有了AOI，我们为什么需要AI?

从应用方面来看，质检相关解决方案带来的巨大商机。特别是，由于质量检测是事后考虑，对于那些想要引入智能制造的人来说，它的风险最小，成功概率最高，从而成为智能制造的踏脚石。

在与质量检测相关的解决方案中，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，人工智能可能是近年来取得巨大飞跃的创新技术。然而，AOI在工业检测领域的应用并不明显，发展时间较长。但是既然市场已经有了AOI，为什么还需要AI呢?

什么是“AOI”?

在此之前，让我们首先了解什么是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。它是集光学、机械、电控、软件为一体的集成系统，以“机器视觉”为标准技术，通过捕捉物体表面图像，对其进行分析，然后利用计算机图像处理技术，判断物体是否存在异物或异常等缺陷，通过自动化的方式，改善传统人工视觉检测的缺点。另外，由于它是一种非接触式检验，在制造过程中也可以用来检验半成品。

AOI可以说是行业中应用非常广泛的一种检测方法，它具有许多功能。例如，它可以用来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。应用范围从集成电路和通用电子行业，金属钢铁，食品加工，纺织皮革或汽车行业。根据市场调查，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自动化可以代替人工检测，但是随着产品复杂度的不断提高和对检测速度的要求，传统的图像处理技术和算法仍然存在一定的不足，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，进而过度杀伤和误判。据行业统计，AOI筛选的误判率可达70-80%。

这让行业相当头疼，因为在这种情况下，制造商只能增加额外的人力进行第二次复检，以确认是虚报还是存在真正的缺陷。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成品率的要求进行分级。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带来更精准的决策能力

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。过去，AOI测试使用逻辑思维模型，根据设定的参数和定义的规则进行判断。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，设备可能无法判断。

随着检测条件越来越多样化，过去的“黑与白”和数值检测标准也遇到了很多困难，需要一种更灵活的机构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，它可以实现对外部变化的自我调整，并进一步有效地判断未知缺陷或成像。

可以说，在AI的基础上，通过软件优化，为AOI带来更精准的决策能力。像这样集机器视觉和机器学习于一体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，它为制造商和用户提供了AOI的巨大优势。