有了AOI，我们为什么还需要人工智能?

从应用端来看，质检相关解决方案带来的巨大商机。特别是由于质量测试是事后才考虑的，对于想要引入智能制造的人来说，它的风险最小，成功概率最高，因此成为了智能制造的垫脚石。

在与质检相关的解决方案中，近年来最热门的话题是“AOI+AI”的合作，这似乎已经成为制造领域检测解决方案发展的主流。对于市场来说，AI可能是近年来取得巨大飞跃的创新技术。但是，AOI在工业检测领域的应用并不明显，发展时间也比较长。但既然市场已经有了AOI，为什么还需要AI呢?

什么是AOI ?

在此之前，让我们先了解什么是AOI。

AOI (Automated Optical Inspection)，即自动光学检测，是一种快速、非接触的图像检测方法。它是一种集光学、力学、电气控制、软件于一体的综合系统，以“机器视觉”为标准技术，通过捕获对物体表面图像进行分析，然后利用计算机图像处理技术判断物体是否有异物或异常等缺陷，通过自动化，改进传统人工视觉检测的缺点。此外，由于它是非接触式检验，也可用于半成品在制造过程中的检验。

AOI可以说是行业中应用非常广泛的一种检验方法，它具有很多功能。例如，它可用于检查零件是否缺失或有缺陷，或测量零件的长度、宽度和高度。应用范围包括IC和通用电子行业、金属钢铁、食品加工、纺织皮革或汽车行业。据市场调查，AOI最常用的行业是PCB和面板显示行业，分别约占64%和15%。

虽然AOI自动化可以取代人工检测，但随着产品的复杂性和检测速度的要求越来越高，传统的图像处理技术和算法仍然存在一些不足，尤其是在应用最广泛的PCB行业。

PCB行业对良率的要求很高，这使得行业经常将AOI的参数设置到极高的规格，导致设备异常敏感，进而出现超杀和误判。据行业统计，AOI筛选的误判率可达70-80%。

这让这个行业相当头疼，因为在这种情况下，制造商只能额外增加人力进行第二次复检，以确认是虚惊一场还是真的有缺陷。这不仅会造成额外的人力和时间成本，而且在一些行业中，产品甚至会根据不同客户对良率的要求进行分级。在某些情况下，某些缺陷是可以容忍的。因此，AOI的误判可能会导致不良品激增，增加行业的生产成本。

基于AI的AOI带来更准确的决策能力

检测缺陷与否，图像处理技术的“判断能力”起着非常重要的作用。在过去，AOI测试使用逻辑思维模型，根据设置的参数和定义的规则做出判断。因此，用户通常必须首先定义缺陷样本和规则。但是，这样一来，AOI设备只能服从命令，一旦出现新的缺陷或没有很好地定义，设备就可能无法判断。

随着检测条件越来越多样化，过去的“黑白”和数值检测标准也遇到了很多困难，需要一种更灵活的机制来辅助机器进行判断。

AOI检测与AI识别最大的区别在于能否主动识别未知缺陷。人工智能可以在一定程度上模仿人类，并将“经验法则”应用于图像识别。因此，与规则相比，它可以根据外部变化实现自我调整，进一步有效地判断未知缺陷或成像。

可以说是在AI的基础上，通过软件优化，为AOI带来更精准的决策能力。像这样集成了机器视觉和机器学习的智能自动检测解决方案，似乎将成为未来发展的主流。同时，它为厂商和用户都提供了AOI的巨大优势。