什么是 AI AOI？AI 自动光学检测如何工作

AI AOI 是一种 AOI 自动光学检测，它使用训练好的机器学习模型，而不是人工编写的规则，来判定印制电路板组件（PCBA）上每个元件和焊点是良品还是不良。相机和光源与传统 AOI 类似，改变的是检测程序的建立方式和每一次判定的方式。实际上，这意味着程序只需一块已知良好的板、几分钟即可建立，而不必花几个小时依据 CAD 数据和元件库来编写；误报则通过重新训练模型来减少，而不是放宽阈值。

什么是自动光学检测（AOI）？

自动光学检测是一种基于相机对组装板进行的检查。设备在受控光照下对 PCBA 成像，把看到的与应有的状态进行比较，并标记出超出验收标准的元件或焊点。

AOI 能抓出从上方可见的缺陷：缺件、错件、偏移或旋转、极性反、立碑、连锡、少锡或多锡、翘脚以及空焊。它看不到 BGA 或 QFN 本体下方的隐藏焊点，那是自动 X 射线检测（AXI）的工作。

AOI 不修复任何东西。它把板子分为合格和不合格，并为每一个报警向操作员展示对应的图像。它的价值归结为两个数字：能抓到多少真实缺陷，以及把多少良品判为不良（误报）。

传统的基于规则的 AOI 如何工作？

基于规则的 AOI 用工程师手工建立的程序检测每个元件。程序通常依赖四项输入。

• CAD 或坐标数据。设计文件中的 X/Y 位置、旋转角度、位号和料号，告诉设备每个元件应该在哪里。
• 元件库。从 0402 片式元件到 64 脚 QFP，每种封装都需要一个描述本体、引脚和焊盘的元件库条目。新封装要手工添加，并且此后必须一直保持正确。
• 检测窗口。工程师在每个本体、引脚、焊盘以及可能出现连锡的间隙上放置检测框。每个窗口运行一种算法，例如模板匹配、颜色比例、边缘检测或 OCR。
• 阈值。每个窗口都有合格/不合格限值。这些限值先对照标准板（golden board）调试，再根据实际生产中的差异逐个参数重新调整。

这种方法是可行的，许多大批量产线都运行得很好。代价是工程时间：DaoAI 自己的对比显示，在基于规则的设备上，每个板型的初始编程需要 3 到 5 小时，元件数达数千个的板则要好几天。

第二项代价出现在生产中。当一个良好焊点被报警时，最快的解决办法是放宽阈值。这样误报消失了，但所有用该参数判定的元件的接受范围也随之放宽，真实缺陷就是这样开始漏过去的。

AI AOI 带来了哪些改变？

AI AOI 保留了光学系统，但用学习得到的模型取代了大部分手工编写的程序。在车间现场，有四点区别最为重要。

1. 根据一块标准板自动编程

设备不再从 CAD 和元件库开始，而是对一块已知良好的板成像，找出每个元件，并自行生成检测窗口和阈值。在 DaoAI 设备上，这需要 30 秒至 5 分钟，自动编程完成后、未经任何调试即可达到 98% 的检出准确率。

DaoAI 自动编程不需要预先建好的元件库，CAD 或 BOM 数据也是可选的。这些数据可以为 MES 导出和维修单补充真实的位号和料号，但不会改变检测什么以及如何判定。请参阅 AI 自动编程如何工作。

2. 用学习得到的模型取代像素规则

基于规则的窗口把像素与模板或颜色范围进行比较。学习得到的模型则基于大量良品和不良品样本，对元件或焊点进行整体评分。

DaoAI 的模型从一个用超过 1,000,000 张真实生产图像训练的视觉基础模型出发，再针对您的板进行适配。正因如此，第二供应商略有不同的本体颜色或丝印字体不一定会触发报警，而翘脚仍然会被报出。

3. 整板检测

每一项传统检测都在元件周围的窗口内运行。落在裸基材上的锡珠，或者两个元件之间的剪脚线头，不在任何一个窗口内。

AI AOI 可以增加一项检测，查看元件之间的板面是否有锡珠、颗粒和异物（FOD），而不仅仅是每个元件周围的区域。

4. 反馈学习

当操作员把一个误报标记为 OK 时，AI 系统可以把这张图像加入该产品的数据集并重新训练，而不是放宽阈值。模型学会了可接受的变体长什么样，而分数相近的真实缺陷仍然会被抓到。

