描述這些概念背后的潛在科學更為簡單。例如，在傳統(tǒng)的機器視覺系統(tǒng)中，可能需要讀取零件上的條形碼、判斷其尺寸或檢查其是否有缺陷。為此，系統(tǒng)集成商通常使用現(xiàn)成的軟件，這些軟件提供了標準工具。例如，可以部署這些工具來確定數(shù)據(jù)矩陣代碼，或者使用圖形用戶界面來測量零件尺寸的工具集。

因此，部件的測量可以分為好或壞，這取決于它們是否符合某些預定標準。與這種測量技術(shù)不同，所謂的“深度學習”工具更好地歸類為圖像分類器。與專門讀取條形碼數(shù)據(jù)的軟件不同，它們被設計用于確定圖像中的對象是存在還是好或壞。因此，這些工具是互補的。

AOI的分辨率應以像元的尺寸大小作為判別的條件，也就是空間分辨率來衡量。像素的大小不是判別AOI的檢出能力的標準，準確地講，像素大是決定單位面積的像元尺寸大小的因素。如果單位面積不同，像素再高也沒有可比性。比如一臺AOI的FOV為12*16毫米，如果這臺AOI采用的是30萬像素的相機，那么這臺AOI的分辨率只有25微米，它只能檢測0402以上封裝尺寸的元件。


如果這臺AOI采用的是30萬像素的相機，那么這臺AOI的分辨率只有25微米，它只能檢測0402以上封裝尺寸的元件。但如果這臺AOI采用的是200萬像素的相機，那么這臺AOI的分辨率就變?yōu)?0微米，就可以檢測01005以上封裝尺寸的元件。反之，如果這臺AOI使用的是200萬像素的相機，如果它的FOV為24*32微米，那么它的分辨率只有20微米，這樣它雖然像素較高但只能檢測0402以上封裝尺寸的元件。

AOI的核心是軟件。我國的AOI軟件技術(shù)已經(jīng)處在全球，從這一意義上講，國產(chǎn)AOI的綜合性能已經(jīng)走在世界的前列，只是在制造工藝上還有一些差距。但就整體而言,AOI技術(shù)還不十分成熟。一臺性價比較優(yōu)的AOI必須具備以下幾個條件：

1.相機要是真正的面陣數(shù)字相機，這種相機不需要圖像采集卡；2.光源是同軸碗狀光源；3.機械系統(tǒng)是伺服馬達為驅(qū)動，用絲桿和導軌為傳動；4.軟件系統(tǒng)的開發(fā)語言為VC ；5.軟件的可重復性要高；6.軟件的可操作性要人性化；7.誤判率和漏判率要低8.檢測功能要全；