CTIMES- AI模型如何建立AOI的意义层让机器理解缺陷

自动光学检测（AOI）的第一项任务，是把产品表面、结构与尺寸转换为可量测的影像事实；但工厂真正关心的，从来不只是某一处像素是否偏离标准，而是这个差异代表什麽。它究竟是刮痕、污染、缺件、偏移或焊接异常？会不会影响导通、气密、强度与寿命？需要立即停线，还是只须记录并追踪？当AOI从规则式比对进入AI时代，竞争焦点也因此由「检出率」移向「意义建构能力」。

所谓AOI的意义层，是位於感测资料与制造决策之间的一套转译机制。它接收影像、深度、光谱与制程叁数，透过分类、侦测、分割、异常侦测与时序分析，形成缺陷名称、位置、范围、严重度与可能成因，再与品质标准、客户规格、设备履历及工程师经验连结。只有完成这条证据链，AI的输出才不再只是OK或NG，而能成为品质工程、制程改善与风险治理共同使用的语言。