一次自动编程运行：同一块拼板的原始图像和自动编程后图像，每个元器件都被框选 30 秒 – 5 分钟 从零开始生成检测程序 经过调优后，实现 1% 的误报率。
经过调优后，实现 1% 的误报率。
98% 检测精度，一键完成 直接来自自动编程，未经任何调优。
直接来自自动编程，未经任何调优。
CAD 可选 一块良品样板是全部输入 CAD 或 BOM 文件用于填充位号和料号。除此之外，没有其他依赖。
CAD 或 BOM 文件用于填充位号和料号。除此之外，没有其他依赖。
数小时的示教，缩短至数分钟。
传统 AOI 编程耗时数小时：准备板数据、维护元件库以及为每块新板调整检测设置。
基于规则的示教（按板型） 3 – 5 HR DaoAI AI 自动编程 30 秒 – 5 分钟 数天 无 无需等待数据 只有当 CAD 或元件清单到达并正确无误时，才能开始。 3–5 hr 5 分钟 每块板的编程时间更少 工程师编程一块新板需要 3 到 5 小时，对于包含数千个元件的板则需要数天。 先决条件 无 无需元件库 每个新封装都需手动添加，并从那时起保持正确。 小时 30 s 换线准备就绪 新板意味着重新编程，并逐一调整阈值。
八项核心检测能力。
我们最新的 AI 模型轻松准确地覆盖所有八项。
AOI 检测示例：元器件。元器件缺失、错件、偏移、旋转或损坏，以及立碑。 AOI 检测示例：元器件极性。二极管、LED、电容、钽电容和 IC 反向。 AOI 检测示例：元器件标记。元器件代码错误、字符缺失、印刷模糊或偏移。 AOI 检测示例：元器件方向。元器件正面朝上但旋转 90 或 180 度。 AOI 检测示例：焊点质量。焊锡不足或过量、冷焊、相邻焊盘之间连锡。 AOI 检测示例：引脚、焊盘和焊锡。引脚翘起、弯曲、损坏或缺失，每个引脚一个判定。 AOI 检测示例：插件焊点。炉前：元器件缺失、反向或插入不良。炉后：焊锡不足或过量、焊点不良或连锡。 AOI 检测示例：红胶。波峰焊前胶水扩散到焊盘上。 01 / 08 元件。
元件缺失、错件、偏移、旋转或损坏，以及立碑。
01 元器件 02 元器件极性 03 元器件标记 04 元器件方向 05 焊点质量 06 引脚、焊盘和焊锡 07 插件焊点 08 红胶
仅需四步。
捕获并选择：捕获良品样板，然后勾选所需检测项。 步骤 01
采集与选择
采集良品样板，然后勾选所需检测项。
自动编程：AI 在 30 秒到 5 分钟内生成检测程序。对于拼板，它在同一次运行中还会生成拼板布局。 步骤 02
自动编程
AI 在 30 秒到 5 分钟内生成检测程序。对于拼板，它也会在同一运行中生成拼板布局。
微调：修改任何不满意的地方。 步骤 03
微调
修改任何不满意的地方。
运行：开始检测生产板。操作员可以直接在机器上查看结果并纠正误报。 步骤 04
运行
开始检测生产板。操作员可以直接在机器上查看结果并纠正误报。
AI 为每个元器件打分并设置每个阈值。
分数来自在您的板上训练的模型，阈值根据这些分数设置。AI 更新可随时重新训练模型、重新生成参数并重新评估板。
在元器件样本及其缺陷分数之间切换 每个元器件都有分数
每个元器件都有分数，而不仅仅是合格或不合格。查看其分数和详细检测结果，了解它与参考板的偏差程度。
根据元器件分数调整检测阈值 可见的阈值
阈值根据这些分数设置。您可以看到良品元器件和不良品元器件的得分，并设置它们之间的分界线。
AI 生成。完全可配置。
