AOI 導入指南：如何從缺陷標準與樣品驗證走到設備整合？

AOI 是否適合導入，第一步不是先選相機或演算法，而是確認目標缺陷能否在接近量產的條件下被穩定成像，且良品、NG 與邊界樣品之間具有可重複判定的差異。通過光學可行性後，才適合進一步規劃平台、治具、上下料、NG 流程、資料輸出與驗收；若缺陷標準仍不明確，再高的設備規格也無法直接轉換成穩定判定。

AOI 導入評估應依序回答五個問題：缺陷是否看得見、正常變異與 NG 是否分得開、樣品是否具有量產代表性、設備能否在站點條件下穩定取像，以及判定後是否有明確處置流程。若目前仍在判斷 PCB／FPC 製程應使用 AOI、視覺定位、雷射或其他設備，可先參考PCB 自動化設備應用總覽。

先判斷：這個檢測需求是否適合導入 AOI？

人工目檢存在一致性、紀錄或節拍問題，不代表直接導入 AOI 就能解決。AOI 的前提，是目標特徵可以透過影像穩定呈現，並且判定標準能轉換為可重複執行的影像、尺寸、位置或字碼條件。

缺陷是否能被穩定成像？

第一個問題不是肉眼能否看到缺陷，而是在預定的相機、鏡頭、光源、工作距離與工件姿態下，缺陷能否和背景形成穩定差異。刮傷、髒污、色差、凹凸、缺件、偏位與尺寸異常，可能需要不同的成像方向及光學條件。

表面反光、透明材質、複雜紋理、環境光、污染、工件角度及高度變化，都可能讓同一缺陷在不同樣品上呈現不同影像。若目標特徵無法穩定呈現，提高相機像素或增加演算法複雜度，不一定能解決根本問題。

