差别体现在光源变化或出现新缺陷时：规则式需要重写算法，深度学习只需重新训练。对于过检多、最终还要人工复判的产线，改用AI的理由最充分。
术语
- AOI (Automated Optical Inspection)
- 对工件拍照并判定其外观的设备
- 规则式
- 按人为定义的条件判定——阈值、形状规则
- 过检
- 将良品判为不良，增加复判人力
- 漏检
- 将不良品判为良品，导致不良流出
- 分割
- 逐像素分割缺陷区域，输出位置和面积
实际差别在哪里
- 光照与位置变化
- 规则式敏感 / 深度学习鲁棒性强
- 新缺陷类型
- 规则式需更新算法 / 深度学习约5张即可训练
- 复杂纹理（BGA、QFN）
- 规则式难以分类 / 深度学习可分类
- 缺陷量化
- 规则式难以实现 / 深度学习逐像素输出面积和位置
- 检测分辨率
- 规则式通常需5像素以上 / DSTEK在2–3像素即可检出
何时不必更换
- 单一品种、光源固定、缺陷类型多年不变——规则式已足够。
- 只做尺寸测量、不涉及外观判定的工序，同样如此。
- 反之，如果产品型号频繁切换、缺陷类型不断增加，或人力被过检复判牵制，那么更换的理由就很明确。
相关产品与解决方案
资料中心