在元器件外观检测系统中，被测物件的支撑点方法、高精密传送与定位设备也务必精心策划，尤其是FPD、单晶硅片、半导体材料、MEMS和一些光学部件等精密制造与拼装领域。在这种行业，生产制造全过程需要在洁净间开展，规定元器件外观检测系统有很高的自洗工作能力，不可以给工作环境尤其是被测产品工件自身产生二次污染，这会危害系统软件预制构件的原材料型号选择、气动式及自动化技术设备型号选择、运动滑轨的设计方案与元器件型号选择等。因而，会必须 采用气浮机支撑点、定位与传送组织及其运用FFU离心风机过虑发电机组对监测系统开展自然环境净化处理，并采用消静电感应设备，对产品工件开展抗静电解决。

光学镜头、摄像镜头和灯源三者组成组成了大部分全自动光学监测系统中认知模块。元器件外观检测灯源的挑选除开辨别与提高特点外，还需考虑到光学镜头对灯源光谱仪的敏感度范畴；摄像镜头的挑选必须 考虑到视场角、景深效果、屏幕分辨率等光学主要参数；与人的眼睛不一样，元器件外观检测系统多选用黑白相机显像，是为了更好地提升显像辨别工作能力，针对运动物件的检验，还需要考虑到图象运动全过程中拍攝图片模糊产生的不好危害，测算造成 运动模糊的少快门速度。

因为元器件外观检测借助折射光来开展剖析和判断，但有岁月会遭受一些随机因素的影响而导致错判。如元器件焊端有脏污或焊层侧的印刷线有一部分未开展涂覆有一部分外露，进而导致检索欠佳等。而且检验新项目越多，很有可能导致的乱报也会稍多。该类乱报属任意乱报，没法清除。根据此，元器件外观检测业内普遍现象一个的共识，即AOI乱报难以避免，但能够 降低。业内认可的理想化情况下可接受误测为3000PPM之内。如今人工智能技术的发展趋势，机器视觉技术已引进深度神经网络优化算法，可能降低AOI检测错判，后边大家再与大伙儿一起沟通交流人工智能技术新技术应用AOI机器设备，智能化图象剖析技术性的深度神经网络优化算法。