AOI检测设备误判的定义

Zjianeng

AOI检测误判的定义及存在原困、 检测误判的定义及存在原困、检测误判的定义及存在原困误判的三种理解及产生原因可以分为以下几点：

( Q2 g3 K" N6 g  ^9 ^1、元件及焊点本来有发生不良的倾向，但处于允收范围。如元件本来发生了偏移，但在允收范围内；此类误判主要是由于阙值设 定过严造成的，也可能是其本身介于不良与良品标准之间，AOI与MV(人工目检)确认造成的偏差，此类误判是可以通过调整及 与MV协调标准来降低。
) m, X2 V3 `  v0 L# y# |
) Z" n& N) l1 M7 ^% l0 o/ R- P( h2、元件及焊点无不良倾向，但由于DFM设计时未考虑AOI的可测性，而造成AOI判定良与否有一定的难度，为保证检出效果，将 引入一些误判。如焊盘设计的过窄或过短，AOI进行检测时较难进行很准确的判定，此类情况所造成的误判较难消除，除非改进 DFM或放弃此类元件的焊点不良检测。
- ]5 n' ^( i  K
! ~9 o0 J, S# u3 p; d$ u

% @1 g$ j+ a' a2 O3、由于AOI依靠反射光来进行分析和判定，但有时光会受到一些随机因素的干扰而造成误判。如元件焊端有脏物或焊盘侧的印制 线有部分未完全进行涂敷有部分裸露，从而造成搜索不良等。并且检测项目越多，可能造成的误报也会稍多。此类误报属随机误 报，无法消除。
1 D7 A' |7 K! D" |* W3 E
基于此，AOI业界普遍存在一个共识，即AOI误报不可避免，但可以减少。业界公认的理想状态下可接收误测为3000PPM以内
1 O; r& n$ \; l/ r6 `
  U* J; j4 `5 r1 J. k( Z现在人工智能的发展，机器视觉已引入深度学习算法，将会减少AOI检测误判，后面我们再与大家一起交流人工智能新技术AOI设备，智能图像分析技术的深度学习算法。

weqewq

AOI误报不可避免，但可以减少

freedom1

是的，元件及焊点无不良倾向，但由于DFM设计时未考虑AOI的可测性，而造成AOI判定良与否有一定的难度，为保证检出效果，将 引入一些误判。如焊盘设计的过窄或过短，AOI进行检测时较难进行很准确的判定，此类情况所造成的误判较难消除，除非改进 DFM或放弃此类元件的焊点不良检测。