AOI推荐：新手选型逐项对比指南
AOI推荐不能只看识别率或设备价格。本文面向第一次接触自动光学检测的新手，从检测对象、离线与在线、2D与3D、算法方式、维护成本五个方面逐项比较，并给出从需求确认、样机验证到验收上线的选择顺序，帮助你用可量化指标找到适合产线的方案。
第一项：先比较检测对象
新手选AOI的第一步，不是询价，而是确认要检查什么。焊膏印刷后的少锡、偏移和桥连，应优先评估SPI；回流焊后的错件、漏件、极性、字符及可见焊点问题，才是典型AOI应用。若目标包含BGA等封装底部焊点，普通光学设备无法直接观察，还要考虑AXI。
建议先整理缺陷清单，标明元件最小尺寸、PCB最大尺寸、单双面检测要求和期望节拍。检测对象越明确，AOI推荐结果越可靠；如果只写“检查焊接质量”，供应商往往会用通用演示板测试，结果与真实产线差距较大。
第二项：离线AOI与在线AOI对比
离线AOI价格和部署成本通常较低，适合小批量、多品种、节拍压力不大的试制线。它可以先验证检测逻辑，但需要人工上下板，检测结果与前后工序也不容易自动关联。对于日产量有限、产品更换频繁的新手团队，离线方案风险较低。
在线AOI可直接接入SMT产线，自动传板、扫码并保存结果，适合稳定量产和追溯要求较高的工厂。其不足是设备接口、轨道宽度、通信协议和误报处理都会影响整线效率。若当前产能尚未稳定，不宜仅为“自动化形象”提前购买高配置在线机。
第三项：2D与3D功能对比
2D AOI主要利用颜色、灰度、轮廓和多角度光源判断缺陷，对漏件、错件、极性、偏移和明显连锡较有效。它编程速度快、数据量较小，维护人员也更容易掌握，因此是常规消费电子板和中低复杂度产品的实用选择。
3D AOI可增加高度、体积和共面性数据，对引脚翘起、焊点形貌及高度差判断更有优势，也能降低部分反光造成的误判。但3D并不等于零漏检：透明件、遮挡区域、特殊涂层和不可见焊点仍可能超出能力边界。选择前应比较真实缺陷检出率，而不是只比较设备名称。
第四项：规则算法与AI辅助对比
传统规则算法依靠阈值、模板、颜色和几何参数进行判断，优点是逻辑可解释、调试路径清晰，适合产品稳定、元件标准化程度较高的场景。缺点是换料、板色变化或工艺波动后，可能需要重新调整参数。
AI辅助算法更适合处理外观波动大、规则难以描述的缺陷，但必须依赖足够且标注准确的样本。新手不应把AI当作免编程功能，应重点确认模型更新方式、数据是否留在本地、错误样本如何回流，以及AI结果能否由人工复核。
第五项：按总成本完成推荐
最终比较应包括设备价格、治具与接驳、编程工时、误报复判、维护合同、备件和培训成本。低价设备如果每块板产生大量误报，长期人工成本可能高于购机差价；高端设备若利用率不足，同样难以形成回报。
可执行的AOI推荐流程是：先用三至五款真实产品建立测试集，再混入已确认的错件、偏移、少锡和极性异常，连续跑板并记录检出率、误报率、单板时间和换线时间。只有测试达到内部验收阈值，并确认本地服务响应能力后，再决定采购型号。
常见问题
- 新手第一次买AOI应该选2D还是3D？
- 常规PCBA且预算有限，可先评估在线2D AOI；若产品包含大量细间距器件、共面性问题或高度缺陷，再用真实样板验证3D方案的增量价值。
- AOI设备的误报率多少算合适？
- 没有适用于所有产线的固定值。应按板型和缺陷类型统计，并同时观察复判时间；即使误报率不高，若集中在高频元件上，也可能拖慢整线。
- 选AOI时最容易忽略什么？
- 最容易忽略的是换线编程时间、人员能力和售后响应。设备演示时准确，不代表换产品后仍能快速稳定运行。