无需 CAD 文件的 AOI 编程：实际工作原理

无需 CAD 文件的 AOI 编程通过让系统直接从一个物理“良品”样板学习电路板，而不是从工程数据学习。摄像头捕获已知良品电路板，AI 自动定位元器件并生成检测区域，操作员反馈会随着时间推移优化模型。这消除了 CAD 导入、元器件库构建和手动阈值调整，而这些是传统 AOI 设置需要数小时，对于复杂电路板甚至数天才能完成的原因。

对于高混合 EMS 工厂，AOI 机器的编程方式通常比其检测方式更重要。一条每天换型数次的生产线，其生存取决于设置时间。本文将逐步解释无需 CAD 文件（良品样板）的编程实际如何工作，它与传统工作流程有何不同，以及工程师在将其投入生产前应提出的问题。

为什么传统 AOI 编程耗时如此之久？

传统 AOI 编程速度慢，因为它每次都从工程数据重建电路板的检测逻辑。熟练的工程师导入 CAD/Gerber 和贴装数据，验证或扩展元器件库，示教基准点，定义电路板区域，根据 IPC-A-610 标准设置每个元器件的检查，然后调整阈值以抑制误报。已发布的编程指南将此描述为简单电路板需要数小时的工作，对于复杂、密集的组件则需要数天。

传统工作流程通常分为六个阶段：

• CAD / Gerber + 贴装数据导入 — 加载 Gerber 和元器件贴装（中心点）数据，并将层与电路板叠层匹配。通常会添加 BOM 以获取零件值和极性，尽管几何形状来自贴装数据。
• 元器件库验证 — 确认或创建库条目，包括定制零件。
• 基准点示教与对齐 — 扫描参考电路板并选择基准点，以便软件可以对齐。
• 电路板配置 — 定义边缘、切口和免检测区域（例如散热器）。
• 元器件与焊点检查 — 设置有无、极性和贴装偏移检查，通常映射到 IPC-A-610（以及焊点可接受性，J-STD-001）标准。
• 阈值调整 — 调整连锡、空洞和偏移的限制，并将缺陷分类为关键/主要/次要。

每个阶段都假设您拥有干净的 CAD 数据和时间进行调整。在高混合、小批量生产中——CAD 可能缺失、不完整，或者来自不愿共享的客户——仅第 1 和第 2 阶段就可能导致换型停滞。

工作流程步骤摘自已发布的 AOI 编程指南（例如 Aivon 的分步指南和 Unisoft 的编程概述），2024-2025 年。设置时间因电路板复杂性而异；任何单一数字都应视为取决于电路板。

什么是良品样板编程？

良品样板编程通过单个物理已知良品电路板——“良品样板”——而不是 CAD 数据来示教 AOI 系统。系统拍摄此参考板，现代 AI 自动检测元器件，提取其视觉特征，并通过将生产板与良品参考板进行比较来构建检测区域。良品样板是规范，因此无需 CAD 文件或预构建的元器件库即可开始。

“良品样板”概念本身并不新鲜——已知良品参考板长期以来一直是 AOI 设置的一部分。（过去十年安装的大多数传统 AOI 实际上主要从 CAD/算法数据构建其检测模型，主要使用参考板进行对齐和阈值优化。）AI 带来的变化是软件可以从那块单一电路板做什么：旧系统仍然需要 CAD 数据和元器件库，而新的 AI 系统可以仅从良品样板生成可用的程序。

无需 CAD 文件的 AI 编程如何逐步工作？

免 CAD 的 AI 编程通过自动特征识别取代了手动设置。在实践中，它分四个步骤运行：扫描一块良品样板；AI 自动检测元器件并生成检测框；它从参考图像设置初始阈值；以及它从操作员对误报的反馈中学习，在生产运行时完善模型。设置时间从数小时缩短到数分钟，因为不涉及 CAD 导入、库构建或手动框选。

• 捕获良品样板。扫描一块已知合格的电路板。这一个样本定义了每个元器件和焊点的可接受外观。
• 自动特征识别。AI 不是将像素模式与 CAD 封装匹配，而是识别元器件是什么——它的本体、引脚、极性标记、焊点——并自动生成检测区域。DaoAI 将其方法称为特征认知检测。
• 从参考图像获取初始阈值。系统从良品样板中得出初始接受限值，而无需工程师手动输入。
• 生产线上的反馈学习。当操作员将标记的图像标记为误报时，该判断会反馈到模型中。每条生产线的实际经验都成为训练数据，因此误报率在重复运行中呈下降趋势。

这是多家供应商正在发展的方向——Saki、Marantz 和 Mycronic 都提供某种形式的自动编程。实际区别在于仍然需要哪些输入：许多自动编程工具仍然需要 CAD 数据或维护的元器件库，而像 DaoAI 这样仅依赖良品样板的方法则设计为无需两者即可运行。如果您正在评估系统，那么输入要求是需要明确的问题。

