企业官网建设流程全解析

简介：SMT制程AOI检测作业指导书.doc 是一份面向电子制造行业SMT产线操作员、IPQC及AOI技术员的规范化作业文件，系统梳理了自动光学检测环节的作业规范与质量控制要点。文档详细规定AOI轨道宽度确认、检测程序版本核对、回流焊后PCBA冷却投入等操作步骤，并针对屏幕“OK/NG”判定、误测目检确认、不良品跟踪卡传递等关键节点给出明确处理流程。同时覆盖上班前NG样板有效性验证、漏料与极性反向样板使用、静电带佩戴、严禁直接点击“ALL OK”防漏检以及异常时紧急停机等内容，可有效帮助产线人员规范作业、减少漏检误判。资源包内为1个doc文档，共1份文件，大小274KB，采用正式作业指导书格式，含物料清单、工具辅料表及版本记录。已有708人学习下载，适合SMT工艺人员、质量管理者和电子制造专业学生快速掌握AOI检测实操要领与异常处理思路。

1. 为什么SMT产线上的AOI检测作业指导书值得重新写一遍

如果你在SMT车间待过，大概率见过这样的“作业指导书”：一张A4纸上印着设备照片，下面几行字写着“打开电源，放入PCB，点击开始”，再附一张模糊的OK/NG样板截图。新人照着做，要么漏检率居高不下，要么误报多到维修工位堆成山。真正的AOI检测作业指导书，不是给设备写的操作手册，而是给“人+机+料+法”这套系统定规则的文件。它要回答的不只是怎么按按钮，还包括在哪个环节测、用什么光、判据怎么定、缺陷怎么复判、数据怎么回流到工艺改善。SMT制程里AOI（Automated Optical Inspection）承担的是焊点质量的快速筛查关卡，尤其在0402、0201料号越来越多，甚至chip元件尺寸趋近物理极限的今天，靠目检已经跟不上节拍，AOI的算法和程序编写方式直接决定不良品是流到下工位还是被拦截。这篇文章按照从原理到落地、从编写到优化的路径，把一份AOI检测作业指导书该有的内容拆开讲清楚。

2. SMT制程AOI检测的检测原理与选型依据

2.1 AOI在SMT回流焊前后的两种角色：炉前与炉后

同一个AOI设备，放在回流焊前和放在回流焊后，检测目标和逻辑完全不同。炉前AOI测的是锡膏印刷后的状态，主要看锡膏体积是否不足、是否桥连、是否偏移，此时焊点还没形成，检测的是“未完成”的形态。炉前检测的意义在于早发现、早返修，因为锡膏印刷不良如果在贴片前被拦截，直接刮板重印就行，成本最低。炉后AOI则测的是回流焊后的终态，包括缺件、立碑、偏移、虚焊、少锡等，这些是完整的焊点形态，检测难度更高，因为光照在曲面上的反射特性变化很大。

很多工厂把AOI当成一个独立设备，只做炉后终检。但真正成熟的SMT制程控制会优先在炉前配置检测点。原因很简单：炉前不良的根因通常集中在钢网开口、刮刀压力和锡膏黏度上，数据回流给印刷机的参数调整非常直接。炉后不良的根因则牵扯贴片精度、回流焊温度曲线、PCB焊盘设计等多变量，排查路径长。作业指导书必须明确设备的检测工位属性，因为同一种缺陷在不同工位的判据不一样。例如，锡膏桥连在炉前是严重缺陷，但如果在炉后已经熔化并形成连接，可能还要看爬锡是否满足要求，不能一刀切。

2.2 光学成像与算法：从2D到3D的检测能力边界

AOI的光学系统决定能“看到”什么，算法决定能“判断”什么。传统2D AOI使用环形LED光源，分为低角度、高角度和同轴光几种，分别用于检出不同几何特征。低角度光突出焊点的轮廓阴影，用来检测少锡和虚焊；高角度光照明镜面区域，用来识别元件本体偏移；同轴光用于平整表面的细微划痕或极性标记。这套方案对上表面特征有效，但对BGA、QFN这类引脚隐藏在底部的封装无能为力，因为相机看不到焊点的侧面。

