学习型aoi的必要性是一个值得探讨的问题，之前有朋友提到aoi设备具有自动学习的功能，所以对于误判降低有比较好的效果，也就是我们常说的aoi统计建模的分析方法：将误判，误报的数据进行修正以达到降低误报的效果，需要做的只是人工确认的工序。那么，学习型aoi的必要性真的有价值吗？又有多少必要性呢？这是小胡这一章要回答的问题。
对于平常我们所常见的图像对比技术升级版的统计建模的人性化软件设计理念，在实际生产中大批量生产的情况下是没有问题的，而且综合效果也不错，所以在之前的几年时间里，aoi设备得到普及型发展，但是不断追求进度的驱动力，驱使着我们在pcba焊点检测的路上走的更远。能不能不用学习或将误报降低到接近为零？这是对aoi检测技术提出的最高要求，因为目前光学检测技术对于元件变化人性化的自动修正功能还有待改进，举例：一个员工新入职，在告诉他标准后即正常生产。这样的生产效率是每个smt管理者梦寐以求的，相比于aoi设备也是这样，如果在pcb编程过程中已经直接给出标准就不用后续的不断误报，不断修正的过程，当然这是一个理想化的状态。
与学习型aoi对立的就是分析型aoi就是小胡经常提到的特征矢量分析型aoi的简称，因为矢量分析型aoi人性化的加入了软件自动修正的功能，所以在后续的定位点偏差，FPC变形等问题上，能够根据需要检测的产品特征，自动修正我们所能遇到的在图像对比技术中常见的焊点误报率高的问题，这一点关于《向量成像–高精度定位技術》章节有详细描述，这里就不重复说明，值得一提的就是矢量分析技术充分运用了不同检测部品有者不同的特征，而特征即轮廓本身所占的面积是像素的无数倍，其中像素是固定的单调的，但是特征本身是比较丰富的，同时矢量分析坐标式数字化的数据相对于图像对比图片类数字数据，分析要简单的多，坐标式数据在分析过程中也比图片数据严谨的多，这就注定了：新生的矢量分析技术带有先天的优势，从数据分析的根源上就是具有优良血统的，如果图像对比要完善对于PFC软板和插件检测低误报率的要求，必然从软件分析根本入手，这就意味着软件程序的底层源程序的改变。到目前为止还没有发现有一家专业开发光学检测技术图像对比方式的公司，会重新编写自己的程序，以满足在aoi检测技术发展过程中生产对于检测技术的要求。
AOI检出的不良品要与良品区分开，用红色箭头标贴在不良的位置，然后放进不良品箱，应该在你的检查位要放置三个箱：未检查品放置箱，良口放置箱，不良品放置箱；在SMT需要做到标识清晰，状态明了，这样工作起来才不会混乱
客服1