传统 AOI 只能检出疑似缺陷，真伪判定与分类仍压在质检员身上；过杀失控既拖产能，也让良率数据失真。
<2%过杀率
−90%复判人机比
+30%产线节拍
该晶圆厂前道 AOI 设备每片晶圆产出大量疑似缺陷点位，但设备本身无法区分真实缺陷与划痕反光、颗粒残留等伪报。所有点位需由质检员逐一在显微图像上人工复判与归类，三班倒仍难以覆盖产量高峰，复判积压直接顶到出货节点。
长期运行下，该厂 AOI 过杀率维持在 20% 以上，意味着每五个报警就有一个是好的被误判，大量合格晶圆被退回重检，既消耗工时，也让缺陷分布统计失真，工艺端难以据此定位真实异常源。
DaoAI 产品方案
DaoAI 将 AI-ADC 自动缺陷分类模块接入 AOI 复判工位：AOI 输出的疑似点位图像直接进入 AI-ADC，模型在显微/微米级精度下区分真伪并归入预定义缺陷类别。针对历史样本不均衡的类别，采用 APDT 正样本学习配合 DaoAI World 世界模型泛化，减少对大量人工标注的依赖。
- AI-ADC 对 AOI 报警点位做真伪二次判定，过滤伪报
- 按颗粒、划伤、图形缺陷等类别自动归类并回写 MES
- APDT 正样本学习覆盖低频缺陷，缩短上线周期
- 分类结果反哺工艺端，定位真实异常源
过杀从 20% 以上压到 2% 以下，质检员从逐片复判转向异常仲裁。
上线后，该厂 AOI 过杀率由 20% 以上降至 2% 以下，复判环节人机比下降约 90%，质检员只需处理少量边界样本；复判不再成为瓶颈，整线节拍提升约 30%，缺陷分类数据也回归可用。