一次自動編程執行：同一塊拼板的原始影像和自動編程後影像，每個元器件都被框選 30 秒 – 5 分鐘 從零開始生成檢測程式 經過調優後，實現 1% 的誤報率。
經過調優後，實現 1% 的誤報率。
98% 檢測精度，一鍵完成 直接來自自動編程，未經任何調優。
直接來自自動編程，未經任何調優。
CAD 可選 一塊良品樣板是全部輸入 CAD 或 BOM 檔案用於填充位號和料號。除此之外，沒有其他依賴。
CAD 或 BOM 檔案用於填充位號和料號。除此之外，沒有其他依賴。
數小時的示教，縮短至數分鐘。
傳統 AOI 編程耗時數小時：準備板資料、維護元件庫以及為每塊新板調整檢測設定。
基於規則的示教（按板型） 3 – 5 HR DaoAI AI 自動編程 30 秒 – 5 分鐘 數天 無 無需等待資料 只有當 CAD 或元件清單到達並正確無誤時，才能開始。 3–5 hr 5 分鐘 每塊板的編程時間更少 工程師編程一塊新板需要 3 到 5 小時，對於包含數千個元件的板則需要數天。 先決條件 無 無需元件庫 每個新封裝都需手動新增，並從那時起保持正確。 小時 30 s 換線準備就緒 新板意味著重新編程，並逐一調整閾值。
八項核心檢測能力。
我們最新的 AI 模型輕鬆準確地覆蓋所有八項。
AOI 檢測示例：元器件。元器件缺失、錯件、偏移、旋轉或損壞，以及立碑。 AOI 檢測示例：元器件極性。二極體、LED、電容、鉭電容和 IC 反向。 AOI 檢測示例：元器件標記。元器件程式碼錯誤、字元缺失、印刷模糊或偏移。 AOI 檢測示例：元器件方向。元器件正面朝上但旋轉 90 或 180 度。 AOI 檢測示例：焊點質量。焊錫不足或過量、冷焊、相鄰焊盤之間連錫。 AOI 檢測示例：引腳、焊盤和焊錫。引腳翹起、彎曲、損壞或缺失，每個引腳一個判定。 AOI 檢測示例：插件焊點。爐前：元器件缺失、反向或插入不良。爐後：焊錫不足或過量、焊點不良或連錫。 AOI 檢測示例：紅膠。波峰焊前膠水擴散到焊盤上。 01 / 08 元件。
元件缺失、錯件、偏移、旋轉或損壞，以及立碑。
01 元器件 02 元器件極性 03 元器件標記 04 元器件方向 05 焊點質量 06 引腳、焊盤和焊錫 07 插件焊點 08 紅膠
僅需四步。
捕獲並選擇：捕獲良品樣板，然後勾選所需檢測項。 步驟 01
採集與選擇
採集良品樣板，然後勾選所需檢測項。
自動編程：AI 在 30 秒到 5 分鐘內生成檢測程式。對於拼板，它在同一次執行中還會生成拼板佈局。 步驟 02
自動編程
AI 在 30 秒到 5 分鐘內生成檢測程式。對於拼板，它也會在同一執行中生成拼板佈局。
微調：修改任何不滿意的地方。 步驟 03
微調
修改任何不滿意的地方。
執行：開始檢測生產板。操作員可以直接在機器上檢視結果並糾正誤報。 步驟 04
執行
開始檢測生產板。操作員可以直接在機器上檢視結果並糾正誤報。
AI 為每個元器件打分並設定每個閾值。
分數來自在您的板上訓練的模型，閾值根據這些分數設定。AI 更新可隨時重新訓練模型、重新生成參數並重新評估板。
在元器件樣本及其缺陷分數之間切換 每個元器件都有分數
每個元器件都有分數，而不僅僅是合格或不合格。檢視其分數和詳細檢測結果，瞭解它與參考板的偏差程度。
根據元器件分數調整檢測閾值 可見的閾值
閾值根據這些分數設定。您可以看到良品元器件和不良品元器件的得分，並設定它們之間的分界線。
AI 生成。完全可配置。