良品、NG 與邊界樣品能否被一致判定？

AOI 導入需要明確區分可接受、不可接受及接近允收界線的狀態。若不同品保、製程或生產人員對同一樣品有不同判定，應先建立共同標準，再討論設備如何執行。

樣品不應只包含外觀理想的良品與最明顯的 NG。正常材料紋理、加工痕跡、顏色變化、位置公差與製程波動，也需納入比較，避免設備把正常變異誤判為缺陷。

樣品是否具有量產代表性？

樣品集應盡量涵蓋不同批次、材料狀態、表面處理、清潔程度、工站來源、翹曲、治具姿態及製程前後差異。若只使用少數實驗樣品進行測試，結果可能無法代表量產中的實際變異。

導入評估時也應說明哪些樣品來自正常量產、哪些為人工製作缺陷，以及哪些缺陷可能因保存、搬運或重工而改變外觀。

判定結果是否有明確後續動作？

AOI 的工作不只是在畫面上標出缺陷，還需確認判定後要如何處理。可能的流程包括警示、人工複判、重新取像、重測、NG 分流、停止製程或留下資料紀錄。

不同缺陷可能需要不同處置方式。實際流程應依品質風險、站點節拍、人工配置及上下游條件確認，避免設備完成判定後，現場仍不知道應如何處理產品。

AOI 導入可行性評估總表

下表可作為 AOI 導入前的檢查框架。「建議準備的證據」用於協助技術討論，不代表所有專案都必須採用相同資料格式或測試方式。

第一步：先把檢測項目與缺陷標準定義清楚

「檢查刮傷、髒污或尺寸」仍不足以直接轉換為 AOI 任務。設備規劃前，需要把檢測對象、位置、形態、允收邊界及判定後處置說明清楚。

檢測項目要具體到位置、形狀與判定方式

同樣稱為刮傷，可能出現在不同檢測面、方向、材質與背景上，也可能有不同寬度、長度、深淺或連續性。設備需要知道要檢查哪一面、哪一區，以及哪些特徵會影響判定。

若只說「檢查外觀」，設備廠無法判斷需要使用面陣取像、分區掃描、尺寸量測、字碼辨識，還是其他檢測方式。

缺陷標準要包含允收邊界

只提供明顯良品與嚴重 NG，容易讓前期測試看起來具有良好區分度，但無法反映量產中的邊界狀態。應盡量整理接近允收界線的樣品，並說明目前由誰、依什麼條件進行判定。

若允收界線會依產品型號、客戶規範或製程狀態改變，也應在檢測任務中分開定義。

外觀檢測、尺寸量測、位置判斷與字碼辨識要分開定義

外觀檢測著重表面狀態與缺陷特徵；尺寸量測需要明確基準與邊緣；位置判斷關注相對座標、偏移及角度；字碼辨識則涉及內容、可讀性及資料比對。

這些功能可能出現在同一設備，但其光學、演算法、資料及驗收方式不同，應先拆分成獨立任務，再評估是否需要整合。

人工判定不一致時，應先建立共同標準

若品保、製程與生產人員對同一外觀狀態有不同判定，AOI 無法自行取代尚未形成的品質標準。建議先使用樣品、照片或量測方式建立共同判定，再討論如何轉換為設備條件。

AOI 可協助把已建立的判定規則重複執行，但不應在缺少品質基準時，由設備單方面決定何者應被接受。

第二步：如何建立可用於 AOI 驗證的樣品集？

AOI 樣品集的價值不在於單純累積數量，而在於能否涵蓋主要缺陷、允收邊界及量產變異。沒有適用所有製程的固定樣品數量，應依缺陷種類、產品變異與驗證目的建立。

良品樣品

良品樣品應涵蓋正常製程允許的外觀差異，例如不同批次、材料狀態、表面處理、工站來源與正常加工痕跡。若只使用外觀最理想的樣品，設備可能無法正確處理量產中的正常變化。

NG 樣品

NG 樣品應涵蓋不同缺陷類別、位置、方向及程度。若同一缺陷可能出現在不同背景或檢測區，也應分別提供代表性狀態。

避免只提供最容易辨識的嚴重缺陷，否則前期測試可能無法反映實際生產中較接近允收界線的問題。

邊界樣品

邊界樣品位於允收與不允收之間，是討論誤判、漏判、複判與品質風險的重要依據。若邊界狀態無法透過人工建立一致判定，應先釐清品質標準。

樣品狀態要接近實際量產

清潔、重工、保存、裁切、搬運、治具固定及製程前後狀態，都可能改變影像特徵。測試樣品應盡量維持接近量產的表面、姿態與環境，避免因特別清潔或人工固定而產生過度理想的結果。

測試樣品與後續驗證樣品應分開保留

若所有樣品都在前期調整過程中反覆使用，可能導致後續缺少獨立材料驗證設備是否能處理未參與調整的樣品。建議依專案條件保留部分代表性樣品，用於後續試機或驗收討論。

前期樣品測試成功只能說明特定樣品與條件下具有可行性方向，不等同於量產驗證完成。

第三步：AOI 光學可行性測試要確認什麼？

光學可行性測試的目標，是確認目標特徵能否在可重複的取像條件下形成穩定差異，再評估相機、鏡頭、光源及取像方式。這一階段不應先以高像素或特定演算法作為唯一解法。

先確認缺陷可見性，再確認相機規格

如果缺陷與背景在影像中沒有穩定差異，單純增加影像尺寸不一定能提高判定能力。應先測試缺陷適合使用亮場、暗場、背光、低角度、同軸或其他成像方向，再進一步確認所需視野與特徵大小。

