前言：為什麼買了昂貴的鏡頭，AOI 檢測良率還是上不去？

在自動化產線的升級過程中，許多工廠經理和製程工程師常面臨一個令人沮喪的困境：
「明明已經斥資百萬導入高解析度工業鏡頭、最先進的影像處理軟體，
但在進行 Metal Frame（導線架）或 Wafer Cassette（晶圓盒）檢測時，
誤判率（False Failure）依舊居高不下或不穩定。」

這不是演算法不夠聰明，而是眼睛一開始就「沒看清楚」。

在機器視覺（Machine Vision）領域，有一句至理名言：
「Garbage In, Garbage Out（垃圾進，垃圾出）」。
如果光學成像端無法取得高對比、特徵清晰的原始影像，
後端的 AI 或演算法再強大也無用武之地。

這就好比那句大家耳熟能詳的廣告名言：
「肝呢好，人生是彩色的；肝呢不好，人生是黑白的。」
在 AOI 世界裡，「光源設計」就是那顆肝。
光打得對，影像立刻層次分明、特徵清楚；
光打錯，再強的演算法，也只能在一片灰白雜訊中硬撐。

本文將由專注於光電半導體應用與 AOI 光源開發的宸軒科技，
為您深入解析 3 種關鍵的 AOI 光源結構，
並揭開如何透過正確的打光策略，
讓自動化檢測成功率突破 90% 的技術秘密。