什麼是AOI?
AOI的優勢與弱勢?

AOI(Automated Optical Inspection)自動光學檢查,是依靠機器視覺作為辨識的技術,用以改良或彌補人力用光學檢測的種種缺點,現今已被應用在各式各樣的產業中,AOI最主要的功能為瑕疵檢測尺寸量測定位貼合,包括高科技產業、半導體製藥食品等,AOI在工業自動化中扮演著重要的角色,目前AOI最常被應用的產業分別是PCB和面板顯示器產業,兩者佔比約為64%和15%。

AOI基本架構

主要六大組成: 相機、鏡頭、機構、PLC、光源、工業電腦。

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

AOI在製造業的應用極為廣泛,舉凡檢查產品上有無變形、破損、缺件、髒污與刮痕等瑕疵,或者是讀碼、對位、精密測量、印刷檢驗,皆能透過AOI技術進行檢驗,因此如半導體、印刷電路板(PCB)面板電子機械紡織食品加工汽車等產業,都能看見其蹤影,其中更以PCB和面板產業為大宗。
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

如一分鐘檢多少個數,或者能夠檢測幾公尺等。

精度

需要被檢出的尺寸單位,例如5µm或0.005mm等。

視野

FOV(Field of View)即為相機的可視範圍。

AOI的優勢

1. 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。

 2.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。

AOI的弱勢

儘管AOI系統已廣泛應用於各製造業產線,但其必須高度客製化的特性仍造成導入的難度與限制,面對複雜的產品瑕疵、影像背景、光影變化,AOI系統使用相對受限。

1.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。

2.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」。

 3.過殺率(Over kill rate)過高

AOI光學檢測是透過傳統演算法進行,系統往往將參數設定得相對嚴格,導致系統過於敏感,易受光影等外在條件影響而造成誤殺(Overkill)現象,所以通常需要再耗費人力及時間成本進行二次檢查。


 4.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。

AOI的發展趨勢

AOI自動光學檢測雖然已行之有年,但由於其侷限性及本身缺陷,加上產線生產模式由「大規模的生產,改為少量多樣」,使得AOI結合AI成為工業4.0的大趨勢,現今有許多系統整合廠商將AOI結合AI,以彌補AOI不足之處,增強客戶產線的完善度。
點此看 AI結合AOI視覺檢測 優點與分析 >
相關文章
  • shipping containers of assorted colors stacked in a port

    透過 AI 優化物流業的 3 大方法

    在現代商業環境中,物流公司面臨各種障礙,這些障礙影響了其效率,降低了客戶滿意度,並使其難以滿足不斷變化的消費者需求。 幸運的是,人工智能(AI)可以通過優化物流分揀過程來幫助克服這些障礙。 AI技術可以幫助物流公司優化其分揀程序,提高準確性,降低成本。
  • 所羅門觀點:以終為始,達成目標不是夢

    「以終為始,就是做正確事的習慣,在行動前務必把目標想清楚」、「沒有明天的目標,那今天的行動,多半是重複昨天的事。」以上的文字,是我閱讀商業周刊的文章後,在讀書會上與同仁分享的精華。
  • 對於工業 AI人工智慧 的 4 個常見誤解

    此時此刻我們正在人類科技發展以爆炸性速度成長的奇異點上,大家都在猜測AI的能耐到底有多大,未來是否真的會發展到人類完全無法理解的水準,當有人興奮、有人驚慌的同時,更多的是全球許多領先企業及製造業,已經搶先將AI人工智慧投入工廠及生產線,生怕慢對手一步便會錯失良機。
  • 什麼是機器學習?

    機器學習(Machine Learning, ML),即是人工智慧的分支,主要是透過系統將蒐集來的大量數據資料依序分類,透過演算法識別資料中的模式,產出模型加以學習改進,進而做出最佳的決策及預測。