3D AOI是近几年SMT大厂的标准配置，采用激光三角测量或相位偏移结构光原理，通过多个不同角度投影条纹到PCB表面，根据条纹形变计算出高度信息。3D检测的核心能力是获取焊点的体积、高度和面积，可以量化锡量。常见的做法是设定一个“体积百分比阈值”，例如以锡膏印刷后的标准体积为基准，当焊点体积低于基准的70%时判定少锡。这个阈值很关键，因为2D图像看到的灰度变化在判定虚焊时极不稳定，而3D能直接测出元件引脚是否真正坐进锡膏里。

算法层面，目前主流的是规则判据加深度学习分类。规则判据比如灰度均值、轮廓长度、面积、质心偏移量，这些都是可解释的固定参数，容易调，适合稳定的大批量料号。深度学习则用于复判环节，通过训练好的模型区分“真实缺陷”和“伪缺陷”，减少人工复判的工作量。但深度学习模型的可解释性差，而且不同料号、不同颜色基板的泛化能力有限，所以成熟工厂的做法是：初检用规则引擎，复判用AI分类，人工只处理边界样本。

2.3 选型参数表：分辨率、景深、检测速度与误报率

编写作业指导书之前，先要确认设备本身的硬件指标和检测极限。以下是SMT产线选择AOI设备时最常对比的四个参数，也是指导书里必须写明的“设备能力边界”。

注意，检测速度和误报率是一对矛盾。速度越快，图像曝光时间越短，成像噪声越大，误报率通常会上升。如果指导书里只写“要求设备检测速度达到多少”，而不提对应的误报率上限，就会变成设备商可以用牺牲算法稳定性来达标，真正量产时频繁停线。所以我的建议是，在指导书中把这两个指标绑定起来写，例如“在分辨率15μm条件下，检测速度不低于50cm²/s，且综合误报率不超过1.5%”，这样才有验收价值。

灯光的调节也是指导书必须覆盖的内容。很多新工程师以为灯光越亮越好，其实不同颜色的基板和阻焊层对光强的吸收差异很大。例如红色阻焊板用红光的对比度很差，换成蓝光或同轴光反而清晰。在指导书中，应该为每种基板颜色建立一个灯光预设表，至少写明环形光的亮度值（以设备软件中的0～255为单位）、频闪频率和相机增益。这样换线时直接调用预设，不需要每次重新摸参数。

3. 编写AOI检测作业指导书的最小可执行步骤

3.1 先定检测位点：根据元件类型和缺陷模式规划

不要一上来就在AOI软件里画检测框。先打开贴片机的程序，把每个位号的元件类型和封装尺寸列出来，再结合IPC-A-610的接受标准，决定哪些位号必须检测，哪些可以跳过。常见做法是，所有带极性的元件（二极管、电容、IC）必须测极性，所有间距小于0.5mm的引脚必须测桥连，所有体积较大的连接器必须测偏移。

具体在这个环节，我会要求产线工程师整理一个Excel位号表，列字段包括：位号、元件类型、封装、极性要求、检测类型（炉前/炉后）、关键缺陷模式。然后根据这个表在AOI软件中批量导入位号，而不是手动一个个框选。批量导入的好处是减少人为遗漏，尤其是PCB上有几百个元件时，手选框很容易漏掉角落里的电阻。

对于双面贴装的PCB，指导书要明确检测的顺序和夹具要求。第二面检测时，第一面的元件已经焊好，顶面可能高低不平，AOI的景深如果不够，边缘的元件可能跑出焦距范围。这种情况常见做法是在检测程序中为不同区域设置不同的对焦高度，或者使用动态对焦功能，在扫描过程中根据基准点自动校准Z轴高度。

