傳統規則 AOI 報得多、報得滥，真正的缺陷淹沒在成片誤報里。這家工廠沒有推翻原產線，而是在 AOI 之後加了一層 DaoAI AI 複判，讓人只看真問題。
−80%誤報
−80%複檢量
<1%漏檢
消費電子 PCBA 產線節拍快、板型雜，貼片焊後檢測高度依賴傳統 AOI。但規則與模板匹配對焊點反光、元件容差、印刷偏移極其敏感，稍有波動就報警。這家頭部工廠的實際誤報率長期偏高，焊後複檢工位常年三班倒，工人一天要人工二次確認上萬個被誤判的位置，真正的缺陷反而容易在疲劳中被放行。
團隊不願推翻已投產的 AOI 設備，選擇保留它做第一道粗篩，在其後接入 DaoAI AI-AOI 軟件作為第二道闸門：凡傳統 AOI 判 NG 的位置，先交給 DaoAI 模型複判。借助 APDT 正樣本/少樣本學習，產線只用十余張良品圖與少量歷史誤報圖即可上線一個工位的模型，無需為每種缺陷攢大批樣本。語義級誤報過濾把反光、容差范圍內的偏移識別為良品，只把真實的連錫、少錫、偏位留下。
方案構成
- 保留原傳統 AOI 做第一道篩，DaoAI AI-AOI 軟件做第二道 AI 複判闸門
- APDT 正樣本學習：每工位 10–20 張良品 + 少量歷史誤報圖即可上線
- 語義誤報過濾區分「反光/容差內偏移」與「真實焊接缺陷」
- 5 分鐘 0 代碼換型，新板型當班即可切換不停線
產線沒有更換一台設備，只是讓該報警的才報警。
上線後，需要人工複檢的位置下降約 80%，焊後複檢工位由三班壓縮，誤報整體下降約 80%，而漏檢率控製在 1% 以內。換型由原先停線調參的數十分鐘縮短到 5 分鐘級別，工程師不再為新板型重寫規則。