一、AOI 里过时的不是 A,也不是 I,是 O
AI AOI 这个词已经把「用视觉基础模型替代人工规则」说清楚了,这一层没有问题。真正开始不合身的是中间那个 O——光学。这一个字母同时绑死了三样东西,而这三样今天都不再成立。
它绑死了成像模态
「光学」默认指可见光成像。但同一个世界模型底座上跑的,还有结构光 3D 成像、X 光、红外,以及电镜图像的定量分析。判定逻辑是共用的,成像方式不是。继续把这件事叫「光学检测」,等于在名字里把其余模态排除在外——而客户的产线上,这些模态往往是并存的。
它绑死了检测对象
在产业语境里,AOI 几乎等同于电路板检测。当同一套系统进到医疗耗材、食品包装或化工薄膜时,这个词自带错误上下文:对方第一反应是「我们不做板子」。名字先于方案被否掉,是最不值得的一种失败。
它绑死了判定原理
光学检测有一个隐含承诺:拍一张图,和标准图逐像素比对。而这一代的做法恰恰相反——认的是元件,而非像素。差别不在精度高低,在于判据挂在什么上:挂在像素差异上,换个光源、换个批次的来料就要重调;挂在特征认知上,判的是「这个元件该长什么样」。
三条绑死,逐条对照
| 被「O」绑死的 | 光学检测的隐含承诺 | 认知检测的实际做法 |
|---|---|---|
| 成像模态 | 默认可见光成像,其余模态不在词义射程内 | 结构光 3D、X 光、红外与电镜图像共用同一套判定逻辑 |
| 检测对象 | 产业语境里默认指电路板 | 同一系统覆盖电子、汽车、半导体、电池、医药、食品、化工、消费八类场景 |
| 判定原理 | 拍一张图,与标准图逐像素比对 | 认元件、而非像素:判据挂在元件的正常形态上,不挂在像素差异上 |
二、C 换掉 O:自动认知检测
ACI(Automated Cognitive Inspection,自动认知检测)——保留 A(自动)与 I(检测),把 O(光学)换成 C(认知)。这个名字要说的只有一件事:判定依据是认知,不是成像方式。
三条随之变化的东西,都是站上已有产品页里能查到的做法,不是新承诺:
- 建模方式——从「收集缺陷样本库」变成只用良品建模:模型学的是正常形态,而不是穷举异常。
- 换型方式——从「逐块重新编程」变成0 代码换型:一块良品样板完成自动编程。
- 判定方式——从「像素差异超阈值即报」变成语义误报过滤:区分真缺陷与看起来像缺陷的正常变异。
把这三条放在一起看,「光学」已经不是它们的公因式了。认知才是。
三、为什么只换一个字母
类别创新大多死在同一件事上:要求客户学一套新词汇。
现实是,招标文件、工艺文件、质检规程、验收标准里写的都是 AOI。换一个全新的词,意味着这些文件要重写一遍,而重写文件的人和买设备的人往往不是同一批——这一步的阻力比技术评估大得多。
A 和 I 不动、只换 O,既有文件可以原样沿用:「AOI」改成「ACI」是一次查找替换,不是一次流程再造。品类要往前走,同时让存量文档零成本平移,这是代价最小的一条路径。
四、你现在需要哪一代
不必换名词就能自查。如果下面这几条里有任何一条成立,说明你要解的问题已经不在「光学」这个词的射程里了:
- 产线上同时存在两种以上成像方式(可见光 + 3D、或 + X 光 / 红外 / 电镜),而你希望它们共用一套判定逻辑。
- 检测对象不是电路板,而现有供应商的方案描述里到处是 PCB 语境。
- 换型频繁,每次换型都要重新编程或重新收集缺陷样本。
- 误报的主要来源不是「没拍清楚」,而是正常变异被当成了缺陷(反光、纹理、允许范围内的位移)。
四条都不成立,那么现有的 AI AOI 部署本来就够用,不必迁移——这也是我们的判断。