採購前如何評估 AI AOI 系統
在用自家板子親自重現驗證之前,設備商宣稱的準確率毫無意義。本文說明送測該帶的 6 片板子、5 項量測重點,以及合格標準的具體樣貌。
2026年8月11日
AI AOI 以訓練過的模型取代人工建立的檢測規則:只要一片良品板,幾分鐘就能建好程式;誤判靠重新訓練修正,而不是放寬門檻值。本文說明它如何運作,以及在 SMT 產線中的位置。
AI AOI 是一種自動光學檢測,它使用經過訓練的機器學習模型,而不是人工建立的規則,來判斷印刷電路板組裝(PCBA)上每顆零件與每個焊點是良品還是不良。相機與光源和傳統 AOI 相似;改變的是檢測程式的建立方式,以及每一次判定的方式。實務上,這代表只要一片已知良品板,幾分鐘就能建好程式,而不是花好幾個小時從 CAD 資料與零件庫建立;誤判則靠重新訓練模型來減少,而不是放寬門檻值。
自動光學檢測是以相機檢查組裝完成的電路板。機台在受控的光源下拍攝 PCBA,將看到的內容與應有的狀態比對,並標記超出允收標準的零件或焊點。
AOI 能抓出從上方看得到的缺陷:缺件、錯件、偏移或旋轉的零件、極性反向、立碑、錫橋、錫量不足或過多、翹腳與空焊。它看不到 BGA 或 QFN 本體下方的隱藏焊點,那是自動 X-ray 檢測(AXI)的工作。
AOI 不會修復任何東西。它把電路板分成通過與不通過,並為每一次判定提供影像給作業員看。它的價值取決於兩個數字:抓到多少真實缺陷,以及把多少良品誤判為不良(誤判)。
規則式 AOI 以工程師手動建立的程式檢測每顆零件。這份程式通常建立在四項輸入之上。
這種做法行得通,許多大量生產的產線也運作得很好。代價是工程時間:依 DaoAI 自己的比較,規則式機台的初始建程式時間每個板種約 3 到 5 小時,有數千顆零件的電路板則要好幾天。
第二項代價出現在生產中。當良好的焊點被標記時,最快的解決方法是放寬門檻值。這樣誤判會消失,但所有使用該參數判定的零件,其允收範圍也跟著放寬了,真實缺陷就是這樣開始漏網的。
AI AOI 保留光學系統,但以學習得到的模型取代大部分人工建立的程式。在產線現場,有四項差異最重要。
機台不從 CAD 與零件庫開始,而是拍攝一片已知良品板,找出每顆零件,並自行產生檢測視窗與門檻值。在 DaoAI 機台上,這只需要 30 秒到 5 分鐘,而且自動建立程式完成後、未經任何調校,就有 98% 的檢出準確率。
DaoAI 自動建立程式不需要預先建好的零件庫,CAD 或 BOM 資料也是選用。這些資料會加上實際的位號與料號,供 MES 匯出與維修單使用,但不會改變偵測的內容或判定方式。請參考 AI 自動建立程式的運作方式。
規則式視窗是把像素與樣板或色彩範圍比對。學習模型則根據大量良品與不良品的樣本,對零件或焊點整體評分。
DaoAI 的模型以一個用超過 1,000,000 張實際生產影像訓練的視覺基礎模型為起點,再針對您的電路板調整。所以第二供應商略有不同的本體顏色或印字字型不一定會觸發報錯,而翹腳仍然會被抓出來。
所有傳統檢查都在零件周圍的視窗內執行。落在裸露基材上的錫珠,或兩顆零件之間的剪腳線頭,不在任何一個視窗內。
AI AOI 可以增加一項檢查,在零件之間的板面上尋找錫珠、顆粒與異物(FOD),而不只檢查每顆零件周圍的區域。
當作業員把誤判標記為 OK 時,AI 系統可以把該影像加入產品的資料集並重新訓練,而不是放寬門檻值。模型會學到可接受的變異長什麼樣子,而分數相近的真實缺陷仍然會被抓到。
採用這種做法,DaoAI 在產品調校後的誤判率可達約 1%。詳細說明請見回饋學習頁面。
