扫描一块样板
用当前批次的一块参考板，AI 自动学习元件位置与外观 —— 不需要 CAD，也不需要缺陷库。
工业质检 · AI AOI 软件系统 · SOFTWARE
5 分钟自动编程AI 质检大脑。
DaoAI AI AOI 软件系统 —— 基于视觉基础模型的特征认知，一块良品样板即可建模。无需 CAD、无需缺陷样本库、100% 本地，可嵌入任意 2D / 3D 设备。品类的下一代提法：ACI · 自动认知检测。
主权 AI 价值 · SOVEREIGN AI
工艺机密，只留在你的产线里。
良品率曲线、缺陷特征库、工艺参数 —— 这些是工厂最核心的商业机密。按 IDC 的主权框架，微链道爱的 AI 质检大脑首先要满足数据主权：SDK / API / Docker 灵活部署，样板图像与检测结果全程不出厂，也不会被用于训练任何第三方模型。
- 工艺参数不外流
良品样板与缺陷特征库是几十年生产经验的结晶 —— 我们只帮你用，不帮别人学。
- 微链道爱 AI AOI 边缘推理 <12ms，断网也能用
核心检测逻辑跑在产线本地，不依赖外部网络与云端可用性。
- 越用越准，只为你的产线
产线反馈持续优化检测效果 —— 越用越准的是你自己的竞争力，不是公共底座。
5分钟编程上线（最快 30 秒 · 传统 3–5 小时）
1张良品样板即可建模
98%一键建模即达检出准确率
−80%误报 false call
100万+真实训练图像
100%本地 · 数据不出厂
AI 自动映射元件
秒级定位元件、引脚与极性；旋转、翻转、同色器件都能准确识别，不靠手画 ROI。
AI 推导检测阈值
从样板自动推导判定阈值，产线员工即可上手；并从每一次反馈中越用越准。
特征认知 Feature Cognition
在特征空间检测，而非颜色空间- 百万级元件预训练 · APDT 正样本学习
理解元件的"身份"，而非比对像素与颜色相似度；仅需 1–20 张良品样板即可覆盖同类特征，无需负样本库。
- 同色器件不再误报
黑板黑件、银线银件等同色场景，特征空间天然可分。
- 任意朝向 · 抗污染
旋转、翻转、表面污染都能精准定位。
越用越准 · 数据闭环
每一次反馈都让模型更聪明- 即学即更
质检员标注一次误报，模型更新，同类错误不再复发。
- 语义级误报过滤
区分可接受的工艺差异与真缺陷，误报随反馈持续下降。
- 数据资产沉淀
针对你的产品与缺陷不断优化，成为越用越强的专属模型。
灵活部署 · DEPLOYMENT
嵌入你现有的 AOI / 视觉设备与产线软件。
标准接口对接 MES / 上位机，结果实时回流。
一键私有化部署，环境隔离、易于运维。
随我们的 2D / 3D 设备开箱即用。
数据 100% 留在厂内，安全合规。
<12ms 本地推理，无需上云、断网可用。
功能演示 · FEATURE DEMOS
检测示例 · DETECTION EXAMPLES
覆盖缺陷类型 · DEFECT COVERAGE
缺件 / 错件偏移 / 旋转 / 极性 / 立碑 / 侧立 / 翻转本体损伤 / 烧痕 / 变色高度 / 共面性（3D）少锡 / 多锡 / 冷焊开焊 / 虚焊引脚翘起 / 弯曲 / 缺失连锡 Bridge焊盘红胶OCR / OCV 字符条码 / 二维码 / 序列号THT 插件与焊点（炉前 / 炉后）THT 连锡锡珠 / 锡渣异物 FOD表面污染（即将支持）
16 项检测能力 · INSPECTION COVERAGE
微链道爱 AI AOI 里每项检测都跑在自动生成的检测程序上，按元件封装类型勾选适用的检查项。
| # | 检测能力 | 覆盖内容 |
|---|---|---|
| 01 | 元件在位与识别 | 缺件、错件 |
| 02 | 贴装位置、方向与极性 | X/Y 偏移、歪斜或旋转、极性错误、立碑、侧立、翻转 |
| 03 | 元件状态 | 封装或本体损伤、端头损伤、烧痕、变色 |
| 04 | 元件高度与共面性（3D） | 3D AOI 量测元件高度，检出抬起、倾斜与共面性缺陷 |
| 05 | 焊点质量 | 少锡、多锡、冷焊 |
| 06 | 开焊 | 开路或未焊连接，2D / 3D 配置均可 |
| 07 | 引脚状态 | 引脚翘起、弯曲、损伤、缺失或未焊 |
| 08 | 连锡 | 相邻焊盘或引脚间的意外连接 |
| 09 | 焊盘胶污染 | 焊盘上多余的 SMT 红胶 |
| 10 | OCR / OCV | 读取并核验元件字符、符号与激光打标文字 |
| 11 | 条码与序列号读取 | 一维码、二维码与序列号，实现单板级追溯 |
| 12 | 插件引脚与焊点（THT） | 炉前：引脚在位与插装；炉后：漏焊、少锡、多锡 |
