VISIONFLOW · AOI GUIDE

AOI 缺陷检测实施指南

版本 1.0|易源智能原创整理|从缺陷定义到持续优化

01|六步实施链路

01 需求拆解按存在、位置、尺寸、颜色、纹理和字符定义检测项。
02 样品建库覆盖良品、缺陷、边界状态和批次差异。
03 成像验证比较照明方向、波段、曝光、镜头与治具。
04 工具组合定位后组合匹配、测量、分割、读码与学习模型。
05 联机判定明确触发、结果码、超时、复判、报警和剔除。
06 数据闭环保存图像、结果、版本与生产字段,支持回放优化。

02|算法选择原则

规则稳定:优先使用模板定位、几何测量、灰度或颜色分割,便于解释和维护。
外观变化大:当缺陷形态难以穷举时,评估分类、目标检测、分割或异常检测。
组合验证:可用传统工具稳定区域与几何边界,再让模型处理复杂纹理,最后以业务规则汇总结果。

03|误检与漏检排查

先看原图是否稳定,再看定位区域是否正确,然后检查检测特征和阈值。不要在成像漂移时只放宽判定阈值。所有调整都应在冻结的回放样本集上重新统计检出、漏检和误判。

04|验收与持续优化

按缺陷类别分别统计,不用单一“准确率”掩盖少数类问题;保留人工复判入口和低置信度策略;记录参数、模型和软件版本;新批次、新供应商或工艺变更后重新做样本覆盖检查。

公开参考资料

IPC AI in AOI:https://www.ipc.org/news-release/new-ipc-white-paper-focuses-use-artificial-intelligence-automated-optical-inspection
IPC Automated Inspection Strategy:https://www.ipc.org/system/files/technical_resource/E20%2600011.pdf
MVTec Deep Learning in Machine Vision:https://www.mvtec.com/application-areas/white-paper/deep-learning