AOI與AI搭配案例

AOI機台導入AI

一、前言

1.    AOI(Auto Optical Inspection)自動光學檢測系統,廣泛被應用在外觀瑕疵檢測,以取代傳統人工視覺判斷。人工檢測在長期作業下容易視覺疲勞,影響判斷結果,造成誤判率高等問題。常見應用在PCB元件、半導體產業、醫療器具等大量高精密的半成品零件。AOI不僅能快速辨識與挑揀瑕疵品,並在收集大量瑕疵數據從中分析出製程中出現不良的原因。

2.    透過AI影像檢測,可以將這些瑕疵數據經過訓練而分析出真正影響產線中良率好壞的原因,可以幫助我們找到瑕疵產生的問題,或許也能簡化產線的其他製程。

二、AOI+AI流程概述

1.    前處理:在瑕疵檢測之前預先做的影像處理,讓瑕疵特徵更加凸顯。例如:遮罩(Mask)、裁圖等。經過前處理的瑕疵,可讓AI更快速收集與分析瑕疵特徵。

2.    後處理:根據AI分析後的結果再做優化、標記或還原成原圖結果提供人員解析問題。例如:計算瑕疵特徵是否符合製程標準?收集瑕疵數據等後續處理。

三、案例分享

1.    被動元件

以偲倢的AI分析系統搭配六面高速檢測機(AOI),針對產品尺寸約5*5mm的電感做外觀瑕疵檢測。由於相機的解析度較高,不須檢測的區域在圖片上會影響AI判斷的結果,故將圖片裁圖,可針對有實際瑕疵的範圍做判斷,將AI分析後找到的瑕疵面積提供給AOI設備後續的篩檢(根據瑕疵面積大小判定良品或不良)。

2.    半導體產業(前處理)

偲倢AI分析系統搭配飛拍取像設備(AOI),檢測產品的外觀瑕疵。由於產品表面有許多不需檢測的區域,且形狀複雜,故在前處理部分,針對產品的位置與形狀做客製化的遮罩(Mask),可滿足在不規則的不檢測區域中,也可以透過AI分析實際需要的檢測區域。

3.    半導體產業(後處理)

根據AI分析的數據將得到的ROI(Region Of Interest)區域,經由AOI方式裁圖,求得該區域的瑕疵面積大小,以判定是否為製程上的瑕疵,將結果紀錄在報表中,讓客戶統計與比對產品對應的瑕疵與位置,進而分析出真正影響產線中良率好壞的原因。

四、結論

以上案例可以知道以往的AOI檢測已無法滿足產業中的全部檢測項目,透過原有的AOI設備再搭配AI的處理,可達成1+1>2的效果,滿足所有檢測條件。AOI+AI可以更符合產業中檢測的方向與趨勢。