AOI✖️AI：更快更省更准

AOI设备引入的初衷，是为了减少人工检查的依赖，让有限的人力集中于更高价值的工作。但如今，传统AOI设备真的能满足制造业企业的要求吗？

以下是一个真实的场景：

产线部署了上百台传统AOI设备，尽管完成了基础缺陷检测任务，误检率却高达80%，仍然需要早晚两班、每班80多个人守在线边盯着做复判，体现在人力成本上是每年2000来万元的支出。而且复判人员很难将标准完全统一，这其中潜在的质量隐患也意味着巨大的质量成本。

传统 AOI 检测，为何成了制造业的烦恼？

行业内这一难题，核心原因在于：传统AOI算法依赖模板和规则，这就导致：

• 现场光线和摄像机角度经常变化，会影响算法判断准确性；
• 产品稍有偏离规定位置，算法就难以正确匹配；
• 传统算法是针对已知缺陷设计的，无法发现未知问题。
  

连山AI✖️AOI技术，让设备真正“聪明”起来

针对这些痛点，连山能做到的，不仅是通过“感知计算”产品线提升了单台设备的算法能力，也让平台用户借助“分析探索”产品线能够自己快速推广到类似的场景，实现从单点到全厂、全产线的智能升级。

对具体检测场景，连山算法工程师定制化的完成首个关键工位的模型训练部署迭代。基于深度学习和计算机视觉的AI算法，能够通过大量样本不断“学习”不同产品和缺陷的各种表现形式，不依赖死板的规则，因此能更准确地识别各种已知、未知缺陷，并且适应现场环境的变化。在合作中，仅用2周迅速实现100%不良品检出率，以及对原有检测设备60%的直通率提升以及90%的纠偏提升。

模型市场，让企业实现自主AOI升级

算法开发只是AOI设备升级的第一步，连山将预训练完成、检测指标达到行业领先水平的视觉检测模型加入连山的“模型市场”，支持客户自主实现全生产线的规模化部署，并在硬件支持与流程搭建上给予全方位辅助

• 边缘端的硬件接入与数据采集，基于连山自研的AI-Brain边缘计算单元、AI-Workstation工作站，获取完整的数采-推理-上报链路搭建服务；
• 模型持续优化的能力，即连山提供的模型自迭代pipeline，在样本积累中不断提升模型精度。目前已经实现AOI设备98+%的直通率，让每天需要复核的产品数量从大几百件锐减至小几十件。
  

在与头部电力电子制造业企业合作中，通过让一线业务人员掌握如何落地AI，学会使用连山平台——这个融合了完整工业AI模型开发、迭代、部署流程的智能平台——团队计划协助企业在约3个月内，实现智能质检方案在3个工厂的自主推广，覆盖70个检测点。

项目预计可实现100多个“复检硅基人”上岗，每年为企业降本逾千万元，推动智能化升级和持续提升效益。