3.2 程序制作关键步骤：从Gerber到检测库

AOI检测程序的制作起点是CAD数据和Gerber文件。Gerber文件提供了焊盘的精确坐标和形状，CAD数据提供了位号与封装映射。制作流程大致如下：

1. 导入Gerber文件和CAD坐标文件，让软件自动生成元件检测框。
2. 用实板校准基准点，Mark点至少设置两个，确保每次进板位置一致。
3. 为每个检测框选择一个检测算法模板，例如“芯片引脚检测”“矩形元件检测”“BGA焊球检测”。
4. 输入元件本体颜色、引脚数目、极性标记位置等属性。
5. 生成检测程序后，跑一片已知良品板，采集“黄金样板”图像。

这里有一个最常见的误区：直接把Gerber文件坐标系和AOI图像坐标系等同。实际上，PCB制造存在涨缩，喷锡板尤其明显，如果程序里的基准点坐标和实际基板不一致，会导致所有检测框整体偏移。所以程序制作完成后，先要用标准板做一次“坐标纠偏”，把基准点实际位置反馈给软件，让软件自动修正其他焊盘的坐标。

3.3 参数设置：灯光明暗、阈值与判据

参数设置是指导书的核心部分，也是工程师最容易凭感觉调的地方。以焊锡检测的典型参数为例：

# 伪代码示例：AOI判据定义 criteria = { "solder_volume_ratio": 0.7, # 焊点体积/标准体积比例 "component_offset_ratio": 0.25, # 元件偏移/焊盘长度比例 "bridge_max_width": 20, # 桥连允许最大宽度（像素） "missing_component_area": 0.5 # 缺件检测面积阈值 }

这段伪代码展示的是判据参数结构。solder_volume_ratio设为0.7，意思是当焊点体积低于标准值的70%时判定少锡，这个值不是固定的。如果回流焊工艺稳定，可以适当提高到0.75来收紧质量；如果最近炉温波动大，可以先降到0.65避免大量误报。component_offset_ratio表示元件偏移量超过焊盘长度的25%判为不合格，这是依据IPC-A-610中关于端头偏移不超过焊盘宽度25%的推荐值设定的，实际操作时还要看客户特殊要求。

关于灯光参数，不是调一次就完事。换了基板供应商，阻焊层的颜色和光亮度可能变化，原来的灯光参数会出现反射异常。指导书里要规定：每换一次基板批次，必须用标准板确认灯光参数，并记录实际值。数值范围可以参考以下设备典型设置：

注意，这些数值不是绝对的，只是提供一个调整起点。真正的做法是准备一片含有极端缺陷的样板，比如少锡、桥连、偏移样本，然后调节灯光让图像中这些缺陷特征最明显，记录此时的参数。后续如果出现误报，优先微调灯光亮度，每次调节幅度不超过10，然后观察100块板子的误报率变化。

3.4 首件验证与GRR：用数据确认指导书可用

程序做完不能直接上线，必须做首件验证。首件验证的步骤是：取10片已知良品板、10片含有人工植入缺陷的板子，把AOI程序跑一遍，看误报率和漏检率是否在可接受范围。如果误报率超过5%，就要回看检测框是不是画太大，或者亮度设置不合理。

更进一步，用GRR（量具重复性与再现性）评估测定系统。对于AOI而言，最简单的GRR做法是：同一片板在同一个程序下重复检测20次，统计NG/OK结果是否有变化。如果20次结果完全一致，说明重复性好；如果结果跳变，说明图像抓取不稳定，可能是进板位置波动、灯光频闪或焦点漂移。再现性测试则让两个操作员分别调用程序检测同一批板，比对结果，这能发现程序是否被误改动、操作员是否用了不同版本的程序。

提示：指导书中要写明GRR的判定标准。通常要求AOI判定一致性达到98%以上，否则视为检测系统不具备数据参考价值。

做完GRR后，把验证结果记录在指导书附表中，包括检测程序版本号、验证日期、验证人、误报率、漏检率。这样后续出现批量质量问题，可以追溯是不是检测程序被改过，而不是只靠口口相传。

