www.jc-pcba.com

问：SMT贴片AOI误报率多少算正常？为什么AOI总是频繁报警？误报率过高会导致什么后果？怎么降低误报？

答： AOI（自动光学检测）是SMT产线的标准配置，但很多工厂都面临同一个问题：AOI频繁报警，操作员反复确认后发现大部分是误报。误报率过高不仅导致产线停线时间增加，还可能让操作员产生“狼来了”心态，真正的不良品反而被忽略。

一、AOI误报率多少算正常？

AOI误报是指AOI判定为缺陷、但人工复核后确认为良品的案例。误报率=误报数/总检测点数。

行业参考基准：

• 消费电子/普通工控：误报率≤5%为正常水平

• 高可靠性产品（汽车/医疗）：误报率≤3%为合理水平

如果误报率超过10%，说明AOI程序优化严重不足，操作员大量时间浪费在确认误报上，真正的不良品反而可能被忽略。

二、AOI误报率过高的三大原因

AOI程序未针对产品优化：很多工厂使用“通用程序”检测所有产品，没有根据具体产品的元件类型、焊点形态、背景颜色进行参数调整。通用程序对某些产品可能误报率极高。

光源设置不当：AOI通过多角度光源照射PCB，通过反射光判断焊点形态。光源角度、亮度、颜色设置不当，会导致焊点反光异常，被误判为缺陷。不同颜色的阻焊油墨对光源的反射特性完全不同，需要差异化设置。

元件公差与AOI阈值不匹配：元件贴装位置存在正常公差（如±0.05mm），如果AOI的判定阈值设置过严（如±0.03mm），正常公差范围内的偏移也会被判定为缺陷。

三、如何降低AOI误报率？

分产品优化AOI程序：针对每个产品单独调整AOI参数——光源角度、亮度、检测阈值、元件库匹配。

使用3D AOI替代2D AOI：2D AOI只能检测平面特征，3D AOI通过激光相移获取焊点三维信息，可准确判断少锡、多锡、立碑等缺陷，误报率显著低于2D AOI。

引入AI深度学习：传统AOI基于规则判定，对边界案例容易误报。AI深度学习通过大量样本训练，可区分“真缺陷”和“正常公差波动”，显著降低误报率。

定期校准设备：AOI相机的焦距、光源亮度会随时间漂移，需要定期校准。

四、误报率与停线时间的关系

AOI误报率越高，操作员确认时间越长，产线停线时间越长。按每条产线每天检测1000片板子、每片板子平均误报3个点、每个误报点确认时间30秒计算，每天浪费在误报确认上的时间约25小时。降低误报率至3%以下，可显著提升产线效率。