近年来，AOI已成为了SMT表面贴装及DIP插件生产线必配的检查设备；随着我国人工成本逐年增长，工人越来越少的情况下，在传统PCBA电路板生产过程中，PCBA检测依靠人力，不仅对作业人员要求高，人工操作的标准也不统一。
PCBA工厂车间一条DIP 生产线配备3-10 个人采用目视检测产品的人海战术势必会增加生产线的运营成本，此外还有无法及时追溯生产情况，数据无法信息化等众多弊端；未来电子制造工厂出于对产品品质和成本控制的需求，将加速AOI自动光学检测设备替代人工的进程。
以技术创新为核心，我们致力于做最好用的DIP插件AOI。研发技术人员占比70%，专注于人工智能、视觉领域10余年，并取得了重大突破，用AI赋能工业检测，将深度学习算法应用到AOI，为企业提供低误报、易编程、高检出的光学检测方案。荣获多项认证，拥有发明、实用新型、外观专利、软件著作权80余项，其中发明专利占比60%。
在DIP工艺波峰焊炉后检测焊点尤为凸显，缺陷种类多，形态复杂，焊点的形态千变万化，基于OK规则的传统算法疲于应付，检出率不高，误报多，传统AOI在实际检测中，会普遍存在以下核心。
一操作复杂、调试时间长波峰焊的焊点形态变化大，传统算法需针对每一类焊点进行调试，大大增加了调试时间。同时，还对人员的熟练程度有要求，一旦人员流动，难以延续设备检测效果，从而影响生产效率。
二误判高传统算法难以兼容焊点的多形态特征，误判比较高，大大增加了操作员复判的工作量。过多的误判，操作员容易疲劳，漏检的风险随之增加。
使用传统算法，不管从颜色提取、灰度计算还是模板匹配等，操作人员可能都不得不为每一类焊点制作一个OK规格，这样就会耗费较多的调试时间。随着例外和缺陷库的增大，算法也会变得越来越有挑战性。换句话说，到了特定的时候，工厂自动化中需要的某些应用将无法再依靠基于规则的机器视觉。
而借助深度学习这项技术便可以达到另一种效果：生产线上更加一致、更加可靠且更快速地完成任务。迈思泰克波峰焊AOI是一款基于深度学习，核心采用自研深度学习目标检测与异常检测框架的产品，该产品检出率可达99.99%，误判率低于300PPM。
基于深度学习的焊点识别
D510波峰焊AOI通过行业收集的海量缺陷图片数据进行特征分类分析，高效训练出深度学习神经网络模型，可自动从图片中提取缺陷特征，有效解决传统算法无法提取关键缺陷特征的问题。通过AI模型，自动识别焊点位置，一个检测框即可覆盖各类缺陷的检测，大大缩短了调试时间。10分钟之内便可完成程序的制作。
基于深度学习的焊点识别，迈思泰克波峰焊AOI可精准定位缺陷位置，对多种形态各异的焊点做出准确的判断，解决传统算法仅对缺陷进行OK/NG粗分类问题。
算法特点
固定形状的传统卷积核，难以应对多样复杂的检测场景。迈思泰克使用的可卷神经通过偏移改变了感受野的范围，感受野成了一个多边形，更好的捕捉缺陷的特征信息。
产品亮点
更简单的人机交互：传统算法调参复杂、上手困难，拉高了企业招聘难度，深度学习模型下人机交互快速简单，新人可2小时快速上手。
更细致的缺陷识别：基于深度学习的检测算法比传统机器视觉检测具有更高的检测精度，其中检出率可以达到99.99%，误判率低于300PPM。
更精准的缺陷分类：基于深度学习的焊点识别告别粗分类。
纵观行业发展，将AOI用作DIP AOI存在一些问题，也不方便调试。当前传统AOI虽为主流，但伴随着工厂对工艺日益极致的要求，操作更简单、误判率更低，搭载深度学习算法的AOI会更加适应市场需求。工厂上线D510 DIP炉后AOI后，对良率的管理过程实现了全方位的优化，极大的提升了分析效率，减少了不良带来的影响，并间接提升了工厂的生产效率和产品质量。
评论