4. AOI检测作业中的常见缺陷判读与处置对策

4.1 常见缺陷类型：少锡、偏移、立碑、虚焊

SMT制程中AOI最常见拦截到的缺陷，按发生频率排序通常是：少锡、元件偏移、立碑、引脚桥连、虚焊。少锡在炉后检测中表现为焊点体积低于阈值，但形成原因很多元：要么是钢网开口堵塞，要么是锡膏印刷高度不足，要么是贴片压力过大把锡膏压扁后再经过回流导致实际焊点瘦小。AOI只能告诉你有缺陷，不能直接给出根因，所以指导书里必须针对每种缺陷附一张排查清单。

偏移缺陷通常是贴片机吸嘴位置偏差或飞行对中漂移造成的。AOI检测偏移时，要区分是本体偏移还是焊盘偏移。本体偏移是指元件端头超出焊盘边界，如果偏移量在允许范围内（比如不超过25%），不影响电气连接，可以不判NG。但如果同时出现焊锡爬升高度不足，就必须拦截，因为这种状态下焊点机械强度不够。

立碑多发生在片式元件，一端先润湿，另一端还未润湿时被拉起来。AOI判定立碑的手段是检测元件本体的倾斜投影，2D实现起来比较困难，3D则可以直接测出元件一端翘起的高度。立碑是严重缺陷，必须立即停机并反馈回流焊温度曲线，检查炉膛内温度均匀性。

虚焊是AOI检测中争议最多的缺陷。2D AOI看的是焊点轮廓和灰度，虚焊的焊点在外观上往往和正常焊点无明显差异，它其实是焊料润湿性不足，导致引脚与焊盘之间没有形成金属间化合物。2D AOI很难可靠判定虚焊，除非虚焊已经严重到出现裂缝。3D AOI通过测量焊点与元件引脚之间的接触面积来间接判断，但仍然存在误判空间。所以指导书中要明确：AOI对虚焊的判定只能作为过程提示，最终判定需要人工切片或推拉力测试。

4.2 判定原则：哪些必须拦截，哪些可以放行

指导书最忌讳的就是把所有缺陷一视同仁。实际上，不同缺陷对可靠性的影响不同。我习惯分三类：A类为致命缺陷，必须立即拦截并停机；B类为功能缺陷，可以继续生产但需要后续维修；C类为外观缺陷，按照客户标准决定是否放行。

A类包括：桥连导致短路、缺件、极性反、立碑、元件浮高等。这些缺陷一旦流入市场就是批量事故，必须零容忍。B类包括：少锡但体积在临界值附近、偏移但未超出可接受范围，这些缺陷可能影响长期可靠性，AOI报出来后由维修工位进行手工补焊。C类如丝印不清、阻焊层划痕等，如果不在关键区域，可以和客户协商免检。

AOI检测程序中的“判定等级”设置要对应这个分类。例如在软件中，每种缺陷关联一个NG等级，当NG等级为1时自动停机，等级为2时只记录并流转到维修工位，等级为3时仅提示。这样做的好处是不会因为细微外观缺陷导致产线频繁停线，又能保证严重缺陷不被放过。

4.3 复判流程与维修记录闭环

AOI报出NG后，作业员不能直接拿板维修。标准流程是先在AOI设备上查看缺陷图像，确认是否真实缺陷。因为AOI检测的是2D图像或3D点云，有时会把PCB板上的异物、水渍或字符误判为缺陷，这类叫伪缺陷。当操作员确认是伪缺陷时，在设备上标记“误报”，并定期汇总误报类型来优化检测程序。

如果确认为真实缺陷，就把PCB流转到维修工位，维修人员根据AOI显示的坐标和缺陷类型进行手工处理。维修完成后，要做二次AOI复测或者由QC人工确认，保证修复有效。整个流程要在MES系统中留下记录，包括：原始检测时间、缺陷类型、坐标、维修动作、维修人、复测结果。这些数据看似繁琐，却是后续工艺改善的依据。

