AOI与人工检查的优缺点比較:

由于AOI是光学检查，所以凡是用AOI可以检查出来的不良，用肉眼也完全可以看到。AOI则只能以设定好的标准为基准进行判

断。如果标准设定太严，则误判太多。标准设定太宽，又会漏检。

尤其是那种在线的AOI，对编程的要求更高。但对于AOI而言， 程序设定好以后， 即可连续测板，机器不会疲劳。对于比较小的

元件，如0201的料，用肉眼检查起来比较吃力，而AOI由于具有光学放大左右，所以对于较小的元器件的检查具有比较大的优

势。

所以将来用AOI取代肉眼检查是一一个 发展趋势。

肉眼检查可以根据标准加以灵活判断。但是采取人工检查，对于点数较多，或者批量较大的板，由于长时间检查，人眼会产生

疲劳，从而造成漏检。

工业4.0是工业革命的下一一个阶段,在这个阶段,利用数据建立一套由许多 系统和机器组成的生产环境,它们能够自主地交换信息触发操作并且独立地进行相互控制。这要求对生产车间的管理方式和机器间的互相连接方法进行大规模的改变。根据实现的生产设备能源需求的要求,利用数据分析监控、分析和控制工厂里的温度和湿度,进一步提高电子制造生产车间供应链智能化的程度。和大多数生产设施一样,各个独立的设备,包括丝网印刷机、3D SPI、贴片机、AOI等,根据其功能或者需求,可能来自不同的供应商。在这种情况下,在生产线上来回传输数据可能需要使用一些定制开发的链接和算法、 进行实时修正。 这还要求每种设备的供应商要允许访问他们机器上的数据。所有的设备供应商在这方面都取得了很大的进步。只有这样才有可能充分发掘出智能供应链的全部潜能。

基于图像的AOI收集图像以创建自己的元件库,这适用于良好样本和有缺陷的样本。这类方法也称为基于相关的图像检查,通过将组件与历史数据库进行比较来工作。基于图像的检测AOI更快更容易编程,但初始配置及识别样品是由操作员完成的,使人为错误是不可避免的。要使此检验方法有效 ,需要使用良好(无缺陷)板和大量样品。该方法检查的方式是通过比较样本和存储图像之间的逐个像素的灰度级标准偏差。基于图像的检测AOI对生产线周期时间有很大影响。

主要的功能用于检测锡高印刷的品质,包括体积,面积，高度, XY偏移,形状，桥接等;炉前AOI安装于片式贴片机之后或者泛用贴片机之后，主要用于检测元件贴置的状况;炉后AOl安装于回流焊炉后或者波峰焊炉后,主要用于检测包含元件贴置,以及焊锡的状况;顾名思义，通用型AO|则可灵活应用于上述各制程和工位,并可完成上述所有检测功能。