無需 CAD 檔案的 AOI 編程：實際工作原理

無需 CAD 檔案的 AOI 編程透過讓系統直接從一個物理“良品”樣板學習電路板，而不是從工程資料學習。攝像頭捕獲已知良品電路板，AI 自動定位元器件並生成檢測區域，操作員反饋會隨著時間推移最佳化模型。這消除了 CAD 導入、元器件庫構建和手動閾值調整，而這些是傳統 AOI 設定需要數小時，對於複雜電路板甚至數天才能完成的原因。

對於高混合 EMS 工廠，AOI 機器的編程方式通常比其檢測方式更重要。一條每天換型數次的生產線，其生存取決於設定時間。本文將逐步解釋無需 CAD 檔案（良品樣板）的編程實際如何工作，它與傳統工作流程有何不同，以及工程師在將其投入生產前應提出的問題。

為什麼傳統 AOI 編程耗時如此之久？

傳統 AOI 編程速度慢，因為它每次都從工程資料重建電路板的檢測邏輯。熟練的工程師導入 CAD/Gerber 和貼裝資料，驗證或擴展元器件庫，示教基準點，定義電路板區域，根據 IPC-A-610 標準設定每個元器件的檢查，然後調整閾值以抑制誤報。已發布的編程指南將此描述為簡單電路板需要數小時的工作，對於複雜、密集的元件則需要數天。

傳統工作流程通常分為六個階段：

• CAD / Gerber + 貼裝資料導入 — 載入 Gerber 和元器件貼裝（中心點）資料，並將層與電路板疊層匹配。通常會新增 BOM 以獲取零件值和極性，儘管幾何形狀來自貼裝資料。
• 元器件庫驗證 — 確認或建立庫條目，包括定製零件。
• 基準點示教與對齊 — 掃描參考電路板並選擇基準點，以便軟體可以對齊。
• 電路板配置 — 定義邊緣、切口和免檢測區域（例如散熱器）。
• 元器件與焊點檢查 — 設定有無、極性和貼裝偏移檢查，通常對映到 IPC-A-610（以及焊點可接受性，J-STD-001）標準。
• 閾值調整 — 調整連錫、空洞和偏移的限制，並將缺陷分類為關鍵/主要/次要。

每個階段都假設您擁有乾淨的 CAD 資料和時間進行調整。在高混合、小批次生產中——CAD 可能缺失、不完整，或者來自不願共享的客戶——僅第 1 和第 2 階段就可能導致換型停滯。

工作流程步驟摘自已發布的 AOI 編程指南（例如 Aivon 的分步指南和 Unisoft 的編程概述），2024-2025 年。設定時間因電路板複雜性而異；任何單一數字都應視為取決於電路板。

什麼是良品樣板編程？

良品樣板編程透過單個物理已知良品電路板——“良品樣板”——而不是 CAD 資料來示教 AOI 系統。系統拍攝此參考板，現代 AI 自動檢測元器件，提取其視覺特徵，並透過將生產板與良品參考板進行比較來構建檢測區域。良品樣板是規範，因此無需 CAD 檔案或預構建的元器件庫即可開始。

“良品樣板”概念本身並不新鮮——已知良品參考板長期以來一直是 AOI 設定的一部分。（過去十年安裝的大多數傳統 AOI 實際上主要從 CAD/演算法資料構建其檢測模型，主要使用參考板進行對齊和閾值最佳化。）AI 帶來的變化是軟體可以從那塊單一電路板做什麼：舊系統仍然需要 CAD 資料和元器件庫，而新的 AI 系統可以僅從良品樣板生成可用的程式。

無需 CAD 檔案的 AI 編程如何逐步工作？

免 CAD 的 AI 編程透過自動特徵識別取代了手動設定。在實踐中，它分四個步驟執行：掃描一塊良品樣板；AI 自動檢測元器件並生成檢測框；它從參考影像設定初始閾值；以及它從操作員對誤報的反饋中學習，在生產執行時完善模型。設定時間從數小時縮短到數分鐘，因為不涉及 CAD 導入、庫構建或手動框選。

• 捕獲良品樣板。掃描一塊已知合格的電路板。這一個樣本定義了每個元器件和焊點的可接受外觀。
• 自動特徵識別。AI 不是將畫素模式與 CAD 封裝匹配，而是識別元器件是什麼——它的本體、引腳、極性標記、焊點——並自動生成檢測區域。DaoAI 將其方法稱為特徵認知檢測。
• 從參考影像獲取初始閾值。系統從良品樣板中得出初始接受限值，而無需工程師手動輸入。
• 生產線上的反饋學習。當操作員將標記的影像標記為誤報時，該判斷會反饋到模型中。每條生產線的實際經驗都成為訓練資料，因此誤報率在重複執行中呈下降趨勢。

這是多家供應商正在發展的方向——Saki、Marantz 和 Mycronic 都提供某種形式的自動編程。實際區別在於仍然需要哪些輸入：許多自動編程工具仍然需要 CAD 資料或維護的元器件庫，而像 DaoAI 這樣僅依賴良品樣板的方法則設計為無需兩者即可執行。如果您正在評估系統，那麼輸入要求是需要明確的問題。