不同打光方向可能呈現不同特徵

刮傷、凹凸、異物、輪廓、透明材料及反光表面，可能在不同照明角度下呈現完全不同的影像。光源測試需同時觀察缺陷是否被強化，以及良品的正常紋理是否會造成干擾。

FOV、解析度、工作距離與景深需一起看

FOV 是單次取像涵蓋的範圍；解析度影響影像可呈現的特徵尺度；工作距離影響設備空間及鏡頭配置；景深則影響工件高度變化時能否維持清楚影像。

這些條件彼此牽制，不能只提高其中一項而忽略站點空間、節拍與工件姿態。

平台震動與工件固定會影響取像結果

即使相機與光源在靜態測試中能呈現缺陷，設備上的平台振動、治具變形、工件翹曲、上下料偏移及線纜拖曳，仍可能改變實際影像。

若需要分區取像或平台掃描，應把移動、停止、穩定及觸發方式納入光學可行性討論。

光學測試通過不等於 AOI 設備導入完成

光學測試只處理缺陷能否被穩定呈現。AOI 設備仍需整合平台、治具、上下料、演算法、NG 流程、資料及驗收方式，才能判斷是否適合投入實際站點。

相機、鏡頭、FOV、工作距離及打光條件的深入選型，可參考AOI 相機、鏡頭與光源選型。

第四步：離線 AOI、線上 AOI 或多站整合怎麼選？

AOI 站點層級應依檢測目的、節拍、上下料、NG 處理、資料及既有產線接口決定。線上全檢不一定比離線抽檢適合，多功能設備也不代表應把所有功能集中在同一站。

離線抽檢站

離線 AOI 可納入人工上下料、抽樣檢測、製程驗證、問題分析或人工複判等情境評估。其設備接口相對集中，但仍需確認工件放置、身份識別、檢測結果及操作流程。

線上全檢站

線上 AOI 除了檢測本身，還需處理自動上下料、站點節拍、NG 分流、安全、資料及上下游交握。任何一項接口未定義，都可能影響整線運轉。

全檢是否適用，應依品質風險、製程節拍及現場條件判斷，不能只因希望提高自動化程度就直接選擇。

多功能專用機

若定位、檢測、讀碼、標記與分流需要共用治具或座標基準，可評估多功能專用機。整合有助於減少重複搬送，但也會增加模組互鎖、異常復歸、維護及設計變更的複雜度。

既有產線改造

在既有產線中新增 AOI，需確認設備空間、搬送高度、電氣訊號、工件 ID、資料接口、停線安排及現場導入方式。既有接口資料不足時，不宜直接假設新設備可以沿用原有條件。

