如何減少 AOI 誤報：根本原因與解決方案

要減少 AOI 誤報，請按以下順序解決原因：確認良品樣板確實是好的，將照明和光學系統恢復到規格，清理元器件庫，然後根據 IPC-A-610 逐個視窗重新調整閾值。全面放寬限制不是解決方案，它會用誤報換取漏報。如果每次換型或新元器件批次後誤報又開始增加，那麼您反覆遇到的問題就是基於規則的演算法本身，這是一個架構問題，而不是調整問題。

誤報（也稱為假陽性或過度檢測）是指 AOI 將一塊好的電路板標記為有缺陷。每一次誤報都會將電路板傳送給人工進行二次檢查。一臺每班次誤報五十次的機器會浪費人力。它還會讓操作員不再相信它，這才是代價高昂的部分。本文將介紹誤報的來源、成本、傳統 AOI 上可以實際解決的問題，以及當檢測邏輯是 AI 而非規則時會發生什麼變化。

AOI 誤報的原因是什麼？

AOI 誤報源於檢測規則無法適應正常的工藝變異。常見的原因是閾值設定得比驗收標準要求更嚴格、照明漂移、元器件批次變化和電路板翹曲。少數元器件類型甚至會完全破壞基於顏色的演算法：本體顏色與基板顏色匹配的元器件，以及片式電感和晶體振盪器上密集的表面標記。這些需要特別注意，因為再多的閾值調整也無法解決它們。

大多數關於誤報的討論都止於“閾值過緊”。這沒錯，但這只是表面原因。完整列表如下：

• 閾值過緊。編程人員保守地進行調整，因為漏報會導致客戶投訴，而誤報只會讓驗證站感到煩惱。將這種本能重複應用到幾百個元器件視窗，程式在第一塊電路板執行之前就已經偏向於過度檢測。
• 光學和照明漂移。燈泡老化。鏡頭積灰。環境光在不同班次之間變化。畫素和顏色比較會將所有這些變化都解讀為電路板上的變化。
• 元器件批次間差異。來自第二供應商的卷帶可能帶有略有不同的本體表面處理或新的標記字型。元器件本身沒問題；但圖案匹配有問題。
• 電路板翹曲。彎曲的電路板會使元器件在其視窗邊緣發生位移，並觸發偏移和存在檢查。
• 同色元器件。當元器件本體顏色與 PCB 基板顏色匹配時，基於 RGB 的檢測可能會完全失效，因為演算法無法將元器件與電路板分離。DaoAI 的宣傳冊記錄了這種失效模式和解決方案（詳見下文）。
• 黑色電感和晶體振盪器上的標記干擾。這兩個系列是臭名昭著的誤報生成器。密集的黑底白字雷射標記在規則引擎看來就像劃痕或損壞。
• 汙染導致對位混淆。灰塵或助焊劑殘留會降低對位步驟本身的精度，導致正確放置的元器件被測量為偏移。

對您的誤報原因進行帕累託分析。如果最後三個原因占主導地位，那麼您面臨的是演算法類問題，調整無法解決。

誤報的實際成本是多少？

誤報的成本分為三個層面：重新檢測的人工（操作員重新判斷每個被標記的電路板）、電路板在驗證站排隊時造成的產線停滯，以及操作員的去敏感化，這是最不明顯但最昂貴的一個層面。當大多數警報都是誤報時，人工會開始敷衍了事，真正的缺陷會因為機器已經耗盡的信譽而透過。DaoAI 估計重新檢測和停滯成本約為每位操作員每年 15,000 至 40,000 美元（DaoAI 報告）。

第三個層面值得仔細研究，因為它顛覆了檢測的目的。一臺被過度檢測淹沒的 AOI 不再節省人力，反而會產生自己的漏報，因為其所依賴的人工驗證步驟已經麻木。質量團隊隨後會收緊閾值以捕捉漏掉的缺陷，這又會產生更多的誤報，從而加劇麻木。這個迴圈就是為什麼“我們只需重新檢查標記”永遠不會保持低成本的原因。

