很多SMT产线引入了AOI之后,都有一个共同的困惑:
“检测效果也确实能检,但报出来的NG太多了,复判还是靠人逐个抓看。”
于是大家有一种说法——“AOI是支出请了个报问题的,最后还是得靠眼睛。”
这句话对不对?对一半。
它说的是“现状”:目前,行业内大量生产线的复判阶段,还是做了一个复判员坐在屏幕前逐张确认。但它的“提升”产生了问题——这不是AOI本身没用,而是复判这件事,一直没有被当成一个独立的工艺敌人来对待。
今天我们聊聊这个话题。

先回到SMT产线的实际场景。
一条典型的SMT线,炉后AOI的检出点可能有几十个。设备基于设定的阈值和算法,把疑似不良的焊接点、偏移、桥接等情况标记为NG。这些NG中,有些是真的缺陷,有些是误报。
然后就是一个经验丰富的复判员,在复判工位前,对着屏幕逐张核对,再次复核“确认”或“放行”。
现在问题来了。同一个人,和下午的判断标准可能不太一样。人工疲劳、工况经验差异、对风险的理解不同,都会影响上午的结果。所以说,A线和B线的复判人员,极有可能,对同一个焊接点的判断,就完全不同。
举个例子。同样是少锡缺陷,A可能认为焊点覆盖率低于75%算NG,B可能定在80%。在传统人工复判模式下,这些阈值在人的脑子里,也可能根本没有定义清楚。
此时的“复判”,根本就不是一件工艺——它只是一个体力活。
真正的问题是:复判没有标准,标准如何精确统一,复判结果没有回流,回流后的数据能否被系统合理利用来优化下一次判定……

如果复把判别当做一个“可管理的工艺节点”来看,它应该做到三件事:
第一,统一标准标准。
不是说所有权人轻松判断一致——这件事AI也做不到百分之百。而是说,系统把基准规则、缺陷分类逻辑、NG/OK的边界条件统一管理起来。不同线体、不同班次的人,看的是同一套基准逻辑。
集中化的复判系统,把这些规则变成可配置、可追溯、可量化的数据模型标准。系统一旦完成规则设定与训练,即可在全厂所有产线按同一标准执行。无论是白班还是夜班,是经验丰富的老师傅还是新入职的操作员,系统都遵循同一套流程优化的算法进行逻辑推理。

第二,把复判数据变为可用的反馈。
第六复判的结果——这个NG是真的缺陷还是误报——这条信息如果能回流到模型训练中驱动模型持续迭代,可以不断优化决策准确率。人工对低置信度样本的最终决策结论,会自动上传至中央训练平台,成为驱动模型增量学习的数据。面对新产品、新材料、新工艺,系统能够持续积累真实产线数据,适应变化。
这就是“AI复判”和“人工复判”的本质区别:不是“AI替人看板”,而是“每一次复判操作,都在训练下一次判定。”

第三,让复判从一个独立的工位,变成一个跨线体的管理节点。
如果三条线、五条线甚至更多条线占用一套复判平台,就可以实现一人多线的集中管理。一名工程师坐在远程复判站前,屏幕上同时显示着多条产线的NG图像队列,点击确认或拦截,系统自动记录并上传至MES。
AI复判通过智能预案至人工前,自动确认大部分误报或高置信度良品并机制放行,仅将真正存疑的疑难样本样本至人工。在实际部署中,单个工程师同时管理8-10条产线的复判已经可以实现。这意味着:产线的复判不需要按线体数量线性增长。
一句话:好的复判不是把活儿从人拿走,而是把“一个萝卜一个坑,依靠肉眼盯屏”这种不可持续的模式,变成可以标准化、可追溯、可优化的工艺路线。

为什么很多产线还是靠人逐张确认?
因为《上复判系统》这件事,不只是买一套软件的问题。
首先,需要和现有的AOI设备做数据对接。不同品牌、不同型号的设备,输出的数据格式和判定逻辑不一样。
其次,需要工艺团队花时间制定判定标准和缺陷分类规则。这项工作并不难,但需要坐下来认真做。
第三,需要建立一个数据回流和模型迭代的流程。这件事的技术门槛不高,但组织门槛不低——谁负责标注?标准谁来确认?迭代频次多少?
但换个角度来说,这些人口,最关心的角度是那些认真做好这件事的产线,和没做的产线之间,拉开差距的地方。
回到开头那个说法:“AOI复判最后还是靠人看。”
这句话的问题提出来,假设“复判”只能是现在这个样子。
但实际上,复判是可以被工程化的。关键在于,你不是把它当成一个需要管理的工艺节点,而只是检测阶段的收尾工作。
在一条真正把复判跑起来的产品线上,复判不是一个人坐在屏幕前逐张确认,而是一个数据持续循环、判定标准持续统一、跨线体可管理的系统。
如果你现在仍在“人盯屏”模式,不用焦虑。
这说明你的生产线还有一个没有被工程化的阶段。而这个阶段,正好是投入增量比非常高的一件事——因为它不涉及新增设备,主要是把现有资源的利用方式改变一下。
接下来去产线转的时候,可以站复判工位前多站三十。
看看那个捕捉屏幕的操作员,他今天的工作方式,和三年前有区别吗?
Q1:AI复判和传统人工复判最大的区别是什么?
核心区别不在“看图速度”,而在“数据回流”。每次人工对疑难样本的最终判定都会成为模型迭代的数据燃料,系统越用越适应你的工艺。
Q2:AI复判系统兼容我们现有的AOI设备吗?
兼容。系统通过图像采集和操作数据分析的方式与现有AOI对接,不依赖特定品牌或型号,保护前置设备投资。
Q3:低置信度样本仍需要人工确认,这不是没解决问题吗?
人工智能系统的价值将把人工确认的工作量大幅压缩。剩下的疑难样本确实需要人工确认——但这些样本的疑难样本结果又会回流训练模型,系统会持续进步。
Q4:部署AI复判需要多长时间?
视产线数量和AOI设备型号而定。通常情况下,单条产线的对接和调试可在数天内完成,全厂部署需根据规模规划。
德智AI智能复判集中化管理解决方案,通过统一判定标准、跨产线模型共享、数据回流闭环,帮助SMT产线将复判从“人盯屏”升级为可管理的工艺节点。
关注我们,获取更多SMT检测工艺干货。