什麼是 AOI？AOI 的優勢與弱勢？
AOI 基本架構
AOI 系統以機器視覺為核心，結合光學、電控、機構以及檢測軟體執行檢測作業。透過光源配置凸顯影像特徵，輔以電腦影像處理技術進行定位及檢查，快速篩檢產線中成品、半成品的缺陷、污染物及其他異常。
AOI 應用
由於任何零組件的瑕疵都可能影響產品功能，因此製造業對於提升良率需求與日俱增。傳統產線仰賴大量人工檢測產品瑕疵模式，已無法滿足產品全檢與生產效率需求，因此導入自動光學檢測（Automated Optical Inspection, AOI）系統成為工業製程上瑕疵辨識的應用主流。
點此看 瑕疵檢測 應用案例 >
AOI 的規格有哪些?
速度
指每分鐘進行的檢測次數或在特定時間內檢測的特定長度。
精度
指定所需的測量精度水平，例如檢測尺寸的精度為5微米或0.005毫米。
視野範圍（FOV）
表示在檢測過程中，相機捕捉的可見範圍。
AOI 在製造業中的優勢
取代人工目檢
相較於人工檢測或人工加光學儀器檢測，AOI 能夠比肉眼更加精確，且對於瑕疵判定的標準較為一致。
提升檢測速度
搭載高解析度相機的 AOI 系統能檢測人眼難以辨識的細節，同時每分鐘數以千計的篩檢量能，也改善傳統人工目視檢測效率不彰的缺點。
品質控制的一致性
AOI 系統提供統一的缺陷檢測，確保每個部件都以相同的精度進行檢查，從而減少了人工誤差。
降低人工成本
通過自動化檢測，AOI系統減少了對人工勞動力的需求，從而降低整體營運成本。
AOI 系統的挑戰和限制
僅可檢出定義好的瑕疵
AOI 採用 Rule-based 判斷機制，透過程式語言撰寫檢測邏輯（Rule），僅能以定義好的參數作為基準檢測樣本瑕疵。舉例而言，檢測邏輯將瑕疵定義為圓形，非屬圓形的瑕疵便無法透過 AOI 系統檢測出異常，因此常產生漏檢（Leakage）問題，諸如蛋殼孔樣貌不同、塑膠射出製品的脫模劑油汙、金屬沖壓件的刮痕等隨機生成的瑕疵類型，都是 AOI 系統的剋星。
過殺率（Overkill rate）過高
AOI 系統基於傳統演算法，通常設定嚴格的參數。這可能會導致過度檢測或誤報結果，因為它對外部條件（如光照變化）非常敏感。因此，通常需要額外的人工檢查來減少誤報的情況。
檢測環境及設備要求高
AOI 相當依賴光源、相機、鏡頭三者間的密切搭配。以光源來說，為了強化對比以呈現物體特徵，需根據待測物件材質、顏色、形狀設計光線強度與特性，藉以取得適用的影像降低誤殺風險；選擇相機時需依據檢測需求決定感光元件、解析度、幀率等並搭配合適鏡頭，方能發揮光學系統功能，可謂「牽一髮動全身」。
複雜的設置和專門化
AOI 系統可能非常複雜且高度專門化，這使得其設置和操作具有挑戰性。它們在處理複雜的產品缺陷、圖像背景和光照變化時會遇到困難。
上線時間長、需要的樣本數較多
相較於 AI 軟體的低樣本數、快速學習，AOI 需要的樣本數及調整設定時間相當長，若遇上調機、更換零組件等情況，則須指派工程師依據經驗值重新進行機台參數設定、對位，再加上軟硬體調整過程相對複雜，維修時間短則幾日長則數月，難以因應智慧製造產線彈性化需求，這對於需要快速回應訂單、迅速調整產線生產內容或產品規格的產業相當不利。
高成本維護需求
AOI 系統的購置和維護成本較高。初始投資包括專業設備，如高解析度相機和先進軟體。定期的維護和校準也是必要的，以確保最佳性能。
AOI 在現代製造中扮演的角色
