AI AOI误报抑制定制：复判模型与阈值调优

很多产线的 AOI 不是查不出缺陷，而是报得太多：误报率一旦超过 5%，复判工时就会吃掉设备收益。做误报抑制定制前，先把来源分成三类——成像问题（反光、异物、光源衰减）、阈值问题（一刀切的灰度阈值在不同批次间漂移）、规则误判（真缺陷被判错等级）。前两类不该交给模型去补。 落地路径通常分三步：1）先固化成像，锁定光源角度、曝光与增益，按产品型号建立参数档，避免算法在漂移数据上打补丁；2）再抽取缺陷特征（面积、灰度差、长宽比、位置分布、与焊盘走线的相对关系），用轻量分类模型做 OK/NG 复判，并按缺陷类型分组标定阈值，而不是沿用全局单阈值；3）把人工复判结果自动回标入库，每周增量训练一次，模型量化到 INT8 后跑在 AOI 主机或一台带推理卡的工控机上，单张复判控制在 50ms 内，不拖累节拍。 验收别看准确率，看三件事：误报率下降幅度、漏检率不回升、复判人力节省。建议先保留 10% 抽检通道，模型稳定运行三个月后再放开。