| 面向 | 規則式 AOI | AI AOI(以 DaoAI 為例) |
|---|---|---|
| 建立程式的輸入 | CAD/座標檔、零件庫、手動放置的視窗 | 一片標準板;CAD/BOM 為選用 |
| 每片新板的建程式時間 | 3–5 hr;數千顆零件的電路板需數天 | 30 s – 5 min |
| 新的封裝類型 | 須先人工加入零件庫 | 直接從電路板偵測並建模 |
| 零件如何判定 | 每個視窗以像素、樣板或色彩規則判定 | 訓練過的模型為每顆零件評分;門檻值依分數設定 |
| 調校前的準確度 | 取決於建程式的人 | 自動建立程式即有 98% 檢出準確率 |
| 減少誤判 | 放寬門檻值,同時也放行真實缺陷 | 標記一次 OK;模型以該樣本重新訓練 |
| 零件之間的區域 | 除非畫了視窗,否則不檢測 | 全板檢查錫珠與異物(FOD) |
| 誰能做修正 | 掌握門檻值知識的人 | 任何作業員都能回報;權限控管程式修改 |
| 電路板影像存放位置 | 機台上 | 機台上;不需要雲端連線或帳號 |
典型的 SMT 產線依序為:鋼板印刷機、錫膏檢測(SPI)、置件機、迴焊爐,然後是測試。AOI 可以放在沿線的好幾個位置。
AOI 的結果在往下游傳遞時最有用。匯出到 MES 的缺陷代碼、裁切影像與整板影像,讓維修站與品保工程師能把任何一次判定追溯到特定的電路板與位置。
2D AOI 依據多角度光源下拍攝的彩色影像判斷。它從光線在焊點或本體上的反射推估形狀,這足以應付零件有無、極性、偏移、錫橋與大多數焊錫爬錫面的檢查。
3D AOI 加上實際量測的高度圖,通常是從多個方向投射結構光圖樣。翹腳、共面度、本體傾斜與錫量都從推估變成量測。例如 DaoAI 的 P5 使用四組 Scheimpflug 結構光投影單元,每個方向一組,高度精度達 6 µm 以內(參考規格)。P5 與雙軌 P5D 現已可供貨。
當與高度相關的缺陷確實流到客戶端時,3D 的額外成本才值得:例如細間距鷗翼型 IC、連接器與高可靠度組裝板。對許多電路板而言,程式建得好的 2D 機台就足以涵蓋缺陷清單。
更完整的檢查清單,請見我們的採購前如何評估 AI AOI 系統指南。
不一定。DaoAI 的 AI AOI 只要一片標準板就能為電路板建立程式,不需要 CAD 檔,DaoAI 自動建立程式也不需要預先建好的零件庫。CAD 或 BOM 資料可以之後再加入,以提供實際的位號與料號。
不能。無論是否採用 AI,AOI 都只看得到相機視角可見的部分。BGA、LGA 或 QFN 本體下方的隱藏焊點仍然需要 X-ray(AXI)。
這取決於廠商。DaoAI 機台完全在廠內地端運作,沒有雲端、不需帳號,也沒有對外連線,模型訓練也在機台上進行。
不是。快速建立程式、回饋學習與全板檢測,對大量生產與少量多樣產線都有幫助;而少量多樣特別適合,因為在那裡規則式設定的時間可能比生產本身還長。AI AOI 有離線、線上型 2D、線上型 3D 與插件檢測等形式。
作業員把被標記的零件標為 OK,系統就把該影像加入產品的資料集。AI Update 重新訓練模型,讓它不再對這種可接受的變異報錯,而不會放寬真實缺陷的門檻值。
判斷任何 AOI 最快的方法,就是用您自己的產品。把您自己的電路板寄給我們,我們會免費幫您測試;或與 DaoAI 工程師預約 30 分鐘的展示,現場看著您挑選的電路板變成一份檢測程式。
AI 檢測洞察、產品消息與產業分析。每月一次,不打擾。
我們會使用您提供的資料回覆您的洽詢。 請參閱我們的隱私權政策。