還有一種隱性成本。一旦誤報過多，工程師就會開始不信任 AOI 的任何報告。基於其輸出的缺陷趨勢和 SPC 圖表會變成噪音，機器最終會被忽視。一臺被忽視的檢測系統，是未檢測電路板的一種非常昂貴的投入。

如何減少傳統 AOI 的誤報？

在傳統 AOI 上，應在調整閾值之前，透過修復測量系統來減少誤報。重新驗證良品樣板，將照明恢復到規格，並更新生產線上實際批次的元器件庫。然後根據 IPC-A-610 標準，從誤報最嚴重的帕累託圖開始，逐個視窗地重新調整限值，並檢查重複性，以確保剩餘的變異屬於工藝而非機器。

按此順序操作，可取得實際進展：

• 在制定規則之前，先稽核參考。如果良品樣板或示教影像與當前合格產品（工程變更 ECO、供應商變更、新焊錫曲線）有所偏差，那麼所有後續判斷都會繼承該誤差。首先，根據經過驗證的當前電路板重新示教。
• 恢復光學和照明。清潔鏡頭，根據調試值檢查燈光輸出，重新校準白平衡。這些是枯燥的工作。但在許多工廠中，這也是能獲得最大收益的單一措施。
• 元器件庫的維護。當批次或供應商發生變化時，更新封裝類型條目，並淘汰過時的條目。指定專人負責元器件庫。當元器件庫歸屬所有人時，其衰退速度最快。
• 根據帕累託圖，對照標準進行調整。對誤報來源進行排序，並首先修復最差的視窗。將接受和拒絕限值錨定到 IPC-A-610（當前版本 IPC-A-610J，2024），而不是調整到警報停止。這可以在您放寬確實過緊的視窗時，保持對客戶的解釋力。
• 驗證重複性。對 AOI 作為測量系統進行 Gage R&R 式檢查。如果同一塊電路板在不同執行中產生不同的報告，那麼在解決這種不穩定性之前，閾值調整都是猜測。
• 標準化驗證站。根據 IPC-A-610，為複檢操作員提供相同的驗收標準和參考照片，以便“誤報”在每個班次都意味著相同的事情。否則，您試圖改進的指標本身就不可靠。

然而，這些都不是永久性的。每次換型、新產品和新元器件批次都會帶來一些重複工作。高混型生產工廠感受最深，因為每次 NPI 都會產生調整債務。

AI 如何減少誤報？

AI 透過在特徵空間而非畫素空間中判斷元器件來減少誤報。經過訓練的視覺模型提取形狀、結構、紋理和空間上下文，然後根據合格電路板的實際外觀對異常進行評分，而不是將原始畫素與固定規則進行比較。這使得判斷能夠容忍照明漂移、外觀批次差異和電路板翹曲，而這些正是大多數基於規則的誤報背後的變異（DaoAI 報告；請在您自己的電路板上驗證）。

逐個機制，對應上述根本原因：

第二個結構性差異是反饋迴路。在 DaoAI 的系統中，當操作員將標記影像判定為誤報時，該判斷會反饋到模型中，參數隨之更新。每條產線自身的生產資料成為其訓練資料，因此誤報率會隨著使用而下降，而不是上升。（這背後的良品樣板工作流程在《AOI 編程無需 CAD 檔案》中有所介紹。）DaoAI 報告稱，與傳統 AOI 相比，誤報減少高達 80%，檢測準確率達到 98% 或更高，這些資料來自包括一家主要亞洲電子製造商在內的實際生產部署（DaoAI 報告資料；請在演示期間在您自己的板上進行確認）。

驗收標準本身沒有變化。接受和拒絕標準仍然遵循 IPC-A-610。模型改變的是系統區分“不同但可接受”與“缺陷”的可靠性。關於同一架構的檢測側，請參閱單影像 AI 檢測如何處理缺陷多樣性。

