AOI技术向智能化方向发展是SMT发展带来的必然要求。在SMT的微型化、高密度化、快速组装化、品种多样化发展特征下，检测信息量大而复杂，无论是在检测反馈实时性方面，还是在分析、诊断的正确性方面，依赖人工对AOI获取的质量信息进行分析、诊断几乎已经不可能，代替人工进行自动分析、诊断的智能AOI技术成为发展的必然。

　　对各种缺陷的特征提取和缺陷识别与分类进行研究;针对高密度PCB视觉检测系统中要检测的缺陷细小，缺陷的种类繁多，特征不易确定等问题，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在检测过程中，需要缺陷统计和分类与SPC紧密结合。所谓SPC即统计过程控制，主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。

　　一般地AOI能实现两类测量，即缺陷检测(传统意义的AOI应用)和每块PCB的差异测量，对有效的过程控制而言，两类测量都需要。其中差异测量对实时SPC应用非常重要，它会根据AOI系统类型及它所处生产线位置的不同而不同。为使AOI/SPC成功用于生产线上，AOI系统必须能产生错误处理和报警，误判率和缺陷检测灵敏度会受检查参数的影响，生产工艺变量越多，误判的可能性就越大，缺陷检测的复杂程度也越大。因此选择在印刷、贴片、回流焊后或波峰焊后进行检查，误判率会有明显的不同。