1月26日，正值十周年之际，数之联正式推出一款基于深度学习的创新型硬件产品——追光AI-AOI。作为献礼之作，这款产品解决了传统AOI操作复杂、调试时间长、误判高等核心痛点。
检测修复，国产化 AOI 设备崛起
海外的 AOI 公司都历经十余年的发展，在相关领域的解决方案以及产品供应更加成熟，不过国内也出现了越来越多的优秀厂商，逐步打破国外巨头垄断局面。数之联联合创始人、工业事业部总经理方育柯在产品发布环节介绍道：“数之联追光AI-AOI是我们全力做好国产化替代的一个象征，也是我们软硬一体的产品。”
全新AI-AOI，解决行业痛点
自动光学检测(AOI )是工业自动化有效的检测方法，使用机器视觉做为检测技术，以影像处理来检出异物或图案异常等瑕疵，大量应用于LCD/TFT、晶体管与PCB工业制程上。
但“传统机器视觉基于规则或者简单的算法，能够满足有比较明确特征的检测或测量需求，在处理一致且制造精良的部件时尚且能可靠运行，但随着缺陷库的增大，算法也会变得越来越有挑战性。”方育柯提到，随着工厂对工艺的要求越来越高，更先进的制程不断出现，传统AOI在缺陷检测方面的局限性逐渐显露，“AI成为AOI检测技术进一步发展的关键因素。”
以DIP工艺波峰焊炉后检测为例，缺陷种类多，形态复杂，基于OK规则的传统算法难以兼容焊点的多形态特征，误判过筛率约为70%，这大大增加了操作员复判的工作量，也容易造成操作员疲劳，随之增加漏检风险。
此外，波峰焊的焊点形态变化大，传统算法需要针对每一类焊点进行调试，大大增加了调试时间。同时传统AOI操作复杂，还对人员的熟练程度有要求，一旦人员流动，难以延续设备检测效果，就会影响生产效率。
图为形态各异的焊点图像
因此数之联瞄准传统AOI过检、误检高，人力替代率低等痛点，聚焦PCBA、新能源、汽车、面板等领域，基于深度学习开发了全新的AI-AOI。
精准可靠，核心指标行业领先
与同类解决方案对比，数之联追光AI-AOI搭载着数之联深度学习神经网络模型，该模型是数之联集合了在泛半导体行业多个成功落地经验及海量缺陷数据，训练出的可兼容焊点形态变化、高泛化模型，能切实解决传统AOI在编程/调试时间过长、误判过高、因人而异的操作结果等核心痛点。
与传统AOI对比，数之联追光AI-AOI通过AI模型，自动识别焊点位置，一个检测框即可覆盖各类缺陷的检测，将之前1-2小时的调试时间缩短为10分钟以内。
不仅如此，基于深度学习的焊点识别，可精准定位缺陷位置，对多种形态各异的焊点做出准确的判断，解决传统算法仅对缺陷进行OK/NG粗分类问题。
经市场和客户验证，追光AI-AOI检出率可达到99.99%，误判率低于0.3%。其中，PCBA DIP 追光系列AOI已实现核心指标行业领先，有效提升工厂工艺品质。如此，生产线上更加一致、更加可靠且更快速地完成任务。
自主设计，力求极致
除了硬核指标提升方面，为了最大程度优化设备性能，数之联在这款硬件的设计上也花了很多心思：
● 最大的检板：在同规格系列产品中，能处理全行业最大的PCB板
● 最小的体积：在同规格系列产品中，全行业体积最小，帮助工厂节省厂房空间
● 最快的速度：自主研发的运动模组可高速运作，实现更高的UPH
● 兼具性价比：整机功能模组大量自主设计，兼具性能和成本优势
● 全链条数据追溯：整版图像，完整保留检测结果。后续可通过条码追溯，100%复现检测情景
新产品，新征程，新未来。在这个历史性的时刻，随着追光AI-AOI的发布，数之联产品矩阵进一步壮大，也将更好地满足工业客户在对工艺日益精进、极致的需求。未来，面向智能制造，以创新研发强动力，升级更优生产体验，致力于让工业质检更智能。
相关文章