調整檢測框在自動編程之前，為每種封裝類型設定檢測框大小，而不是之後逐個元器件調整大小。 選擇檢測區域對於每種封裝類型，選擇是跳過某個區域、僅生成其幾何形狀，還是將其包含在檢測中。這包括焊盤、引腳和連錫區域。 鎖定選定參數將參數鎖定為您選擇的值，以便在再次執行自動編程時保持不變。 儲存為預設將整個自動編程設定儲存為一個名稱，一步應用於下一個產品，或匯出到另一臺機器。 在選定區域重新執行自動編程
在電路板發生變化的部分周圍畫一個框，並在框內再次執行自動編程。框外的一切，包括您的編輯，都保持不變。完全控制包含完整列表。
隨時新增 CAD。或者不新增。
CAD/BOM 資料為 AI 檢測到的元件新增位號和料號，並按料號進行分組。您可以稍後導入，而不會丟失您的調優。
電路板 + CAD/BOM 編程質量 完整。檔案不改變檢測內容或判斷方式 何時可以開始 良品樣板可用後即可。CAD/BOM 資料可用後即可導入。 位號和料號 您的真實位號和料號，自動匹配 相同元件的跨元件分組 也按料號分組，因此一次編輯即可覆蓋完全相同的元件 MES 和可追溯性 以您的 MES 已使用的詞彙匯出，無需對映 操作員和維修站 缺陷按位號命名，與維修單上一致 僅需一塊良品樣板 編程質量 相同。元件、引腳和焊盤均從電路板上檢測 何時可以開始 良品樣板可用後即可。 位號和料號 自動生成的識別符號。位置正確但未命名 相同元件的跨元件分組 按檢測到的元件類型分組 MES 和可追溯性 使用生成的識別符號匯出，下游需要對映 操作員和維修站 缺陷透過電路板影像上的位置定位
接受的格式是 SMT 設備已匯出的元件資訊檔案，CSV、TSV 或純文字格式。如果檔案遲到或從未提供，檢測質量不受影響。
自動編程無需預建元件庫。元件模板可以儲存、重複使用並匯出到其他機器。
我們如何從替代方案中脫穎而出。
基於規則的示教 模板匹配 · 良品樣板 通用 AI AOI 預訓練模型 · 雲端處理 DaoAI 自動編程
開始前需要什麼 CAD 或元件清單，以及一個需要人工維護的封裝庫 一個從未在您的板上訓練過的預訓練模型 一塊良品樣板 接受 CAD，但非必需 如何判斷一個元件 逐畫素與一張良品影像進行比較 一個在他人板上訓練的通用模型，從未針對您的板進行適配 元件，而非畫素 一個在超過一百萬張真實生產影像上訓練的 AI 模型。該模型會針對您的板進行適配，以幫助區分缺陷和可接受的視覺變異。 一種新的元件類型 需要有人先手動將其新增到庫中 僅當其與訓練資料相似時才有效。否則，需聯絡供應商 無需預先新增任何內容 直接從板上檢測並編程 降低誤報率 放寬閾值，這也會導致真實缺陷漏檢 作為請求提出。改進會在供應商重新訓練併發布後實現 標記為 OK 一次 模型會對其進行再訓練。參見反饋學習 誰可以更改它 掌握閾值知識的人 他們的 AI 工程師。雲處理還會將您的板影像傳出工廠。 任何操作員 都可以看到要更改什麼以及如何更改。賬戶權限決定誰被允許操作。
我們每次都會遇到的問題。
是否需要 CAD 或 Gerber 檔案？
不需要。一塊良品樣板就足夠了。接受 CAD 檔案，它會新增位號、料號和分組。它不會改變編程質量。請參閱上面的 CAD 對比。
系統從未見過的封裝類型會發生什麼？
它會根據眼前的板進行檢測和建模。無需首先建立庫條目，這是整個方法的重點。
如果我手動調整參數，重新訓練會覆蓋它嗎？
不會。生成時會比較參數上次手動編輯的時間與其檢測區域上次生成的時間，並保留較新的人工編輯。
在未進行任何調整之前，它的準確性如何？
機器自動編寫的檢測程式，一鍵實現 98% 的檢測準確率。從複檢螢幕報告誤報會進一步提高準確率。
編程讓您在第一天就能進行有效的檢測。之後降低誤報率是另一種機制，它始於操作員的一次告知。
本頁更多演示