傳統 AOI 編程與免 CAD AI 編程

核心區別在於輸入：傳統 AOI 編程由 CAD/BOM 資料和元器件庫驅動，而免 CAD 編程由一塊良品樣板加上 AI 特徵識別驅動。這將設定時間從數小時縮短到數分鐘，並將換型操作人員從專門的編程工程師轉變為生產線操作員。

如需更深入的對比，請參閱 DaoAI 與傳統 AOI：哪種更適合您的 SMT 產線。

AOI 在沒有 CAD 資料的情況下是否準確？

是的——沒有 CAD 的準確性取決於良品樣板的質量和 AI 識別元器件的能力，而不是 CAD 資料本身。CAD 驅動的編程依賴於元器件應在的位置及其指定值；良品樣板方法依賴於良品板實際的樣子，這是檢測最終比較的對象。無論哪種方式，驗收標準都可以與 IPC-A-610（PCBA 目視可接受性的行業標準）保持一致。

這對於車間的信任至關重要。IPC-A-610，“電子元件的可接受性”（當前版本 IPC-A-610J，2024 年發布），是全球公認的基準，用於衡量可接受的焊點、貼裝偏移或缺陷類別。其標準可以轉化為 AOI 規則集，無論程式是根據 CAD 還是良品樣板構建的——因此，無 CAD 編程並不意味著放棄公認的質量標準。DaoAI 表示其 P 系列實現了 ≥98% 的檢測準確率，false call 比傳統 AOI 少 80%；這些是供應商報告的資料，此處未獨立驗證，任何工廠都應在演示期間使用自己的板進行驗證。

無 CAD 編程在實踐中能帶來什麼結果？

無 CAD 編程主要在換型時間、人工和 false call 返工方面帶來回報。DaoAI 報告稱，從傳統的 3-5 小時設定轉變為約 5 分鐘、操作員執行的良品樣板工作流程，可將編程時間縮短多達 97%，將 false call 減少多達 80%，並將總運營成本降低約 60%——因為一名產線操作員在大約 30 分鐘內即可完成檢測準備，取代了專門的編程工程師。

這些是供應商報告的資料，來源於 DaoAI 的實際部署，包括與一家主要的亞洲電子製造商的合作。在此類部署中，之前需要 3-5 小時才能完成的板卡編程，現在由產線操作員在大約 5 分鐘內完成。有關這些資料背後的機制，請參閱 AI 如何將 PCBA AOI 編程時間從 3 小時縮短到 5 分鐘。任何工廠都應在演示期間用自己的板卡驗證這些資料——由於設定只需幾分鐘，因此進行現場驗證是可行的。

常見問題

我是否需要任何 CAD 或 BOM 資料來進行良品樣板 golden board AOI 編程？

不需要。良品樣板 golden board 方法從一塊物理上的已知良品板卡開始。CAD 或 BOM 資料可以有選擇地改善標註，但它不是生成可用檢測程式 inspection program 所必需的。

系統如何處理從未見過的元器件？

特徵識別 AI 透過元器件的物理特性而非匹配儲存的封裝類型 package type 來識別元器件，因此可以從良品樣板 golden board 中檢測出真正的新零件或定製零件，無需手動錄入庫。

產線操作員真的可以在沒有工程師的情況下進行換型 changeover 嗎？

這是免 CAD 編程的目的。由於沒有 CAD 導入或手動框選，設定減少到掃描良品樣板 golden board 和審查標記影像——這些任務操作員可以執行。DaoAI 報告稱，操作員經過約 30 分鐘的培訓即可進行檢測。

無 CAD 編程是否仍符合 IPC-A-610 標準？

是的。IPC-A-610 驗收標準定義了可接受的組裝件外觀；無論檢測程式如何建立，這些標準都可以對映到檢測邏輯中。

這與其它 AOI 供應商提供的 AI 自動編程有何不同？

許多自動編程工具仍需要 CAD 資料或維護的元器件庫。比較系統時的關鍵問題是哪些輸入是真正可選的。僅使用良品樣板的工作流程旨在無需 CAD 或預建庫即可執行。您可以在資源中心檢視 DaoAI 的方法和完整規格。

觀看在您自己的板上進行 5 分鐘編程

DaoAI 的 P 系列在離線 (P1/P2) 和線上 (P3/P3D) 配置中均採用良品樣板工作流程——高混生產臺和高產量產線都使用相同的無 CAD 編程。

繼續閱讀

如何計算 AOI 的 ROI 和回收期

供應商的 ROI 計算器會替您決定假設條件。這裡是完整的模型：八條成本線，誤報和漏檢節省的公式，以及兩個已完成的場景，其中一個場景不產生回報。

2026 年 8 月 25 日

購買前如何評估 AI AOI 系統

供應商的精度資料在您自己的板上重現之前毫無意義。需要帶六塊板，測量五項內容，以及合格結果是什麼樣子。

2026 年 8 月 11 日

如何為高混 PCB 組裝選擇 AOI

規格是入場券。在高混生產車間，真正的區別在於：編程輸入、換型時間以及誤報負擔。七個問題揭示了這些區別。

2026 年 8 月 5 日

訂閱以即時改善您的收件箱

AI 檢測洞察、產品新聞和行業分析。每月一次，無干擾。

英文原文發表於 DaoAI Robotics 官網 →