何時調整不再足夠？

當誤報處理從調試任務變成一項永久性的工程職能時，調整就不再足夠了。訊號包括：每次換型都需要重新調整閾值，每次更換元件批次或供應商後誤報都會反彈，複檢已成為一個常設工位而非例外，並且在過殺率仍然很高的情況下出現了漏報。此時，瓶頸在於基於規則的架構，更多的調整隻能爭取幾周的時間。

一個實用的決策框架。如果您的產品組合穩定，NPI 很少，庫有專人負責，並且在上述維護序列後誤報確實下降了，那麼調整仍然是正確的工具。穩定的大批次生產線，配合規範的檢測程式，傳統 AOI 執行良好。這是一個真實的契合點，更全面的比較涵蓋了這一點。

如果誤報負擔隨您的產品組合而增加，那麼架構就是瓶頸。每個 NPI 都會重新產生調整債務。第二來源的零件會破壞模式匹配。您的帕累託圖主要由同色零件、有標記的電感器和振盪器，或照明漂移引起，而這些原因存在於閾值層之下，調整無法觸及。一個簡單的測試：如果您每月都在花錢請工程師來重複減少誤報，那麼這個解決方案是租來的，而不是擁有的。一個能從反饋中學習的架構，只需一次性投入。

常見問題

AOI 的正常誤報率是多少？

沒有一個值得信任的單一基準，因為工廠的衡量基礎不同：每元件 (PPM)、每板，或佔總報警的比例。產品組合、板的複雜性和閾值策略會使數字相差幾個數量級。有用的做法是選擇一個基礎，為每條生產線建立基線，並觀察趨勢。穩定工藝上誤報趨勢上升意味著檢測程式在漂移，而不是產品。

誤報和漏報有什麼區別？

誤報將一塊好板標記為有缺陷。漏報則放過了一個真實缺陷。在基於規則的系統中，兩者相互制約：收緊閾值會增加誤報，放鬆閾值會增加漏報。高誤報率也會透過使複檢操作員不敏感而間接導致漏報。

放鬆閾值以減少誤報會放過真實缺陷嗎？

全面放鬆會。那是用漏報換取安靜。只放松那些經證明對 IPC-A-610 標準過緊的檢測視窗，並且僅在參考、照明和庫問題解決後進行。如果一個視窗在不違反標準的情況下無法變得安靜，那麼您發現的限制是演算法吸收變化的能力，而不是您的調整技能。

AI AOI 需要多少資料才能降低誤報？

比大多數工程師預期的要少。DaoAI 的系統從一塊良品樣板開始。模型預先在超過一百萬張真實生產影像上進行訓練，並從這一個樣本適應您的板，然後透過正常生產中的操作員反饋持續改進（DaoAI 報告）。在安裝和首次檢測之間沒有資料收集專案。

誤報能達到零嗎？

沒有系統能誠實地承諾零，因為檢測總是在靈敏度與噪聲之間取得平衡。現實的目標是誤報負擔足夠低，使複檢成為例外而非常設工位，同時漏報保持為零。請根據您自己板上的趨勢資料來判斷任何供應商的宣告，包括我們的。

根據您最差的元件檢查機制

如果您的誤報帕累託圖主要由該表的左欄主導，那麼更多的調整時間也無法改變它。DaoAI 的 P 系列在離線 (P1/P2) 和線上 (P3/P3D) 配置中應用了帶有操作員反饋學習的特徵空間檢測。

繼續閱讀

如何計算 AOI 投資回報 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：八項成本，誤報和漏檢節省的計算公式，以及兩個已完成的場景，其中一個場景無法實現回收。

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，以及合格結果的標準。

2026年8月11日

如何為高混合 PCB 組裝選擇 AOI

規格是入場券。在高混合生產現場，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差異。

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 →