AOI是電子廠檢查PCBA線路板有效的檢測方法，使用視覺加算法技術，以影像處理來檢出元件和焊點等瑕疵。但傳統AOI通過抽色和復雜算法，導致編程復雜繁瑣和調試時間長并且誤判多等不足，傳統AOI已經不能滿足客戶檢測的需求了。

以DIP產線波峰焊爐后檢測為例，缺陷種類多，形態復雜，傳統算法主要是通過對錫點的反射光的顏色進行判斷，進而判斷其是否存在品質不良。這種情況下要求編程人員經營豐富，對不良焊點的各種形態非常熟悉，很多傳統AOI誤判高，這大大增加了操作員復判的工作量，也容易造成操作員疲勞，隨之增加漏檢風險。

此外，波峰焊的焊點形態變化大，傳統算法需要針對每一類焊點進行調試，大大增加了調試時間。同時傳統AOI操作復雜，還對人員的熟練程度有要求，一旦人員流動，難以延續設備檢測效果，就會影響生產效率。傳統算法難以兼容焊點的多形態特征，誤判比較高，大大增加了操作員復判的工作量。過多的誤判，操作員容易疲勞，漏檢的風險隨之增加。

深度神經網絡算法通過對大數據焊點的分析處理，可以很好掌握錫點各個形態，這樣編程容易對操作人員要求也低。與傳統AOI對比，波峰焊AOI通過AI模型，自動識別焊點位置，一個檢測框即可覆蓋各類缺陷的檢測，將之前1-2小時的調試時間縮短為10分鐘以內。經市場驗證，邁思泰克波峰焊AOI檢出率可達到99.99%，誤判率低于0.3%。

1.提升品質：波峰焊AOI的不良檢出率和檢測速度都遠遠高于人工目檢，可顯著提升生產品質，避免質量問題導致的賠款，降低生產維修成本。
2.減少人工：在線檢測，不需額外投入人工去拿放板，典型應用場景下，一臺設備根據工廠工位安排的不同，能為工廠減少2-3個工位。
3.節省培訓成本：在工人離職率高的當今，培訓一名熟練的目檢工需要較長周，使用只需要2小時培訓即可快速上手。

在電子制造業領域，DIP爐后檢測修補環節，長期以來都是由人工完成作業，不僅不夠“智能化”，而且還在工藝品質上打了“折扣”。尤其是在如今國際國內疫情復雜多變的環境下，招工難，技能不匹配，很難保證產線產能的穩定和產品品質。