注意：指导书中要规定复判时限。AOI信息在检测后及时读取，如果滞留时间过长，板子堆在待处理区容易混料，而且临时找历史记录复查的成本很高。

5. 用数据优化AOI检测作业指导书的三个进阶技巧

5.1 利用检测数据反馈回流焊工艺参数

AOI不只是检测工具，更是数据采集器。每次检测得到的体积、偏移量、缺陷位置，如果按时间轴汇总，能帮助定位工艺漂移。一个常用的分析方法是：取最近100块板的AOI检测结果，按“少锡”缺陷在PCB板面的位置做热图，看是否集中某个区域。如果集中在炉膛两侧，多半是回流焊的横截面温差问题；如果集中在PCB同一侧，可能是印刷机刮刀压力不均匀。

这里可以用一个简单的Python脚本分析AOI导出的CSV数据：

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("aoi_defects.csv", encoding="gbk") # 过滤少锡缺陷 solder_bridge = df[df["缺陷类型"] == "少锡"] # 按检测小时统计不良率 hourly = df.groupby(["检测时间", "缺陷类型"]).size().unstack(fill_value=0) hourly["总检"] = df.groupby("检测时间").size() hourly["不良率"] = hourly["少锡"] / hourly["总检"] hourly.plot() plt.savefig("hourly_solder_short.png")

脚本逻辑说明：读取AOI导出的缺陷表，只筛选“少锡”缺陷，然后按检测时间小时聚合，计算每小时少锡不良率。如果不良率在某个时段出现持续抬升，同时对应回流焊链条速度或炉温设定变更，就能建立关联。关键参数是检测时间字段，需要确保MES或AOI软件导出的时间戳精确到秒，否则无法按小时聚合。

5.2 按料号分类管理检测程序版本

AOI程序会随产品设计变更、工艺优化而不断调整。如果没有版本管理，很容易出现今天调了参数，明天换线时发现程序被改乱的现象。常见做法是为每个料号单独建一个目录，目录内按日期保存检测程序和参数备份，命名规范为“料号_版本号_日期”。每次修改检测程序前，强制从SVN或网盘中拉取最新版本，修改后提交并填写变更说明。

还可以在AOI设备上设定登录权限，操作员只有“检测运行”权限，不能修改参数。工程师单独有“程序编辑”权限。这样能避免误操作。指导书里要明确版本变更的记录模板，至少包括：变更日期、变更人、变更内容、影响料号、验证结果。有了版本记录，当同一个料号在不同时间段出现检测结果不一致时，可以快速对比是哪次参数调整造成的。

5.3 减少误报的实用技巧：ROI分区与动态阈值

误报是AOI最让人头疼的问题。一条高速SMT线，AOI误报每增加1%，维修工位的人力需求可能翻倍。几个减少误报的实用技巧值得写进指导书：

第一，使用ROI分区而不是全PCB统一阈值。大面积铜皮和细小焊点的光学特征完全不同，统一阈值只能妥协。将PCB按区域划分，例如连接器区、小元件区、IC区，分别设置不同的亮度补偿和判据。第二个技巧是动态阈值，让软件在检测时根据周围背景灰度自适应调整二值化临界值。这个功能对基板颜色不均匀，比如玻璃纤维布纹理较重的板材，非常有效。

第三个技巧是抓取二次图像。当检测到疑似缺陷时，设备不立即判NG，而是移动镜头回拍一次，用更小的视野和更高的倍率重新成像，然后结合两次图像判断。这个技巧会增加少量检测时间，但可以大幅削减因为灰度噪声导致的误报。在高速产线上，一般只对容易误报的工位启用这个功能。

另外一个容易被忽略的点是定期清洁相机镜头和光源。我见过不少AOI误报激增，最后发现是镜头蒙了一层灰尘，图像对比度下降。指导书中要写明每日清洁频次和检查方法，比如用无尘布蘸无水乙醇轻擦镜头表面，并记录清洁时间。这虽然听起来不像技术问题，但对检测稳定性的影响却比调参数还明显。

本文还有配套的精品资源，点击获取