若 AOI 應用位於 PCB／FPC 製程，可返回PCB 自動化設備應用總覽，比較 AOI 與視覺定位、噴印、雷射、上下料及追溯模組的分工。

AOI 站點與設備整合層級對照表

下表用於初步判斷 AOI 導入層級。表中接口及資料範圍需依既有設備、站點與現場系統確認。

可左右滑動查看完整欄位。

第五步：平台、治具、吸附與上下料如何影響 AOI？

AOI 不只是相機與演算法。工件必須以可重複的姿態進入檢測位置，平台、治具、支撐、吸附及上下料方式，都可能改變取像與判定結果。

平台移動與取像方式

AOI 可採固定相機搭配移動平台、移動相機、分區取像或大範圍掃描等架構。選擇時需確認檢測區域、工件尺寸、工作距離、取像數量、運動路徑、穩定時間及站點節拍。

沒有適用所有 AOI 的固定平台架構。是否需要單軸、XY、龍門或其他多軸形式，需依檢測任務及整機空間判斷。

治具不得遮蔽檢測區或造成新缺陷

治具需要固定工件，但不能遮蔽檢測區、改變表面狀態、造成刮傷，或讓工件產生不符合量產的變形。定位基準、夾持位置及換線方式都需在光學測試與設備設計中同步確認。

薄片、軟板與翹曲工件需同步評估支撐及吸附

薄片、柔性材料及翹曲工件可能因重力、真空吸附、氣流或搬送方式改變表面姿態。若檢測需要固定工作距離或尺寸量測，支撐與展平方式可能直接影響結果。

上下料方式會影響工件姿態與重複取像

人工放置、機械手、輸送、料盤及載具可能產生不同的位置、角度與高度變化。若 AOI 依賴固定視野或量測基準，應確認每次上料後的姿態是否需要重新定位或補正。

平台精度需對應實際檢測任務

平台精度不應只看型錄中的單一數字，而應確認平台移動誤差是否會影響影像拼接、尺寸量測、缺陷定位及工件座標。若只做外觀有無判定，與高精度量測所需的平台條件可能不同。

需要進一步比較平台驅動、導引及結構時，可參考高精度定位平台選型。

第六步：判定結果、NG 分流與資料輸出如何規劃？

AOI 找到異常後，還需要把結果正確對應到工件、位置及後續處理流程。資料需求若太晚確認，可能連帶影響讀碼位置、控制邏輯、操作介面及驗收方式。

工件 ID 與判定結果

若檢測結果需追溯到單一產品、批次、工單或載具，應先確認識別方式及讀取時機。無法讀取、重複識別或產品重工時，也需要定義處理流程。

影像是否留存

影像留存會影響儲存空間、查詢方式、網路負載及資料權限。不是所有 AOI 都需要保存全部影像，可依品質分析、客訴追蹤、複判及製程改善目的確認保存層級。

缺陷分類與位置資料

設備可依專案需求輸出 OK／NG、缺陷類別、數量、位置、量測結果或其他欄位。欄位定義應和現場處置、報表及驗收用途一致，避免產生大量無法使用的資料。

人工複判、重測與 NG 分流

部分邊界狀態可能需要人工複判或重新取像。應確認產品是否回到原站重測、進入複判站、放入指定料盒，或依缺陷類別進行不同處理。

設備資料、資料庫與 MES 屬不同整合層級

設備內部判定、站點資料庫、工廠資料系統及 MES 是不同層級。是否需要跨系統整合，應依資料用途、權限、責任窗口及現場架構確認。

資料格式與通訊接口需依現場確認

資料格式、資料庫、API、設備訊號或通訊協議不應在缺少現場資訊時預設。實際接口、欄位、讀寫權限及異常處理，正式範圍以雙方確認內容為準。

第七步：AOI 驗收與量產驗證應如何規劃？

AOI 驗收不只確認相機能否拍到缺陷，也應涵蓋樣品、測試環境、判定邏輯、節拍、NG 流程與資料輸出。具體條件應在設備設計及試機前逐步建立。

驗收樣品與前期調整樣品應區分

若驗收只使用前期反覆調整過的樣品，可能無法確認設備對其他代表性樣品的處理能力。可依專案條件保留獨立的良品、NG、邊界及不同批次樣品，用於後續驗證。

測試條件要接近實際生產

驗收時的工件姿態、清潔狀態、治具、光源環境、上下料、站點節拍及資料流程，應盡量接近實際使用情境。特別固定或人工調整後的理想條件，可能無法反映量產狀況。

檢出、誤判與漏判需先定義計算邏輯

在討論檢出、誤判與漏判前，需要先定義樣品分類、統計單位、重測規則、人工複判及邊界樣品處理方式。沒有一致的計算邏輯，不宜直接比較不同測試結果。

實際門檻應依產品、缺陷風險及雙方確認條件建立，不應套用固定數值。

節拍、資料與 NG 流程也屬驗收內容

若 AOI 安裝在線上站點，驗收還需確認上下料、取像、判定、NG 分流、結果綁定與異常復歸能否按照預定流程運作。單純演算法測試通過，不代表整站功能完成。

初期試機成功不等於長期量產穩定

初期試機只能確認特定樣品、環境與設備狀態下的結果。長期量產還可能受到不同批次、污染、設備溫度、治具磨耗、相機位置及光源狀態影響，因此應依品質風險規劃後續監測與再確認方式。

完整的設備測試、FAT／SAT 及驗收規劃，可參考自動化設備 FAT／SAT 與驗收標準。

AOI 從可行性測試到設備導入有哪些決策節點？

AOI 導入可依下列決策節點逐步推進。實際執行順序與輸出方式需依專案複雜度及雙方確認範圍調整。

1. 檢測任務定義： 以缺陷、位置、判定方式及允收邊界為輸入。當檢測項目與邊界可被清楚描述後，才適合建立樣品集。
2. 代表性樣品集建立： 整理良品、NG、邊界及主要量產變異。樣品足以涵蓋主要風險後，才適合進入光學可行性測試。
3. 光學可行性確認： 使用樣品與取像條件確認特徵能否穩定呈現。若結果仍受反光、姿態或製程變異干擾，需先調整光學、治具或製程條件。
4. 設備架構評估： 根據站點、平台、治具、上下料、NG 及資料需求建立整合方向，並列出主要接口與風險。
5. 試機與獨立樣品驗證： 依已確認條件測試判定、節拍、資料及異常流程。重大未決事項具備處理方向後，才適合準備現場導入。
6. 現場導入與量產確認： 依產線、資料、上下游及驗收條件執行現場整合，並管理尚未關閉的問題。

