無需 CAD 檔案的 AOI 編程：實際運作原理

免 CAD 檔案的 AOI 編程，其原理是讓系統直接從一塊實體「黃金樣板」（Golden Board）學習電路板特徵，而非依賴工程數據。相機擷取確認良品的電路板影像，AI 自動定位元件並建立檢測區域，後續再透過作業員的回饋逐步優化模型。這免除了傳統 AOI 設定中繁瑣的 CAD 匯入、元件庫建立以及手動門檻值微調，將原本需要數小時甚至對複雜板卡長達數天的編程時間大幅縮減。

對多樣少量的 EMS 廠而言，AOI 機台的編程方式往往比檢測方式更為關鍵。每天需多次換線的產線，換線設定時間直接決定了生產力。本文將逐步解析免 CAD（黃金樣板）編程的實際運作機制、它與傳統工作流程的差異，以及工程師在將其導入產線前應釐清的關鍵問題。

為什麼傳統 AOI 編程需要耗費如此多的時間？

傳統 AOI 編程速度緩慢，是因為每次都必須從工程數據重新建立電路板的檢測邏輯。資深工程師必須匯入 CAD/Gerber 與置件數據、驗證或擴充元件庫、教導光學定位點（Fiducial）、定義板區、依據 IPC-A-610 標準設定各元件的檢測項目，接著微調各項門檻值以壓低誤判率。相關編程指南指出，即使是簡單的電路板也需要數小時，若是複雜的高密度組裝板，更往往需耗時數天。

傳統工作流程大致分為六個階段：

1. CAD / Gerber 與置件數據匯入 — 載入 Gerber 與元件置件（Centroid / 座標）數據，並將各圖層與電路板疊構配對。通常還會加入 BOM 以獲取元件規格值與極性，而幾何外觀則來自置件數據。
2. 元件庫驗證 — 確認或新增元件庫資料，包括各類客製化零件。
3. 光學定位點（Fiducial）教導與對位 — 掃描參考板並選取定位標記，以利軟體進行對齊。
4. 板面配置設定 — 定義板邊、鏤空區域與免檢區域（例如散熱片）。
5. 元件與焊點檢測設定 — 設定缺件／多件、極性、置件偏移等檢測項目，通常對應 IPC-A-610（以及焊點可接受性標準 J-STD-001）準則。
6. 門檻值微調 — 調整錫橋、空洞與偏移的界限值，並將缺點分類為嚴重缺點（Critical）、主要缺點（Major）與次要缺點（Minor）。

每個階段都建立在您具備完整 CAD 數據且有充裕微調時間的前提下。然而在少量多樣生產中，CAD 往往可能缺失、不齊全，或是客戶不願提供，光是階段 1 與 2 就足以讓換線停擺。

工作流程步驟參考自已公開的 AOI 編程指南（例如 Aivon 逐步指南 與 Unisoft 編程概述），2024–2025 年。設定時間因電路板複雜度而異；數據依不同板卡狀況有所浮動。

什麼是黃金樣板編程？

黃金樣板編程是直接透過一塊實體確認良品板——即「黃金樣板」（Golden Board）——來教導 AOI 系統，而非依賴 CAD 數據。系統拍攝此參考板，透過先進 AI 自動偵測元件、擷取其外觀特徵，並透過量產板與黃金參考板的比對來建立檢測區域。黃金樣板本身就是規格基準，因此無需 CAD 檔案或預建元件庫即可直接開始。

「黃金樣板」概念本身並不新穎——良品參考板長久以來都是 AOI 設定的一環。（近十年安裝的多數傳統 AOI 實際上主要依據 CAD／演算法數據建立檢測模型，參考板主要用於對齊與門檻值優化。）隨著 AI 的導入，關鍵變革在於軟體能直接從單一電路板實現什麼：舊式系統仍必須額外搭配 CAD 數據與元件庫，而新世代 AI 系統僅憑單一黃金樣板便能直接產出可用的檢測程式。

免 CAD 的 AI 編程如何一步步運作？

免 CAD 的 AI 編程以自動特徵辨識取代繁瑣的手動設定。實務上分為四個步驟：掃描一塊黃金樣板；AI 自動偵測元件並生成檢測框；根據參考影像設定初始門檻值；接著在量產過程中依據作業員對誤判的回饋持續學習並優化模型。由於完全免除 CAD 匯入、元件庫建立與手動框選，以往需耗費數小時的設定縮減至數分鐘。

1. 擷取黃金樣板。掃描一塊確認良品的板卡。此單一樣本即定義了所有元件與焊點的可接受外觀標準。
2. 自動特徵辨識。AI 並非將像素圖案與 CAD 封裝腳位比對，而是直接辨識該元件為何——本體、引腳、極性標記、焊錫填角——並自動產生檢測區域。DaoAI 將此技術命名為特徵認知檢測（Feature Cognitive Inspection）。
3. 從參考樣板擷取初始門檻值。系統直接自黃金樣板推導起始允收界限，無需工程師手動輸入參數。
4. 產線即時回饋學習。當作業員將警示影像標記為誤判時，該判定結果會即時回饋至模型中。每條產線的實際生產經驗都會轉化為訓練數據，讓誤判率隨著運行次數逐步下降。