| 13 | 插件连锡（THT） | 相邻通孔焊盘间的锡桥 |
| 14 | 锡球与颗粒 | 整板任意位置的锡球或颗粒，不限于焊点邻域 |
| 15 | 异物（FOD） | 碎屑、线头、掉落元件等外来物 |
| 16 | 表面污染 | 不可接受的助焊剂残留、污渍等表面污染（即将推出） |
完全掌控 · FULL CONTROL
AI 写程序，你握控制权 —— 四个层级、六个区域共 21 项设置，机器写的每一项都可改；自动编程与模型更新不会覆盖你的手动设置，锁定的参数保持你选的值。
- 调整任一阈值
在复看量测结果时调整 AI 生成的阈值；可限定 AI 更新的可动范围，或对该检查项关闭 AI 更新。
- 按封装类型设定规则
为每种封装类型设定检测规则，而不是逐个元件编辑；可存为预设套用到其他产品。
- 添加元件或检测区域
在漏检的元件或特征周围画框，系统从良品板学习其参数并加入程序。
- 训练你自己的模型
在微链道爱 AI AOI 里用你的图像训练针对自家产品罕见缺陷的模型，套用到选定检测区域。
生成什么 · 检测框尺寸 / 焊盘·引脚·桥接区域 / 灵敏度 / 对位标记如何判定 · 任一阈值 / 锁定值 / 启用哪些检测 / 判定准则看哪里 · 自绘区域 / 区域内检测项 / 拼板布局 / 区域几何学到什么 · 报误报 / 训练集取舍 / 自训模型 / 关闭模型如何命名 · 位号与料号 / 分组层级 / 易混字符谁可以做 · 分级权限 / 撤销
产线集成 · PRODUCTION INTEGRATION · 11 项
线体处理、质量分析、数据导出与支持，每一项都内建在检测软件里。
| 类别 | 能力 | 说明 |
|---|---|---|
| 线体处理 | 拍照路径优化 | 相机只在需要处停靠，开启全部检查项时每板拍照更少 |
| 线体处理 | 正 / 反面程序选择 | 双面板两面分别编程、一次检测跑完，AI 识别当前面并套用对应程序 |
| 线体处理 | 良 / 不良板分流 | 按配置策略自动分流不良板，无需操作员介入 |
| 质量分析 | 量具 R&R（GR&R） | 在软件内、用你的板做重复性与再现性研究，结果直接导出 |
| 质量分析 | 过程能力 Cpk | 用机器已在采集的检测量测值计算过程能力 |
| 质量分析 | 首次通过率 FPY | 整板与拼板级 FPY，逐位良率定位钢网或回流问题 |
| 数据与追溯 | MES 导出 | 每单元 CSV 结果、缺陷裁图与整板图；缺陷码映射到你的 MES 厂商代码 |
| 数据与追溯 | 检测历史与报表 | 每次检测连同图像与判定存档，任一板可回溯；报表与分析视图导出 Excel |
| 运维与支持 | 维修站 | 维修操作员专用界面：缺陷判定、板上位置与背后的图像 |
| 运维与支持 | 离线编程 | 在线外机器编程、导出，再导入产线机器 |
| 运维与支持 | 远程支持 | 需要时由我们的工程师远程协助 |
| 对比维度 | 传统规则 AOI | 通用 AI AOI | DaoAI 软件系统 |
|---|---|---|---|
| 检测范式 | 颜色 / 模板匹配 | 通用分类网络 | 视觉基础模型 · 特征认知 |
| 建模数据 | 人工规则 | 数千张缺陷图 | 一张良品样板 |
| 编程耗时 | 每块板 3–5 小时 | 取决于 AI 工程师 | 员工 5 分钟完成 |
| 持续优化 | 固定算法 | 需厂商重训 | 产线反馈即学即更 |
| 部署 | 专机绑定 | 常需上云 | SDK/API/Docker · 100% 本地 |
常见问题
5分钟自动编程AI质检大脑建模需要哪些数据？
微链道爱的5分钟自动编程AI质检大脑，基于视觉基础模型的特征认知，一块良品样板即可建模。无需CAD、也无需缺陷样本库，简单高效，能快速投入使用。
微链道爱 AI AOI 软件系统与传统规则AOI相比有什么优势？
对比传统规则AOI，我们的质检大脑采用视觉基础模型特征认知，一块良品样板5分钟就能完成编程，而传统方法每块板需3-5小时，且我们能持续优化，越用越准。
微链道爱 AI AOI 软件系统可以灵活部署吗？
可以。微链道爱 AI AOI 支持SDK集成、REST API标准接口对接、Docker容器一键私有化部署、本地一体机开箱即用等多种方式，数据100%留厂，边缘推理<12ms，断网也可用。
以上问答由人工智能辅助生成，仅供参考；具体产品参数与服务承诺以商务沟通为准。
完整演示 · FULL DEMO
AI 自动编程完整演示
软件界面 · CONSOLE
DaoAI AI AOI 软件界面
