AOI虽然具有比人工检测更高的效率，但毕竟是通过图像采集和分析处理来得出结果，而图像分析处理的相关软件技术目前还没达到人脑的级别，因此，在实际使用中的一些特殊情况，AOI的误判、漏判在所难免。目前AOI使用中存在的问题有：多锡、少锡、偏移、歪斜的工艺要求标准界定不同，容易导致误判。电容容值不同而规格大小和颜色相同，容易引起漏判。

AOI检测设备主要分为两类：在线AOI检测设备和离线AOI检测设备。在线AOI检测设备：使用AOI检查设备监视PCB生产过程。通过对生产线上每一块PCB的检测，在线监控PCB具体的生产状况，并为调整生产工艺提供依据。当制造低混合度的大批量产品，且产品可靠性很重要时，厂商会优先采用在线AOI检测。离线AOI检测设备，离线AOI检测设备是对走下生产线的PCB产品状态进行检测。主要用于生产问题明确、数量和速度为关键因素、产品混合度高的产品的检测。一般都将离线AOI检测设备设置在生产线的中段，在这个位置，设备可以产生广泛的过程控制信息。

AOI的主要功能是：主要检测PCB线路板过回流焊前后，元器件的虚焊、假焊、空焊、短路、开路、漏贴、多贴、错件、极性反、少锡、多锡、连锡、翘件，移位，破损。偏移，立碑，翻转，误配等不良，可有效改善人工目检的效率低下。

对于各种不同缺陷的特征提取技术和各种分类方式进行研究，采用机器学习的方法，设计不同的分类器，并对不同分类器的分类效果和误差进行比较和分析，采用优化的分类器可以实现对缺陷的快速检出和准确分类，并尽可能地提高分类器的智能化水平。

AOI核心技术

基本的AOI技术包含下列子系统：①高速高精度XY方向的运动控制系统;②机械光学系统;③高精度高可靠像采集系统;④智能图像识别与错误检测系统。这些子系统构成了一个与多维测量和错误检测密切相关的设备。

注意到AOI识别是机器视觉在印刷电路板领域的具体应用，换言之，印刷电路板的缺陷检测实质上是属于模式识别的范畴。它将PCB上的不同缺陷视为不同的模式类，从采集到的图像信号中提取和选择特征，根据特征向量构造判别函数，进行缺陷分类，即模式识别。

识别算法的好坏直接影响到智能图像识别系统的性能，进而影响整个AOI系统的性能。从机器视觉的发展来看，目前在AOI上面至少可以完整地应用以下的视觉识别算法。