AOI、傳統演算法、AI：瑕疵檢測方案怎麼選？
有人問：「AOI 已經能用 AI 了，還需要傳統程式嗎？」
先別急著選名詞。量測、定位、外觀瑕疵和類別判斷，本來就是不同任務。這一頁把傳統演算法、AI 和混合方案放在同一張決策表裡，讓您知道該準備什麼樣品、怎麼比較，以及什麼情況其實要先改善成像。
最後實質更新：2026 年 9 月 4 日
先講結論：AOI 與 AI 沒有固定的勝負
如果您要量測長度、直徑、位置，或判斷邊界很穩定的幾何問題，傳統演算法通常比較容易解釋、校正和維護。
如果您要分辨紋理、外觀差異、形狀變化大，或瑕疵很難用固定規則描述，再評估 AI。實務上也常把兩者放在同一套 AOI：規則先做定位與量測，AI 再處理外觀分類。
先把檢測需求分成五種任務
常見AI任務如 segmentation、object detection、anomaly detection 和 classification。這四個詞不是同一件事，也不代表一定要用 AI；它們描述的是影像輸出和判定方式。
| 任務 | 要回答的問題 | 先注意什麼 |
|---|---|---|
| 量測／幾何 | 長度、直徑、孔位或邊界是否達到公差？ | 校正、鏡頭畸變、像素尺寸與重複性。 |
| 影像分割 Segmentation |
哪些像素屬於物件、缺陷或指定區域？ | 邊界標註、光影變化與小瑕疵是否保真。 |
| 物體偵測 Object detection |
瑕疵或元件在哪裡？有幾個？ | 物件尺寸、遮擋、密集排列與框選規則。 |
| 分類 Classification |
這張影像屬於哪一個已定義類別？ | 類別邊界、類別不平衡與相似外觀。 |
| 異常偵測 Anomaly detection |
影像是否偏離已建立的正常樣本？ | 正常樣本的代表性、異常定義與誤報來源；不等於只檢查外來異物。 |
同一件產品可能同時需要兩種方法。例如先用規則找到孔位，再用分類模型判斷顏色；或先用影像分割取得面積，再用量測規則做尺寸判定。
傳統演算法、AI、混合方案怎麼比
比較時不要只問「哪一個比較快」。開發時間、運算資源、資料成本、可解釋性與換線維護，往往比單次推論時間更影響量產。
| 比較面向 | 傳統演算法 | AI 模型 | 混合方案的用法 |
|---|---|---|---|
| 資料需求 | 依影像、幾何與規則調參。 | 需要有代表性的 OK／NG 或正常樣本，視任務決定是否要標註。 | 規則先縮小 ROI，AI 集中處理難描述的外觀。 |
| 可解釋性 | 閾值、邊緣、面積等條件較容易追查。 | 要用錯誤影像、混淆矩陣與版本紀錄說明。 | 保留規則層的明確檢查，再針對 AI 結果設複判與追溯。 |
| 製程變動 | 變動可描述時，調整參數較直接。 | 變動若超出訓練資料，可能要補樣、重訓與重新驗證。 | 讓穩定部分固定，變動部分保留模型更新流程。 |
| 運算與速度 | 通常較容易估算，但仍受影像尺寸、前處理與 I/O 影響。 | 訓練與推論的硬體需求依模型、影像大小和批次而變。 | 比較完整 cycle time，不只比較模型推論時間。 |
| 量測與公差 | 有明確幾何定義時通常較容易校正與驗收。 | 不可把分類結果直接當成精密量測結果。 | AI 做外觀篩選，尺寸與位置交給校正後的量測流程。 |
AI 導入前，樣品和影像要準備什麼
AI 的起點不是「照片越多越好」，而是照片能不能代表量產會遇到的正常與異常。少了批次、角度、光線和邊界樣本，測試結果很容易只代表某一次拍攝。
送樣與資料清單
- 先寫出每一種 NG 的名稱、位置、允收邊界，以及「看不出來時由誰複判」。
- OK 品要涵蓋不同批次、材質、表面狀態與允許的擺放變化。
- NG 品要標註瑕疵類型；若某類樣品很少，要在報告中明確標示限制。
- 保留原始影像、前處理影像、模型版本與判定結果，避免只留下最後一張標記圖。
- 訓練資料與驗證資料要能分開，最好以批次或時間切分，避免同一件樣品的近似影像同時出現在兩邊。
如果您還沒有足夠的 NG 樣品，也不要直接把 AI 寫進規格。先做成像、找出可辨識的特徵，再討論正常樣本、異常偵測或人工複判怎麼搭配。
從基準測試到量產驗收的六步
- 1定義任務與判定
把量測、定位、分類、分割或異常偵測寫清楚，並列出 OK、NG 與人工複判邊界。
- 2先把影像拍穩
固定相機、鏡頭、光源、治具與曝光條件，確認同一種瑕疵在合理的位置與批次變化下仍看得見。
- 3建立傳統演算法基準
即使最後考慮 AI，也先知道規則法能處理什麼、卡在哪裡。這是後續比較成本與收益的基準。
- 4用代表性資料評估 AI
把訓練、驗證、未見過的測試資料分開，觀察漏檢、誤判與不同批次的差異，不只看單一總分。
- 5比較混合流程
把定位、量測、外觀分類與剔除流程串起來，確認加上 AI 後沒有拖慢送料、複判或資料保存。
- 6用量產條件驗收
在實際節拍、送料、光源暖機、批次變化與操作流程下測試，並把模型更新與新瑕疵處理寫進後續規則。
驗收不要只看一個準確率
同一個模型，用不同的樣品比例和判定閾值，數字就可能完全不同。驗收前要先定義分母、樣品版本、測試條件與人工複判方式。
| 指標 | 要先寫清楚 | 避免的誤會 |
|---|---|---|
| 漏檢／檢出 | NG 類型、樣本數、最小瑕疵與分母。 | 只用總準確率掩蓋少數關鍵瑕疵。 |
| 誤判／誤剔除 | OK 樣本的批次、表面差異與複判流程。 | 把產線大量停線或人工複判成本忽略。 |
| 速度／節拍 | 取像、前處理、推論、I/O、剔除與資料保存的完整時間。 | 只報模型推論時間，實機卻跟不上送料。 |
| 追溯／更新 | 影像、模型版本、參數、判定與重新訓練流程。 | 量產出現新瑕疵時無法知道是哪次變更造成。 |