什麽是 AOI？AOI 的优势与弱势？
AOI 基本架构
AOI 系统以机器视觉为核心，结合光学、电控、机构以及检测软体执行检测作业。透过光源配置凸显影像特徵，辅以电脑影像处理技术进行定位及检查，快速筛检产线中成品、半成品的缺陷、污染物及其他异常。
AOI 应用
由于任何零组件的瑕疵都可能影响产品功能，因此制造业对于提升良率需求与日俱增。传统产线仰赖大量人工检测产品瑕疵模式，已无法满足产品全检与生产效率需求，因此导入自动光学检测（Automated Optical Inspection, AOI）系统成为工业制程上瑕疵辨识的应用主流。
点此看 瑕疵检测 应用案例 >
AOI 的规格有哪些?
速度
指每分钟进行的检测次数或在特定时间内检测的特定长度。
精度
指定所需的测量精度水平，例如检测尺寸的精度为5微米或0.005毫米。
视野范围（FOV）
表示在检测过程中，相机捕捉的可见范围。
AOI 在制造业中的优势
取代人工目检
相较于人工检测或人工加光学仪器检测，AOI 能够比肉眼更加精确，且对于瑕疵判定的标准较为一致。
提升检测速度
搭载高解析度相机的 AOI 系统能检测人眼难以辨识的细节，同时每分钟数以千计的筛检量能，也改善传统人工目视检测效率不彰的缺点。
品质控制的一致性
AOI 系统提供统一的缺陷检测，确保每个部件都以相同的精度进行检查，从而减少了人工误差。
降低人工成本
通过自动化检测，AOI系统减少了对人工劳动力的需求，从而降低整体营运成本。
AOI 系统的挑战和限制
仅可检出定义好的瑕疵
AOI 採用 Rule-based 判断机制，透过程式语言撰写检测逻辑（Rule），仅能以定义好的参数作为基准检测样本瑕疵。举例而言，检测逻辑将瑕疵定义为圆形，非属圆形的瑕疵便无法透过 AOI 系统检测出异常，因此常产生漏检（Leakage）问题，诸如蛋壳孔样貌不同、塑胶射出制品的脱模剂油污、金属冲压件的刮痕等随机生成的瑕疵类型，都是 AOI 系统的剋星。
过杀率（Overkill rate）过高
AOI 系统基于传统演算法，通常设定严格的参数。这可能会导致过度检测或误报结果，因为它对外部条件（如光照变化）非常敏感。因此，通常需要额外的人工检查来减少误报的情况。
检测环境及设备要求高
AOI 相当依赖光源、相机、镜头三者间的密切搭配。以光源来说，为了强化对比以呈现物体特徵，需根据待测物件材质、颜色、形状设计光线强度与特性，藉以取得适用的影像降低误杀风险；选择相机时需依据检测需求决定感光元件、解析度、帧率等并搭配合适镜头，方能发挥光学系统功能，可谓「牵一髮动全身」。
複杂的设置和专门化
AOI 系统可能非常複杂且高度专门化，这使得其设置和操作具有挑战性。它们在处理複杂的产品缺陷、图像背景和光照变化时会遇到困难。
上线时间长、需要的样本数较多
相较于 AI 软体的低样本数、快速学习，AOI 需要的样本数及调整设定时间相当长，若遇上调机、更换零组件等情况，则须指派工程师依据经验值重新进行机台参数设定、对位，再加上软硬体调整过程相对複杂，维修时间短则几日长则数月，难以因应智慧制造产线弹性化需求，这对于需要快速回应订单、迅速调整产线生产内容或产品规格的产业相当不利。
高成本维护需求
AOI 系统的购置和维护成本较高。初始投资包括专业设备，如高解析度相机和先进软体。定期的维护和校准也是必要的，以确保最佳性能。
AOI 在现代制造中扮演的角色
