AOI是什麼？如何利用AOI把關產品品質？規格、應用一次解析

AOI是什麼？本文從AOI檢測原理和功能談起，帶您認識AOI系統及規格，並從產業應用說明AOI的優勢。如果您遇到AOI應用瓶頸，或者想了解更多AOI未來發展和導入詳情，歡迎洽詢生產方案優化公司「全球儀器」！

一、AOI 自動光學檢測：深入定義＆功能，認識現代製程的測試利器

在現代電子與精密製造產業中，產品尺寸越來越小、結構越來越複雜，傳統依賴人工目視檢查的方式已難以滿足高速量產與高品質要求。為了在產線節拍中快速且穩定地檢出缺陷，企業逐漸導入自動化技術，其中 AOI 自動光學檢測便是極具代表性的解決方案之一。以下將從 AOI 的基本定義與核心功能開始，帶您完整認識這項重要的製程檢測技術。

（一）AOI 是什麼？

AOI（Automated Optical Inspection，自動光學檢測）是一種透過高解析相機、光源模組與影像演算法，對產品外觀與結構進行即時檢查的自動化設備。它能在不接觸產品的情況下，快速比對實際影像與標準模型，找出瑕疵、偏移或異常狀態。而隨著科技的不斷進步，現代 AOI 也不再僅限於光學，更會結合AI 視覺與深度學習，能做出更快、更精準的視覺判斷，成為智慧製造的重要一環。

簡單來說，AOI 就像是經過嚴格視覺訓練的測試工人，能夠快速地判斷每件產品是否有外觀上的不及格之處，並決定產品是否能進入下一關，或者需要淘汰。目前 AOI 廣泛應用於電路板、半導體、顯示面板與精密組裝製程的測試環節，是提升良率與製程穩定度的重要關卡。

（二）AOI 功能有哪些？

AOI 的核心功能主要包含：

• 外觀瑕疵檢測：如刮傷、髒汙、缺料、破損或異物附著等問題，快速辨識產品表面是否存在異常。
• 位置量測：透過影像量測技術，對產品或結構特徵的長度、寬度、間距、孔位與輪廓尺寸進行自動檢測，此功能可應用於各類精密零件與製程檢測，判斷尺寸是否超出公差範圍，確保產品的一致性與裝配精度。
• 元件偏移與極性錯誤判斷：針對具有方向性的元件（如二極體、電解電容、IC 等），AOI 可辨識元件方向是否正確、貼合位置是否偏移，避免因極性錯誤造成電路功能異常。
• 焊點品質檢查：檢查焊點是否出現少錫、多錫、虛焊、短路等焊接缺陷，保障焊點形狀與錫量符合品質要求，提升電路板的可靠度與整體良率。

另外，透過高速拍攝與影像比對，AOI 能即時回饋製程異常，協助工程師迅速調整參數，降低人工目測檢驗的負擔，同時還能累積檢測數據，作為後續製程優化與品質追蹤的重要依據。

二、AOI 檢測原理是什麼？透過 AOI 系統構成一次看清！

AOI 的原理，是利用光學成像與影像分析技術，將產品表面或結構特徵轉換為可分析的影像資料，再透過演算法與標準樣本進行比對，藉此自動判斷產品是否存在外觀缺陷、尺寸偏差或裝配異常。這套法則又被稱為 Rule-Based 判斷機制，需要先定義好檢測邏輯和標準（Rule），系統才能運用 Rule 的內容和被測試物來執行比對。

若要理解 AOI 如何完成這些檢測工作，可以先從系統基本結構來看：

• 光源模組：依檢測需求配置同軸光、環形光、背光或多角度光源，用於強化對比、凸顯刮傷、缺料或高度差等細微瑕疵，是影像品質的關鍵基礎。
• 影像擷取模組：採用高解析度工業相機（2D 或 3D），負責高速拍攝待測物影像，確保在量產節拍下仍能清楚捕捉細節與邊緣特徵。
• 影像處理與演算法模組：透過影像前處理、特徵萃取、比對分析與缺陷分類演算法，判斷尺寸、位置、形狀與外觀是否符合設定標準，是 AOI 判斷準確度的核心。
• 控制與運算單元：由 IPC（工業電腦）與 PLC（可程式控制器）構成，IPC 負責影像運算、檢測邏輯與結果判定；PLC 則負責輸送、定位、分流、剔除等設備動作控制，並管理製程節拍與安全互鎖，確保系統穩定連續運行。
• 機構平台與定位系統：包含輸送模組、XY 平台或旋轉治具，用來精準定位產品位置，讓每次拍攝角度與檢測區域保持一致。
• 人機介面與資料管理模組：提供操作介面供工程師設定參數、檢視檢測結果與良率數據，並可將資料串接 MES（製造執行系統）／SPC（統計製程控制）系統，用於製程監控與品質追蹤。