传统 AOI 编程与免 CAD AI 编程

核心区别在于输入：传统 AOI 编程由 CAD/BOM 数据和元器件库驱动，而免 CAD 编程由一块良品样板加上 AI 特征识别驱动。这将设置时间从数小时缩短到数分钟，并将换型操作人员从专门的编程工程师转变为生产线操作员。

如需更深入的对比，请参阅 DaoAI 与传统 AOI：哪种更适合您的 SMT 产线。

AOI 在没有 CAD 数据的情况下是否准确？

是的——没有 CAD 的准确性取决于良品样板的质量和 AI 识别元器件的能力，而不是 CAD 数据本身。CAD 驱动的编程依赖于元器件应在的位置及其指定值；良品样板方法依赖于良品板实际的样子，这是检测最终比较的对象。无论哪种方式，验收标准都可以与 IPC-A-610（PCBA 目视可接受性的行业标准）保持一致。

这对于车间的信任至关重要。IPC-A-610，“电子组件的可接受性”（当前版本 IPC-A-610J，2024 年发布），是全球公认的基准，用于衡量可接受的焊点、贴装偏移或缺陷类别。其标准可以转化为 AOI 规则集，无论程序是根据 CAD 还是良品样板构建的——因此，无 CAD 编程并不意味着放弃公认的质量标准。DaoAI 表示其 P 系列实现了 ≥98% 的检测准确率，false call 比传统 AOI 少 80%；这些是供应商报告的数据，此处未独立验证，任何工厂都应在演示期间使用自己的板进行验证。

无 CAD 编程在实践中能带来什么结果？

无 CAD 编程主要在换型时间、人工和 false call 返工方面带来回报。DaoAI 报告称，从传统的 3-5 小时设置转变为约 5 分钟、操作员运行的良品样板工作流程，可将编程时间缩短多达 97%，将 false call 减少多达 80%，并将总运营成本降低约 60%——因为一名产线操作员在大约 30 分钟内即可完成检测准备，取代了专门的编程工程师。

这些是供应商报告的数据，来源于 DaoAI 的实际部署，包括与一家主要的亚洲电子制造商的合作。在此类部署中，之前需要 3-5 小时才能完成的板卡编程，现在由产线操作员在大约 5 分钟内完成。有关这些数据背后的机制，请参阅 AI 如何将 PCBA AOI 编程时间从 3 小时缩短到 5 分钟。任何工厂都应在演示期间用自己的板卡验证这些数据——由于设置只需几分钟，因此进行现场验证是可行的。

常见问题

我是否需要任何 CAD 或 BOM 数据来进行良品样板 golden board AOI 编程？

不需要。良品样板 golden board 方法从一块物理上的已知良品板卡开始。CAD 或 BOM 数据可以有选择地改善标注，但它不是生成可用检测程序 inspection program 所必需的。

系统如何处理从未见过的元器件？

特征识别 AI 通过元器件的物理特性而非匹配存储的封装类型 package type 来识别元器件，因此可以从良品样板 golden board 中检测出真正的新零件或定制零件，无需手动录入库。

产线操作员真的可以在没有工程师的情况下进行换型 changeover 吗？

这是免 CAD 编程的目的。由于没有 CAD 导入或手动框选，设置减少到扫描良品样板 golden board 和审查标记图像——这些任务操作员可以执行。DaoAI 报告称，操作员经过约 30 分钟的培训即可进行检测。

无 CAD 编程是否仍符合 IPC-A-610 标准？

是的。IPC-A-610 验收标准定义了可接受的组装件外观；无论检测程序如何创建，这些标准都可以映射到检测逻辑中。

这与其它 AOI 供应商提供的 AI 自动编程有何不同？

许多自动编程工具仍需要 CAD 数据或维护的元器件库。比较系统时的关键问题是哪些输入是真正可选的。仅使用良品样板的工作流程旨在无需 CAD 或预建库即可运行。您可以在资源中心查看 DaoAI 的方法和完整规格。

观看在您自己的板上进行 5 分钟编程

DaoAI 的 P 系列在离线 (P1/P2) 和在线 (P3/P3D) 配置中均采用良品样板工作流程——高混生产台和高产量产线都使用相同的无 CAD 编程。

继续阅读

如何计算 AOI 的 ROI 和回收期

供应商的 ROI 计算器会替您决定假设条件。这里是完整的模型：八条成本线，误报和漏检节省的公式，以及两个已完成的场景，其中一个场景不产生回报。

2026 年 8 月 25 日

购买前如何评估 AI AOI 系统

供应商的精度数据在您自己的板上重现之前毫无意义。需要带六块板，测量五项内容，以及合格结果是什么样子。

2026 年 8 月 11 日

如何为高混 PCB 组装选择 AOI

规格是入场券。在高混生产车间，真正的区别在于：编程输入、换型时间以及误报负担。七个问题揭示了这些区别。

2026 年 8 月 5 日

订阅以即时改善您的收件箱

AI 检测洞察、产品新闻和行业分析。每月一次，无干扰。

英文原文发表于 DaoAI Robotics 官网 →