共计 424 个字符，预计需要花费 2 分钟才能阅读完成。
目前市场上现存的 AOI 检测设备大多不具备 AI 深度学习功能，普遍存在编程时间长，误报率高等痛点，无法实现省人效果，生产效率低下。AI 人工 智能 AOI，利用基于深度学习的 AI 人工智能系统进行复判，降低误报率，提高检测准确率。传统 AOI 具有以下缺点：
（1）操作复杂、调试时间长。波峰焊的焊点形态变化大，传统算法需针对每一类焊点进行调试，大大增加了调试时间。同时，还对人员的熟练程度有要求，一旦人员流动，难以延续设备检测效果，从而影响生产效率。
（2）误判高。传统算法难以兼容焊点的多形态特征，误判比较高，大大增加了操作员复判的工作量。过多的误判，操作员容易疲劳，漏检的风险随之增加。
使用传统算法的 AOI，不管从颜色提取、灰度计算还是模板匹配等，操作人员可能都不得不为每一类焊点制作一个 OK 规格，这样就会耗费较多的调试时间。随着例外和缺陷库的增大，算法也会变得越来越有挑战性。换句话说，到了特定的时候，工厂自动化中需要的某些应用将无法再依靠基于规则的机器视觉。
正文完