那麼，AOI 的實際運作流程又是如何呢？

首先，產品會被送上機構平台，並完成定位。此時，光源模組依檢測目標設計照明方式，透過刻意放大高度差、邊緣或表面紋理，使潛在缺陷在影像中被清楚放大。接著影像擷取模組會以固定角度與解析度取得穩定影像，確保後續比對基準一致。

影像送入影像處理與演算法模組後，系統會依管理模組的設定進行影像前處理、特徵萃取與比對判斷，將結果轉換為可執行的 OK 或 NG 訊號。此判定結果再交由控制與運算單元中的 IPC 與 PLC 分工處理：IPC 負責檢測邏輯與結果輸出，而 PLC 則依判定結果即時控制輸送、定位、分流或剔除，形成完整的自動化檢測閉環。

三、5 項 AOI 規格說明，檢測信度、效度、效率盡在掌握

在導入 AOI 時，設備性能並不能只從單一指標判斷，而需要從多個規格面向綜合評估。檢測速度、精度、視野範圍、辨識率與容許誤差率，分別對應 AOI 在效率、準確度與穩定度上的表現，也是企業在規劃檢測方案時的重要依據。

（一）檢測速度

檢測速度是指單位時間內 AOI 可完成的檢測量，通常以 Cycle Time 或 UPH（Units Per Hour）表示。速度是否達標，取決於相機曝光、影像運算效能與機構平台動作協調，直接影響是否能無縫銜接產線節拍，屬於 AOI 效率的核心指標。

（二）檢測精度

精度是指當產品出現多大的誤差時，就會被自動檢出，這個指標反映 AOI 對尺寸、位置與外觀差異的判斷準確程度，與相機解析度、鏡頭倍率、校正機制及演算法密切相關。高精度可降低誤判與漏檢風險，但過分追求精度卻會大幅推高成本，並拖慢檢測速度，是 AOI 規劃上的一大難題。

（三）視野範圍

視野範圍（Field of View, FOV）指單次拍攝可涵蓋的檢測面積。FOV 越大，可減少拍攝次數、提升效率；但 FOV 過大可能犧牲解析度，導致精度下降，因此 AOI 設置需在覆蓋範圍與細節辨識能力之間取得平衡。

（四）辨識率

辨識率反映了 AOI 正確判斷缺陷與良品的能力，通常以「正確檢出率」來衡量。高辨識率代表系統能穩定分辨真正缺陷與製程雜訊，也是一個 AOI 系統最直觀的效度與信度指標。一般而言，AOI 系統的辨識率可達 98%，部分高階系統甚至可達 99% 以上，遠勝於人工檢測辨識率約 95% 的表現。

（五）容許誤差率

容許誤差率是指 AOI 在整體檢測結果中，對錯判或漏檢所允許的比例上限。在 AOI 的判定中，誤差主要包括 2 種類型：一是誤判，即將良品判定為不良品；二是漏檢，即未偵測到真正的不良品。如果容許誤差設定過於嚴格，系統可能會把許多正常產品誤判為缺陷，增加人工複檢與生產成本；但若設定過於寬鬆，又可能讓部分缺陷產品流入後段製程。

上述 5 項指標彼此之間並非獨立存在，而是會相互牽動。例如，提升檢測精度可能影響速度，放大視野範圍又可能降低解析度，因此在實際導入 AOI 時，需要從整體產線規劃的角度進行整合設計。

透過將 AOI 設備與光學系統、演算法、機構平台及製程系統一併納入整體生產方案中，才能在檢測信度、效度與效率之間取得最佳平衡，確保品質控管與產線產能同時達到理想表現。

四、AOI 應用行業一覽，從實例了解優勢

隨著產品結構日益精密、製程節拍不斷加快，AOI 已逐漸從電子製造領域擴展至更多產業，成為品質控管的重要工具。以下便從半導體、製造業與電子產業 3 個常見應用場景，說明 AOI 在不同產業中的實際應用方式與導入優勢。

AOI 半導體應用實例

半導體產業所生產的晶圓與元件尺寸極小、製程高度精密，任何微小刮傷、汙染或結構缺陷都可能影響性能，因此常使用 AOI 作為測試環節的輔助工具，主要用於晶圓表面檢測、封裝外觀檢查與微瑕疵辨識。

由於傳統 AOI 已逐漸跟不上半導體產業的需求，因此不少廠商正考慮升級為結合 AI 的 AOI 系統，但因為擔心建立 AOI AI 模型需要大量資料來訓練，或是 AI 對於非典型的瑕疵把關力不足，最終仍需仰賴人工檢查，因而感到卻步。

