person holding tool during daytime

SolVision成功案例

金屬外殼瑕疵檢測與分類解決方案

自動檢出並分類瑕疵類型

消費性裝置外殼品質管理

電腦機殼背蓋等消費性裝置在進入裝配程序前,需經瑕疵檢測與分類,以維持品質的一致性。

金屬機外殼反光影響檢測品質

金屬機殼刮傷瑕疵相當細微,在一般光線下因為金屬材質容易反光,人員以目視方式難以檢出瑕疵,容易發生外觀品質不良的問題。

SolVision迅速且彈性解決瑕疵檢測與分類

利用SolVision的Segmentation技術,針對瑕疵的外觀形狀建立瑕疵缺陷資料庫,分類特定缺陷例如:明顯瑕疵、細微瑕疵與極細微瑕疵等,以深度學習辨識明顯瑕疵,並忽略可接受的微小缺陷,有效提升檢測精準度及速率,確保產線成品能毫無缺陷地進入裝配程序。

瑕疵分類案例

Level 1 : 明顯可見瑕疵

Level 2 : 細微瑕疵

Level 3 : 極細微瑕疵

AI Inspection on Reflective Metal Surfaces

相關文章
  • 印刷電路板(PCB)元件組裝檢測解決方案

    印刷電路板(Printed Circuit Board, PCB)是電子裝配中最重要的基底,但PCBA上的電子元件種類繁多,包括電阻、電容、電晶體等等。運用SolVision AI影像平台透過訓練完成的AI模型,可即時地檢出元件缺件或組裝錯誤等異常情形及位置。
  • 包裝密封檢測解決方案

    除了判斷包裝是否密封之外,須進一步確認密封不完全的型態與原因,但因為密封缺陷的型態差異小,且物件表面呈高反光,不論是人眼或AOI皆不易找出缺陷並將之分類。所羅門使用 SolVision工具,由影像定義出密封完好的狀態,並與多種缺陷作比較,可即時檢出沒有密封完整的包裝並將缺陷分類。
  • 商品外包裝印刷瑕疵檢測解決方案

    做為商品外包裝材料,軟質的鋁箔袋常在印刷過程中產生印刷錯誤、歪斜、脫落及漏印等情形。統光學檢測和人工的方式出錯率高。運用SolVision的Anomaly Detection工具,訓練完成的模型即可針對印刷文字、圖案上的形狀、顏色等特徵差異執行比對,偵測並標註瑕疵所在位置。
  • Car doors painted shiny gray color in assembling workshop

    利用機械手臂進行車門按鈕自動化按壓檢測

    AI視覺技術搭載機械手臂,快速優化車門按鈕檢測,減少人力需求並提升產線運作效益。