采用这种方法，DaoAI 在一个产品上调试后的误报率可达约 1%。详情请参阅 反馈学习 页面。

基于规则的 AOI 与 AI AOI：如何比较？

AOI 在 SMT 产线中处于什么位置？

典型的 SMT 产线依次是：钢网印刷机、锡膏检测（SPI）、贴片机、回流炉，然后是测试。AOI 可以放在沿线的多个位置。

• 印刷后：SPI 测量锡膏的体积、高度和面积。它是一台独立的设备，不是 AOI，但能预防许多原本要到后面才被 AOI 发现的焊锡缺陷。
• 回流焊炉前：可选的 AOI，在元件还能用手拨正时抓出贴装错误。
• 回流焊炉后：最常见的位置。设备在已完成的焊点上同时看到贴装和焊接质量。
• 波峰焊炉前与炉后：插件板在炉前检查插装和极性，在炉后检查焊点和连锡。
• 离线，放在产线旁：手动上板的设备，用于 NPI、打样、小批量、实验室和返修验证。

AOI 结果只有继续向下游流转时才最有用。导出到 MES 的缺陷代码、裁剪图和整板图像，让维修站和质量工程师可以把任何报警追溯到具体的板和位置。

2D AOI 和 3D AOI 有什么区别？

2D AOI 基于多角度光源下拍摄的彩色图像工作。它根据光在焊点或本体上的反射来推断形状，这足以完成元件有无、极性、偏移、连锡以及大多数焊点爬锡检测。

3D AOI 增加了实测的高度图，通常是从多个方向投射结构光图案。翘脚、共面度、本体倾斜和焊锡体积都变成了测量值，而不是推断。例如 DaoAI 的 P5 使用四个 Scheimpflug 结构光投影单元，每个方向一个，高度精度可达 6 µm 或更好（参考规格）。P5 和双轨的 P5D 现已可供货。

当与高度相关的缺陷真的会流到客户手中时，3D 的额外成本才物有所值：细间距鸥翼形 IC、连接器和高可靠性组件。对许多板来说，一台编程良好的 2D 设备就能覆盖缺陷清单。

应该向 AOI 供应商问哪些问题？

1. 跑第一块板之前，编程需要什么？CAD、元件库、缺陷样本，还是只要一块良品板？
2. 在我的板上实测，一块新板需要多长时间？要求现场观看，而不是看宣传册上的数字。
3. 误报如何减少？是放宽阈值、由供应商重新训练共享模型，还是用我自己的样本重新训练？更新可以撤销吗？
4. 我的工程师能看到并修改每一个阈值吗？AI 重新编程时，手动修改会保留吗？
5. 板子图像和训练好的模型存放在哪里？在设备上，还是在厂外的云服务中？
6. 哪些是标配，哪些是付费选项？在 DaoAI 设备上，自动编程、反馈学习、模型训练和离线运行在全系列都是标配。
7. 能输出哪些数据？CSV 或 MES 导出、缺陷代码、Gage R&R 和 Cpk 报告、维修站视图。

更完整的检查清单请参阅我们的指南 购买前如何评估 AI AOI 系统。

FAQ

AI AOI 需要 CAD 文件吗？

不一定。DaoAI 的 AI AOI 只需一块标准板即可为板子编程，不需要 CAD 文件，DaoAI 自动编程也不需要预先建好的元件库。之后可以补充 CAD 或 BOM 数据，以提供真实的位号和料号。

AI AOI 能取代 X-ray 检测吗？

不能。无论是否基于 AI，AOI 都只能看到相机视角下可见的部分。BGA、LGA 或 QFN 本体下方的隐藏焊点仍然需要 X-ray（AXI）。

AI AOI 能在不联网的情况下运行吗？

这取决于供应商。DaoAI 设备完全本地运行，没有云端、不需要账号、不与厂外连接，模型训练也在设备上进行。

AI AOI 只适用于大批量生产吗？

不是。快速编程、反馈学习和整板检测对大批量产线和多品种产线同样有帮助，而多品种生产尤其适合，因为在那里基于规则的设置时间可能比生产时间还长。AI AOI 有离线、在线 2D、在线 3D 和插件检测等多种形式。

AI AOI 如何处理误报？

操作员把被报警的元件标记为 OK，系统就把这张图像加入该产品的数据集。AI 更新会重新训练模型，使其不再对这种可接受的差异报警，同时不会放宽针对真实缺陷的阈值。

评判任何 AOI 最快的方法，就是用您自己的产品。寄给我们一块您自己的板，我们将免费为您测试；或者与 DaoAI 工程师 预约 30 分钟演示，现场观看您选择的板变成一个检测程序。