪些是标配功能，哪些是付费选配？在DaoAI设备上，自动编程、反馈学习、模型训练和离网运行均为全系标配。
7. 可输出哪些数据？CSV或MES导出、缺陷代码、Gage R&R及Cpk报告、维修工位视图。

更详尽的选型清单请参阅我们的指南：采购前如何评估一套AI AOI系统。

FAQ

AOI是什么意思？

AOI代表自动光学检测（automated optical inspection）：一种基于相机的检测设备，用于检查组装完成的PCB是否存在外观元件和焊接缺陷，在SMT产线上通常紧跟在回流焊之后。

AOI、SPI与AXI之间有什么区别？

SPI在印刷后、贴片前测量锡膏状态。AOI检查贴装好的元件及可见焊点，通常部署在回流焊后。AXI利用X射线检测隐藏在元件本体下方的焊点，例如BGA。大多数产线常规配置SPI和AOI，并在需要检测隐蔽焊点时引入AXI。

AI AOI是否需要CAD文件？

不一定。DaoAI的AI AOI仅凭单块良品板即可完成编程，无需CAD文件，且DaoAI自动编程也不需要预建元件库。后续可按需导入CAD或BOM数据，以补充实际位号和料号信息。

AI AOI能否取代X射线检测？

不能。无论是传统AOI还是基于AI的AOI，都只能检测相机视场内的可见区域。隐藏在BGA、LGA或QFN本体下方的焊点，仍需依靠X射线检测（AXI）。

AI AOI能否在无网络连接（离网）环境下运行？

这取决于供应商。DaoAI设备完全本地化部署运行，无需连接外网、无云端依赖、无需注册外部账号，模型训练直接在设备本地完成。

AI AOI只适用于大批量生产吗？

不是。极速编程、反馈学习和整板全域检测对大批量生产和多品种小批量产线同样带来显著收益；对于多品种产线而言，由于传统基于规则的编程耗时往往超过实际贴片生产周期，AI AOI尤为契合。AI AOI提供离线、在线2D、在线3D以及THT通孔等多种机型形态。

在AI AOI上如何处理误报？

操作员只需将报警元件标记为OK，系统便会自动将该图像加入当前产品的数据集。AI更新重训模型后，便不再将此类可接受的正常工艺偏差判定为不良，且不会因放宽阈值而导致真实缺陷漏检。

AI AOI能否检测包含多个子板的拼板？

可以。只需对其中一块子板编程，系统即可直接从图像中自动识别其余子板，无需手动输入行数、列数或间距。每个子板均基于自身特征独立定位对齐并单独输出报表；一致的位置可共享程序修改，同时单个位置也可单独进行编辑。

评估任何AOI最直接的方式就是在您自己的产品上实测。寄送一块您的板卡，我们将为您免费打样测试；或者预约30分钟技术演示，与DaoAI工程师一起实时见证您挑选的板卡现场生成检测程序。