AOI 可行性確認後，專案如何進入設計、製作、整合、試機與現場導入，可延伸閱讀客製化自動化設備開發流程。

哪些情況不適合直接進入 AOI 設備設計？

AOI 並非所有人工檢查問題都能直接轉換成設備專案。若下列條件仍未釐清，可先補充標準、樣品或製程資料，再評估是否適合進入設備架構討論。

缺陷標準仍由不同人員各自判斷

當同一樣品會因檢查人員不同而得到不同結論，設備缺少可執行的共同基準。此時應先建立允收邊界與複判規則。

樣品不足或不具量產代表性

只有少數良品與明顯 NG，或樣品均來自同一批次，可能無法反映材料、製程及表面的正常變異。建議先補充主要狀態與不同批次樣品。

缺陷無法在影像中穩定呈現

若缺陷會因角度、清潔、反光或工件姿態而消失，應先調整光學、固定方式或製程條件。此時不宜直接把問題歸因於相機規格不足。

產品與製程仍頻繁變動

產品外形、材料、檢測區域、缺陷標準或工站流程持續變更時，設備架構與驗收條件也可能反覆調整。可先釐清穩定基準及預期變更範圍。

製程瓶頸其實不在檢測站

若主要問題來自供料、定位、加工、治具、資料或上下游等待，加入 AOI 不一定能改善整體結果。應先確認檢測是否為真正瓶頸。

判定後沒有明確處置流程

若現場尚未決定 NG 要複判、重測、分流或停線，AOI 判定可能無法有效轉換成製程行動。應先建立品質責任及產品流向。

AOI 導入前最低需要準備哪些資料？

下表僅整理 AOI 可行性與設備整合討論所需的最低資料，不取代完整自動化設備需求盤點。

若需要進一步整理產品、製程、現場、介面及驗收條件，可參考自動化設備詢價前需求清單。

AOI 導入常見誤區

先選相機，再定義缺陷

相機規格應由檢測任務、特徵大小、視野、工作距離與節拍反推。缺陷尚未定義時，先選相機可能無法解決真正的成像與判定問題。

只有明顯 NG，沒有良品與邊界樣品

明顯 NG 容易與良品區分，但量產中更常遇到的是正常變異與接近允收界線的狀態。缺少邊界樣品，容易低估誤判、漏判及複判需求。

光學測試成功就直接等同量產可行

光學測試只證明特定樣品在特定條件下可以形成影像差異。量產還需驗證批次變異、工件姿態、平台、治具、上下料、節拍及資料流程。

只驗證檢測演算法，未驗證平台、治具與上下料

演算法在靜態影像上可判定，不代表設備移動、工件翹曲、治具遮蔽及自動搬送後仍能取得相同影像。AOI 應以完整站點條件進行整合評估。

設備完成後才定義 NG、資料及驗收流程

NG 分流、人工複判、工件 ID、影像保存、資料接口及驗收計算，可能影響設備控制、機構與軟體。這些條件若太晚確認，容易增加修改範圍。

延伸閱讀

AOI 光學與平台

• AOI 相機、鏡頭與光源選型
• 高精度定位平台選型

自動化與驗收

• 自動化設備詢價前需求清單
• 客製化自動化設備開發流程
• 自動化設備 FAT／SAT 與驗收標準

應用與實績

• PCB 自動化設備應用總覽
• 2D AOI PCB 檢測機案例

結論：先證明缺陷可被穩定判定，再進入設備整合

AOI 導入的起點不是相機規格或設備形式，而是具體的檢測任務、缺陷標準及具有量產代表性的樣品。只有當良品、NG、邊界與正常製程變異能在接近實際使用的條件下被穩定成像與判定，才適合進一步討論 AOI 設備架構。

光學可行性通過後，仍需處理平台、治具、工件支撐、上下料、NG 分流、資料輸出及驗收條件。離線、半自動、線上全檢或多站整合各有不同的接口與風險，實際設備架構需依工件、站點、製程及現場條件確認。

正式導入前，建議讓檢測標準、樣品、光學條件、站點流程及後續處置使用相同基準，避免設備設計完成後才重新定義檢測與驗收範圍。