9、人工智能在AOI与任务管理应用中的前沿探索

人工智能在AOI与任务管理应用中的前沿探索

1. AI在AOI中的应用与评估

在工业场景下的自动光学检测（AOI）领域，卷积神经网络（CNN）被用于缺陷分类。但依赖分类结果存在可靠性问题，因此选择了解释器为预测结果提供推理依据。基于电子制造的限制条件，挑选了八种CNN架构和五种突出的解释器方法。

为了便于比较不同的解释器方法，提出了一种统一的性能指标——解释分数（ES）。ES指标利用遮挡和守恒指标评估特征质量，利用定位指标评估对缺陷区域的聚焦程度。

通过对不同数据集的测试，得出Faster Score - Cam在两个数据集上都表现卓越。并且，对比不同数据集发现，排名前两位的解释器方法表现相近。综合考虑模型和数据集的多样性，为每个CNN模型都挑选了合适的解释器方法，这使得其他用户无论使用何种印刷电路板（PCB）缺陷数据集，都能从解释器中受益。

1.1 AOI中AI应用流程

graph LR
    A[选择CNN网络进行缺陷分类] --> B[指出分类结果可靠性问题]
    B --> C[选择解释器提供推理]
    C --> D[基于约束条件挑选CNN架构和解释器方法]
    D --> E[提出ES指标进行评估]
    E --> F[测试得出结果并选择合适解释器]

1.2 相关方法对比

方法类型	数量	作用