這也是業界多家設備商發展的大致方向——Saki、Marantz 與 Mycronic 等皆提供各類自動編程功能。實務上的核心差異在於仍需哪些輸入條件：許多自動編程工具仍要求 CAD 數據或維護完善的元件庫，而像 DaoAI 這類純黃金樣板方案，設計初衷即是在兩者皆無的情況下順暢運作。在評估設備時，這項輸入門檻正是必須釐清的核心問題。

傳統 AOI 編程 vs 免 CAD AOI 編程

核心差異在於輸入來源：傳統 AOI 編程由 CAD/BOM 數據與元件庫驅動，而免 CAD 編程則是由單一黃金樣板結合 AI 特徵辨識所驅動。這將設定時間從數小時縮減至數分鐘，並將換線執行人員從專門的編程工程師轉移至產線作業員。

如需深入比較，請參閱 DaoAI 與傳統 AOI：哪一款適合您的 SMT 產線。

沒有 CAD 數據，AOI 檢測依然精準嗎？

是的——免 CAD 的檢測精準度取決於黃金樣板的品質以及 AI 辨識元件的能力，而非 CAD 數據本身。CAD 驅動的編程仰賴零件理論上應在的位置及其標稱值；黃金樣板方法則聚焦於良品電路板實際上的外觀呈現，而這正是檢測比對的最終基準。無論採用哪種方式，允收標準皆可完全對齊 PCBA 外觀檢驗的業界規範 IPC-A-610。

這對產線的信任度至關重要。IPC-A-610《電子組裝品的可接受性》（最新版本為 2024 年發布的 IPC-A-610J），是全球公認界定焊點良窳、置件偏移或缺點等級的權威標準。無論程式是從 CAD 還是黃金樣板建立，其標準都能直接轉譯為 AOI 規則庫——因此免 CAD 編程絕不代表放棄公認的品質標準。DaoAI 指出其 P 系列檢測準確率達 ≥98%，且誤判率會隨著作業員的回饋逐步降低；各廠亦可在實際 Demo 時以自有板卡驗證成效。

免 CAD 編程在實務上能帶來哪些成效？

免 CAD 編程的核心效益主要體現在換線時間、人力成本與誤判重工上。從傳統 3–5 小時的設定轉變為約 5 分鐘、作業員即可執行的黃金樣板流程，大幅縮短了編程時間；同時作業員覆核結果的回饋學習機制使誤判率持續下降。產線作業員僅需約 30 分鐘培訓即可具備獨立檢測上線能力，不再仰賴專職編程工程師。

上述皆為設備商回報數據，源自 DaoAI 的實際量產導入案例——包含一家亞洲大型電子製造商，其原需 3–5 小時的電路板編程，如今由產線作業員在約 5 分鐘內即可完成。欲深入了解這些數據背後的運作機制，請參閱 AI 如何在無元件庫或 CAD 的情況下將 PCBA AOI 編程從 3 小時縮短至 5 分鐘。各製造廠皆可在 Demo 期間以自家板卡驗證數據——由於設定僅需數分鐘，現場即時實機驗證完全切實可行。

常見問題

使用黃金樣板進行 AOI 編程，真的完全不需要 CAD 或 BOM 數據嗎？

完全不需要。黃金樣板方案直接從一塊實體良品板開始。CAD 或 BOM 數據可選擇性用於改善標籤資訊，但產出可運行的檢測程式絕非必要條件。

系統如何處理從未見過的元件？

特徵辨識 AI 是透過實體特徵來辨識元件，而非比對儲存的封裝腳位，因此全新的客製化零件也能直接從黃金樣板中被辨識出來，無需手動建立元件庫資料。

產線作業員真的能在沒有工程師協助下完成換線嗎？

這正是免 CAD 編程的核心宗旨。由於省去了 CAD 匯入與手動框選，設定簡化為掃描黃金樣板與覆核警示影像——這些任務作業員完全能夠勝任。DaoAI 指出，作業員經過約 30 分鐘培訓即可具備檢測上線能力。

免 CAD 編程依然符合 IPC-A-610 標準嗎？

是的。IPC-A-610 允收標準定義的是合格組裝品的外觀規範；無論程式是如何建立的，這些標準都能直接對應至檢測邏輯中。

這與其他 AOI 廠商提供的 AI 自動編程有何不同？

許多自動編程工具依然需要 CAD 數據或維護完善的元件庫。在評估系統時，關鍵在於哪些輸入條件是真正「非必要」的。純黃金樣板工作流程的設計初衷，就是在沒有 CAD 或預建元件庫的情況下皆能運作。您可以在資源中心進一步了解 DaoAI 的技術方案與完整規格。

親自體驗以您的板卡進行 5 分鐘編程

DaoAI 的 P 系列在離線式（P1/P2）與連線式（P3/P3D）配置中全面支援黃金樣板工作流程——無論是多樣少量的測試工作台還是大批量產線，皆能享有一致的免 CAD 編程體驗。