全球儀器的Smart AOI 可以透過至少 100 張電晶體正樣本（需涵蓋多元化特徵），經由更有效率的深度學習，在數分鐘內就能達到 95% 以上的辨識率；再結合既有設備的串聯和持續微調參數，效能或能進一步提高，正好能回應半導體 AOI 應用的核心訴求。

AOI 製造業應用實例

在食品、醫藥與日用品等包裝產線中，AOI 常被用於檢查包裝外觀與標示是否正確，例如標籤貼附位置是否偏移、印刷內容是否清晰、條碼或 QR Code 是否可辨識，以及包裝袋或盒體是否存在破損、髒汙或封口不良等問題。

透過 AOI 結合 AI 外觀異常偵測技術，系統可在高速輸送過程中即時拍攝包裝影像，並自動比對標準樣本，快速判斷是否存在標籤錯位、印刷缺陷或包裝瑕疵等異常。若發現問題，系統可即時發出 NG 訊號並剔除不良品，避免錯誤包裝流入市場，造成食安、醫安等疑慮，影響品牌的聲譽。

AOI 電子業應用實例

在電子製造產業中，AOI 是 PCB 與 SMT （印刷電路板以及表面黏著加工）製程中不可或缺的檢測設備。當元件完成貼裝與焊接後，AOI 會透過影像比對技術檢查元件位置、極性方向與焊點品質，例如焊點偏移、短路或少錫等問題。由於電子業的裝配複雜，產品多樣化、迭代快，人工目檢固然難以達到高速、高精度的要求，就連傳統 AOI 也未必能勝任。

近年來，電子產業也開始導入 AI AOI 系統，結合電腦視覺與深度學習技術，使檢測設備能持續、高效率地執行外觀品質檢查。部分設計良好的系統如 Smart AOI 只需少量良品影像即可訓練模型，並快速部署至產線，在電子業少量多樣的生產模式下仍能維持高精度檢測。 

五、AOI 可能遇上哪些瓶頸和挑戰？該如何克服？

由於製程精度與產品複雜度持續提升，AOI 在實際應用中可能會面臨辨識能力、檢測效率與系統穩定度等方面的挑戰。若未妥善處理，這些問題不僅會影響檢測準確度，甚至成為產線效率的瓶頸！

接下來，全球儀器會以自身的經驗出發，介紹如何透過演算法升級、光學設計優化與系統架構改善，來克服不同的 AOI 痛點，總結出妥善規劃與專業生產方案的優勢。

（一）複雜或非典型缺陷難以穩定辨識

傳統 AOI 多採用規則式影像比對，例如輪廓、灰階或尺寸閾值判斷，對於紋理變化大、形態不一致或缺乏固定特徵的非典型缺陷，容易出現誤判或漏檢。例如，刮傷形狀不規則、汙染物分布不均、材料紋理本身變化較大等情況，傳統演算法往往難以建立穩定的判斷標準。

💡改善方向：導入 AI 視覺與深度學習模型，透過大量缺陷影像進行訓練，讓系統能辨識更複雜的缺陷特徵。另外也可以建立 AI 缺陷分類模型，針對非典型缺陷進行深度學習分析，可將整體辨識率提升至約 99%，大幅提高系統對多樣缺陷型態的適應能力。

（二）誤判與漏檢之間難以取得平衡

AOI 檢測中常見的挑戰之一，是誤判（將良品判定為不良品）與漏檢（未偵測到真正的不良品）之間的取捨。正如上文所述，假如未能設定出兼顧 2 者的容許誤差率，無論是設定得過於嚴格或過於寬鬆，都會對產線效能帶來巨大的影響。

💡改善方向：建議透過缺陷風險分級機制，針對不同類型缺陷設定差異化判定門檻，並結合歷史檢測數據與 SPC 分析來持續優化參數，這種動態參數調校與自動化校正機制，能讓系統真正掌握製程的實際生產狀態，讓容許誤差率維持在最佳平衡狀態，同時降低產線因誤判造成的停機或人工介入。

（三）光源與材料特性影響檢測穩定度

在實際應用中，不同材料的反光特性、透明度或表面紋理差異，可能導致影像品質並不如預期。例如高反光金屬、透明材料或表面紋理不均的產品，都會造成影像對比不穩定，使同一缺陷在不同拍攝條件下呈現不同特徵，進而影響判斷一致性。

💡改善方向：在硬體上，可透過多角度或複合式光源設計，讓缺陷特徵得以強化；軟體上，則可結合 AI 視覺演算法，自動判斷材質差異、環境變化、缺陷類型等並補償光源，降低因光源問題造成的誤判率。

（四）參數調校與維護成本偏高

AOI 在導入新產品或製程條件改變時，常需要重新調整檢測參數，例如閾值設定、特徵比對條件或影像處理流程。若系統高度依賴人工經驗進行調校，不僅耗時，也容易因工程師經驗差異而影響檢測結果的可靠度。

