Chernger, your changer.

AOI + AI 是未來的趨勢嗎?

先公布答案，是。而且AI 正在席捲幾乎所有的產業，因為他的應用實在太多、太廣泛了。AI不僅帶來AOI技術上的革新，也讓許多產業面臨人力取代的失業問題。

基本功: 影像處理、物件辨識

自從1998年LeNet問世以來，CNN就一直不斷的演進，許多新型的網路如 AlexNet 、VGGNet、GoogLeNet、ResNet等都是非常知名的模型。現在CNN的模型多半都有相當深且廣的網路所組成，處理影像的能力已經非常強大，對於瑕疵的辨識幾乎都能達到95%以上的成功率。對於AI來說，處理影像並分類只是a piece of cake，沒有太大的問題。而AI在未來真正改變AOI的地方，並不是簡單的瑕疵辨識而已。


 



真正的價值: 產線製程優化、數據歸因

一般來說，一個產線會需要使用到AOI來做篩檢，多半有非常大的產量，或是產品品管非常嚴格。這類產業的代表包括 PCB、半導體產業、手機零件、醫療器材等。而這類產線都是大多也都是屬於高單價產品，產線在生產時，良率的提升非常重要。而AOI在這裡扮演不是單純的檢查並剔除瑕疵品的角色，而是資料收集者。我們從AOI所得到的大量瑕疵數據，經過合理的分析、歸納，就可以找出製程產生不良品的原因。

而AI，在資料分析、數據處理正好也是他的強項。只要將產線的Recipe(Input)和瑕疵資料輸入到網路中，經過不斷的迭代，AI就能分析出真正影響良率的關鍵參數或輸入是那些，幫我們找到產生瑕疵的問題，甚至簡化其他製程。
 

晟格AOI瑕疵檢查機


結語: AOI 已無法脫離AI

隨著時代演進，AOI的產業應用已經越來越普遍。如果在做檢測時還只是AOI，而沒有做AI數據歸納分析，必定會逐漸被其他產業取代。

相關文章

 
 
AOI 檢測技術
 

AOI 檢測機台採用傳統程式與AI人工智慧何者為優 ?

這兩者各有優缺點。 開發速度而言，AI的開發速度是可以快一些。檢測速度來看就未必能分出何者比較快，需要看檢測的內容和背景的複雜度而定。

黑色油封能用AOI檢測瑕疵嗎?
 

黑色油封能用AOI檢測瑕疵嗎?

在一個夏日的午後，一個業界的朋友阿雄來電詢問，「我有個有趣的問題想請問您，黑中黑的物件能不能用AOI檢測?」。 我說拿來看看才知道，也許有解。

AOI 鏡頭的選用(一)
 

AOI 鏡頭的選用(一)

檢測的機構通常無法精準的定位量測位置偏差小於0.01mm 反而是常常大於2mm-5mm。這時候重複精度就會變得很差。例如 樣品的圓直徑在鏡頭正下方測得50mm。與2.5D量測機台數據相當。