AOI 是什麼？
AOI（Automated Optical Inspection，自動光學檢測） 是「特定產業專用的光學檢測機台」的統稱。起源於 1980 年代的 PCB（印刷電路板）業 — 當時 PCB 走線密度提升、人工目檢跟不上產線速度，業界開始用相機 + 影像處理自動找瑕疵，這類設備就叫 AOI。
從技術本質看，AOI = 機器視覺的特定產業應用。差別在「封裝方式」：
- AOI = 含相機 / 光源 / 機構 / 軟體 / 介面的「整機方案」，買來即用
- 機器視覺 = 元件組合的「通用方法論」，由整合商依需求拼裝
AOI 的歷史脈絡
| 年代 | 發展 |
|---|---|
| 1980s | PCB 業導入第一代 AOI — 處理線路斷線、短路、缺件 |
| 1990s | SMT 表面貼裝興起，AOI 延伸到 SPI（錫膏檢測）、AXI（X 光檢測） |
| 2000s | 面板、半導體晶圓、太陽能各自發展專用 AOI |
| 2010s | 3D AOI 興起，可量測元件高度、共面度 |
| 2020s | AI 深度學習融入 AOI，處理規則難描述的瑕疵（外觀、紋路） |
AOI 三大運作模式
1. In-line AOI（線上型）
- 嵌入 SMT / 半導體產線中即時檢測
- 速度需配合產線（每分鐘數十至數百片）
- 不良品自動分流或停線報警
2. Off-line AOI（離線型）
- 獨立工作站，操作員手動上料
- 適合抽檢、小批量、研發試產
- 檢測項目可較完整（時間充裕）
3. Repair Station AOI（修補站）
- 配合 In-line 不良品流出後
- 顯示瑕疵位置、操作員手動修補
- 維修後重新檢測確認
AOI 應用產業
| 產業 | AOI 檢測對象 | 主流瑕疵類型 |
|---|---|---|
| PCB | 線路、孔徑、絲印、阻焊 | 斷線、短路、開路、缺件 |
| SMT | 元件貼裝、焊點 | 偏位、立碑、空焊、橋接 |
| 半導體 | Wafer、IC 載板、封裝 | 微粒、刮傷、晶片偏移 |
| 面板 | LCD / OLED Cell / Module | Mura、亮暗點、異物 |
| 太陽能 | 矽晶圓、電池片 | 隱裂、髒污、印刷不良 |
| 食品 / 藥品 | 包裝、標籤、瓶身 | 印刷不良、外觀瑕疵 |
Cognex 在 AOI 體系裡的角色
很多人會問：「Cognex 是 AOI 嗎？」Cognex 不是 AOI 整機廠，Cognex 提供智慧相機 / 條碼讀取器 / 視覺軟體等核心視覺元件，由 AOI 整機廠 / 系統整合商整合到自家 AOI 設備中。
Cognex 在 AOI 體系的補強角色：
- AOI 客戶端二次檢測 — AOI 主檢測後，加 Cognex 智慧相機做特定關鍵點補檢
- AOI 機台條碼追溯 — 用 DPM 讀取器追溯每片基板 →
- AI 補強 AOI 誤判 — 用 ViDi 深度學習處理 AOI 規則式判錯的細微瑕疵
- 3D 量測補強 — 3D 視覺 高度 / 共面度量測補 2D AOI 不足
- 產線前後段機器視覺 — AOI 之外的工位（上料、貼合、組裝）
AOI vs 機器視覺差別
| 比較項目 | AOI | 通用機器視覺 |
|---|---|---|
| 形式 | 整機方案（含機構、光源、相機） | 元件組合（相機 + 軟體 + 客製機構） |
| 採購對象 | AOI 廠商 | 系統整合商（如 VSK） |
| 客製彈性 | 中（依機型參數） | 高（可依需求自由設計） |
| 學習曲線 | 低（廠商提供 GUI） | 中（需懂演算法） |
| 適合產業 | PCB、SMT、半導體、面板 | 跨產業（汽車、食品、醫療、物流等） |
| 價格 | 整機高價 | 元件級彈性 |
| 升級空間 | 受限於整機架構 | 靈活，可單獨升級鏡頭 / 演算法 |
工程師常見問題
Q1：我們是 PCB 廠，已經有 AOI 還需要 Cognex 嗎？
A：AOI 主檢測通常涵蓋 80%，但仍有：（1）AOI 規則式誤判的細微瑕疵；（2）DPM 條碼追溯；（3）AOI 機台後段組裝、貼合工位 — 這些是 Cognex 智慧相機常見補強場景。
Q2：機器視覺可以取代 AOI 嗎？
A：對「PCB / SMT」這類成熟產業，AOI 整機方案經驗累積多、性價比高，通常不會用通用機器視覺取代。但「客製化檢測需求」（汽車組裝、食品外觀、醫療器材）通常用通用機器視覺更彈性。
Q3：AOI 機台壞了找誰修？
A：AOI 是整機方案，由原 AOI 廠商售後服務。如果是內部元件（如相機本身故障），可能需 AOI 廠商協助更換相機並重新校正。
Q4：AOI 導入 AI 深度學習有什麼好處？
A：傳統 AOI 規則式檢測對「規則明確的瑕疵」表現好，但對「規則難描述」（如紋路、自然形狀、輕微外觀差異）容易誤判。AI 深度學習（如 Cognex ViDi）可補強這層 — 用 OK / NG 樣本訓練，不需明確寫規則。
想在 AOI 之外導入補強機器視覺？
VSK 為 Cognex 官方授權 PSI 系統整合商，熟悉 AOI 客戶常見的補強需求：
- AOI 後段二次檢測 / AI 補判
- DPM 條碼追溯整合
- 產線前段（上料、貼合、塗布）視覺檢測
- 3D 量測補強 2D AOI
請提供您的 AOI 機台類型、現有困擾（如過殺、漏判、追溯缺口），VSK 評估後會盡快與您聯繫並提供補強方案建議。
延伸閱讀：AOI vs 機器視覺完整比較指南