💡改善方向：除了建立標準化的參數調整 SOP，透過檢測數據回饋來持續優化參數設定外，也可選擇導入 AI 模型與自動化校正機制，讓系統在不同產品或環境條件下自動調整參數，降低測試環節對個人經驗的依賴，並提升系統長期維運的穩定度。

（五）檢測速度可能成為產線瓶頸

在高解析度檢測或需要多次拍攝的情境下，AOI 的 Cycle Time 容易增加，若檢測速度無法跟上產線節拍，就可能成為整體產能的瓶頸。特別是在半導體或高密度電子製造中，同時要求高解析度與大範圍檢測時，速度與精度之間的平衡更具挑戰。

💡改善方向：透過 GPU 加速與多工運算架構，能夠大幅提升影像處理效率，根據全球儀器的經驗，可使 AOI 檢測速度提高約 30%，在保持檢測精度的同時，確保設備能順利配合產線節拍運作。其他做法還有適度放大視野範圍、減少拍攝次數，也可透過多鏡頭同步技術，在維持高解析度的同時擴大檢測視野。

六、跟上 AOI 未來發展趨勢，把握行業先機！

看到這裡，相信您已經明白 AOI 的優勢和潛能，而隨著製造產業持續朝高精度與智慧化發展，AOI 技術也會跟著持續進化。以下將從幾個主要趨勢，簡單說明 AOI 技術未來的發展方向。

• AI 與深度學習成為重要輔助：AI 技術可補強傳統規則式 AOI 在複雜缺陷與製程變異下的辨識能力，降低誤判率並減少對人工調整參數的依賴。以全球儀器的 Smart AOI 為例，它結合了電腦視覺與深度機器學習技術，可透過少量良品影像快速建立 AI 模型並部署至產線，持續進行高精度自動檢測，協助企業在少量多樣的生產模式下仍維持穩定品質。

• 3D AOI 的應用將持續增加：隨著硬體成熟與導入門檻降低，3D AOI 不再局限於高階製程，將逐步被導入更多產線，作為 2D 檢測的重要補充。日後對於高度差、焊點體積或立體結構缺陷等 3D 外觀缺陷判斷將更精確、更廣泛應用。

• 檢測速度與效能持續優化：透過運算平台與演算法效率提升，AOI 將在維持精度的同時縮短 Cycle Time，以因應高速量產需求，使品質檢測不再是限制產能的因素。

• AOI 與製程系統整合程度提高：AOI 將更緊密地與 MES、SPC 等系統整合，使檢測結果能即時回饋製程調整與品質管理，包括品質趨勢分析、異常預警與製程優化，提升整體製造決策能力，讓 AOI 從單純的品質把關工具升級為製程優化資料來源，進一步推動智慧製造的落地。

七、引入 AOI 檢測攔截未達標產品，製程優化服務公司就選「全球儀器」

在現代生產環境中，品質檢測早已不能靠單一設備來完成，而是需要以更宏觀的角度，透過整合、優化整體製程來達到更理想的成效。從檢測設備選型、光學與影像系統整合，到演算法設定與產線節拍協調，都需要具備專業經驗的技術團隊協助規劃。因此，選擇具備完整解決方案能力的服務夥伴，才能讓 AOI 檢測真正發揮效益，協助企業在品質控管與生產效率之間取得最佳平衡。

GIT 全球儀器長期深耕檢測設備與製程優化領域，致力於為半導體、電子製造與精密加工等產業提供完整的 AOI 與智慧檢測解決方案。從設備導入評估、系統整合到後續技術支援，全球儀器皆可依據不同產線需求提供客製化服務，協助企業建立穩定且高效率的檢測流程。我們目前的合作產業包括：

電子製造業

• PCB 元件缺失、偏移檢測 
• 半導體晶片表面缺陷與異物檢測
• 金屬表面粗糙度、刮痕、裂紋檢測
• 焊接品質檢測

消費電子

• 手機組裝：螢幕、按鍵、外殼瑕疵檢測 
• 穿戴裝置：錶帶、錶面、充電接點檢測 
• 家電製造：外觀完整性、標籤正確性檢測 

紡織與包裝

• 布料檢測：織物瑕疵、色差、破損檢測 
• 包裝品質：標籤位置、封裝完整性檢測 
• 印刷檢測：文字清晰度、色彩一致性檢測 

特殊應用場景

• 品質控制：生產線即時品質監控與預警 
• 工安監控：人員防護設備穿戴檢查 
• 製程優化：SOP 遵循度監控與改善建議 

若您希望導入 AOI 系統以提升檢測準確度、降低人工檢測負擔，或進一步優化產線品質管理流程，歡迎聯繫全球儀器專業團隊！我們能提供完整的技術支援與製程整合服務，讓您的產線在確保品質的同時，也能持續提升生產效率與市場競爭力。