调整检测框在自动编程之前，为每种封装类型设置检测框大小，而不是之后逐个元器件调整大小。 选择检测区域对于每种封装类型，选择是跳过某个区域、仅生成其几何形状，还是将其包含在检测中。这包括焊盘、引脚和连锡区域。 锁定选定参数将参数锁定为您选择的值，以便在再次运行自动编程时保持不变。 保存为预设将整个自动编程设置保存为一个名称，一步应用于下一个产品，或导出到另一台机器。 在选定区域重新运行自动编程
在电路板发生变化的部分周围画一个框，并在框内再次运行自动编程。框外的一切，包括您的编辑，都保持不变。完全控制包含完整列表。
随时添加 CAD。或者不添加。
CAD/BOM 数据为 AI 检测到的元件添加位号和料号，并按料号进行分组。您可以稍后导入，而不会丢失您的调优。
电路板 + CAD/BOM 编程质量 完整。文件不改变检测内容或判断方式 何时可以开始 良品样板可用后即可。CAD/BOM 数据可用后即可导入。 位号和料号 您的真实位号和料号，自动匹配 相同元件的跨组件分组 也按料号分组，因此一次编辑即可覆盖完全相同的元件 MES 和可追溯性 以您的 MES 已使用的词汇导出，无需映射 操作员和维修站 缺陷按位号命名，与维修单上一致 仅需一块良品样板 编程质量 相同。元件、引脚和焊盘均从电路板上检测 何时可以开始 良品样板可用后即可。 位号和料号 自动生成的标识符。位置正确但未命名 相同元件的跨组件分组 按检测到的元件类型分组 MES 和可追溯性 使用生成的标识符导出，下游需要映射 操作员和维修站 缺陷通过电路板图像上的位置定位
接受的格式是 SMT 设备已导出的元件信息文件，CSV、TSV 或纯文本格式。如果文件迟到或从未提供，检测质量不受影响。
自动编程无需预建元件库。元件模板可以保存、重复使用并导出到其他机器。
我们如何从替代方案中脱颖而出。
基于规则的示教 模板匹配 · 良品样板 通用 AI AOI 预训练模型 · 云端处理 DaoAI 自动编程
开始前需要什么 CAD 或元件清单，以及一个需要人工维护的封装库 一个从未在您的板上训练过的预训练模型 一块良品样板 接受 CAD，但非必需 如何判断一个元件 逐像素与一张良品图像进行比较 一个在他人板上训练的通用模型，从未针对您的板进行适配 元件，而非像素 一个在超过一百万张真实生产图像上训练的 AI 模型。该模型会针对您的板进行适配，以帮助区分缺陷和可接受的视觉变异。 一种新的元件类型 需要有人先手动将其添加到库中 仅当其与训练数据相似时才有效。否则，需联系供应商 无需预先添加任何内容 直接从板上检测并编程 降低误报率 放宽阈值，这也会导致真实缺陷漏检 作为请求提出。改进会在供应商重新训练并发布后实现 标记为 OK 一次 模型会对其进行再训练。参见反馈学习 谁可以更改它 掌握阈值知识的人 他们的 AI 工程师。云处理还会将您的板图像传出工厂。 任何操作员 都可以看到要更改什么以及如何更改。账户权限决定谁被允许操作。
我们每次都会遇到的问题。
是否需要 CAD 或 Gerber 文件？
不需要。一块良品样板就足够了。接受 CAD 文件，它会添加位号、料号和分组。它不会改变编程质量。请参阅上面的 CAD 对比。
系统从未见过的封装类型会发生什么？
它会根据眼前的板进行检测和建模。无需首先创建库条目，这是整个方法的重点。
如果我手动调整参数，重新训练会覆盖它吗？
不会。生成时会比较参数上次手动编辑的时间与其检测区域上次生成的时间，并保留较新的人工编辑。
在未进行任何调整之前，它的准确性如何？
机器自动编写的检测程序，一键实现 98% 的检测准确率。从复检屏幕报告误报会进一步提高准确率。
编程让您在第一天就能进行有效的检测。之后降低误报率是另一种机制，它始于操作员的一次告知。
本页更多演示
