AOI 程式编写与误判率管理：规则库与样本的平衡

AOI（自动光学检测）是 SMT 产线最常用的外观检测手段，但"检得出"和"检得准"是两回事。程式写得松会漏缺陷，写得紧又满屏误报。行业里的难点，往往落在 AOI 程式编写与误判率（false call）的管理上。

程式靠什么判定缺陷

传统 AOI 通过颜色、灰度、边缘与预设公差比对标准图像，判断偏移、立碑、少锡、连锡等。程式质量取决于算法参数、光源角度与样板库是否充分。样板覆盖不全，新器件或新焊盘形态就容易被误判。

误判率为什么必须管

误判率过高会把检验员淹没在假缺陷中，反而让真问题漏掉；过低又可能放过风险。产线需要把误判控制在一个可接受的区间，并定期回顾。恒烁电子在 AOI 环节统计漏报与误报分布，反向优化程式。

样本与规则的互补

规则库解决"已知形态"，样本学习解决"长尾变异"。近年 AI 视觉被引入 AOI，用样本补齐规则覆盖不到的场景，但前提是样本量充足、标注准确。两者并非替代关系，而是按批量与缺陷类型分工。

程式维护是持续动作

新机型上线、钢网或炉温微调后，AOI 程式往往要相应更新。恒烁电子把程式版本与产品型号绑定，换型时同步确认检测项，避免用旧程式检新板。

与人工复判的衔接

AOI 报警最终仍需人工或复检设备确认。把复判结果回流到程式，是降低长期误判率的关键。恒烁电子将复判数据纳入过程记录，使检测能力随量产经验稳步提升。

误判率的量化指标

仅仅"感觉误报多"无法驱动改进。产线通常按"每千点报警数""真假缺陷比"等口径统计误判率，并设定阶段目标。恒烁电子把这一指标纳入 AOI 岗位的日常考核，使程式优化从偶发动作变成持续习惯，而非等到批量漏检才回头补救。

关于恒烁电子

常州恒烁电子有限公司（品牌"恒烁电子"）成立于 2014 年，位于常州市钟楼区，从 2000 年起投资 SMT 设备，长期专注于 SMT 贴片、DIP 插件加工与整机 OEM 代工。公司拥有约 3000 平方米专业厂房、五条 SMT 全自动高速贴片生产线、多条 DIP 插件线与组装测试线，并设有成品老化车间与独立工装制作部门，服务行业覆盖通信、办公自动化、汽车电子、工业自动化、电力电表、LED 照明与消费电子等领域。

本文所引标准与行业参数以现行有效版本及供应商正式技术资料为准，具体工艺条件请以双方确认的工艺文件执行。