AOI (Auto Optical Inspection)就是光學辨識系統(tǒng)，現(xiàn)在已經(jīng)被普遍應用在電子業(yè)的電路板組裝生產(chǎn)線以取代以往的人工目檢作業(yè)。AOI利用影像技術用以比對待測物與標準影像是否有過大的差異來判斷待測物有否符合標準。

早期的時候AOI大多被拿來檢測IC(集成電路)封裝后的表面印刷是否有缺陷，隨著技術的演進，現(xiàn)在則被拿來用在SMT組裝在線檢測電路板上的零件組裝(PCB Assembly)后的質(zhì)量狀況，或是檢查錫膏印刷后有否符合標準。

AOI最大的優(yōu)點就是可以取代以前SMT爐前爐后的人工目檢作業(yè)，而且可以比人眼更精確的判斷出SMT的打件組裝缺點。 但就如同人眼一般，AOI基本上也僅能執(zhí)行對象的表面檢查，所以只要是對象表面上可以看得到的形狀，它都可以正確無誤的檢查出來，但對于藏在零件底下或是零件邊緣的焊點可能就有些力有未逮，當然現(xiàn)在有許多的AOI已經(jīng)可以作到多角度的攝影來增加其對于IC腳翹的檢出能力，并增加某些被遮蔽組件的攝影角度，以提供更多的檢出率，但效果總是不盡理想， 難以達到100％的測試含蓋率。

其實，AOI最大的缺點是有些灰階或是陰影明暗不是很明顯的地方，就也比較容易出現(xiàn)誤判(false reject)的情況，這些或許可以使用不同顏色的燈光來加以判別，但最最麻煩的還是那些被其他零件遮蓋到的組件以及位于組件底下的焊點，因為傳統(tǒng)的AOI只能檢測直射光線所能到達的地方，像是屏蔽框肋條或是其邊緣底下的組件， 往往就會因為AOI檢測不到而漏了過去。

所以一般的電路板組裝生產(chǎn)線，甚少僅使用AOI來確保其組裝質(zhì)量，通常還得經(jīng)過ICT(In-Circuit Test)以及功能測試(FVT)檢測，有些產(chǎn)線還會在多加一臺AXI (Automatic X-ray Inspection)，利用X-Ray來隨線檢查組件底下焊點(如BGA)的質(zhì)量。

就工作熊的了解目前的AOI應該可以完全檢查出下列的打件缺點，而這些缺點在人工目檢的時候，沒有失誤的情況下也大多可以檢查出來：缺件、偏斜、墓碑

另外，由于光學檢查受制于光線、角度、分辨率.. 等等因素，所以下列這些缺點只有在某些條件之下才可以檢查出來，但比較難以達到百分百的檢出率，也就是說：

錯件 (wrong component) ：

如果是形狀不一樣的錯件，或是表面有不同印刷的零件，AOI應該也可以檢查出來。 但如果外觀沒有明顯不同，也沒有表面印刷，比如說0402尺寸以下的電阻及電容，這些就很難利用AOI來檢出。

極性反 (Wrong polarity)：

這點也必須取決于零件本身有否標示零件極性的符號，或是外觀形狀的差逸才可以執(zhí)行。

腳翹 (lead lift) 、腳變形(lead defective)：

嚴重的腳翹可以經(jīng)由光線反射的明暗不同的判斷出來，但輕微腳翹可以就有些困難。 嚴重的腳變形也可以很容易的使用AOI來檢測，輕微的腳翹則閉需要是情況而定，這通常取決于參數(shù)調(diào)整的嚴格與否，更取決于工程師或操作員的經(jīng)驗值。

錫橋 (solder bridge) ：

一般來說錫橋很容易檢查得出來，但如果是藏在零件底下的錫橋就無法度了。 像有些連接器(connector)的錫橋都發(fā)生在組件本體的底部，這時候使用AOI就沒有辦法檢測出來。

少錫 (insufficient solder) ：

錫量嚴重不足時當然可以使用AOI輕易的判斷，但是錫膏量印刷的多寡總會有些誤差，這時候就需要收集一定數(shù)量的產(chǎn)品來判斷的多寡

假焊、冷焊：

這個是最討厭的問題，因為光由外表通常很難檢查出來有有假、冷焊，就算可以利用其外觀形狀來判斷，但其差異真的非常小，把參數(shù)調(diào)得太嚴的話又容易誤判。 像這類問題總需要經(jīng)過一段時間的調(diào)校后才能得出最佳的參數(shù)。

總之，AOI雖然好用但確實也有些先天上的限制，不過用在實時的SMT初步質(zhì)量分析，并馬上回饋SMT的質(zhì)量狀況，并加以改善，的確可以有效提高SMT的產(chǎn)出良率。 一般使用ICT測試機臺抓到問題再反應給SMT通常已經(jīng)是24小時以后的時間差了，那時候的SMT狀況通常已經(jīng)改變，甚至已經(jīng)換線了。 所以就質(zhì)量管控的角度來看，AOI確實有其存在的必要。

另外，隨著3D技術的發(fā)展以及MCU運算能力的精進，現(xiàn)在也有許多設備商開始發(fā)展立體AOI的技術，目的除了做出差異化之外，立體AOI的影像技術其實比原來二維的影像更真實，也更容易比對出問題點。