SolVision成功案例

電子業

物料管理優化方案，提高產品標籤辨識度

產品料號字元辨識

效率提升關鍵：產品標籤辨識

電子產業中，料號的編列是相當重要的，關係到產品的研發、生產及庫存，如果料號標籤無法辨識將會大幅降低作業效率及浪費資源。

庫存優化困境：標籤字體印刷不良

標籤上的字體在印刷過程容易產生不規則的細微瑕疵，使得傳統AOI難以辨識，便無法紀錄產品料號，影響庫存管理的正確性。

SolVision的光學字元辨識，成為產品料號管理最佳選擇

利用SolVision的Segmentation技術進行缺陷以及字元辨識之AI深度學習，即便標籤字體出現不規則的微小缺陷仍能正確辨識，而當字體缺損過大導致無法辨識時，可經由瑕疵檢測將其檢出，如此一來便大幅降低物料管理的成本支出，提高庫存管理的正確性。

瑕疵檢測及OCR辨

Original

瑕疵檢測

OCR字元辨識

相關文章
  • a stack of textile spindles behind a yellow robot arm

    玻璃纖維線軸拆架

    透過使用SolScan和AccuPick 3D實現基於人工智能的機器人 3D 視覺，成功解決了準確識別機架中線軸位置的挑戰。集成到機械臂末端軸上的工業 3D 相機在此解決方案中發揮了關鍵作用。
  • transparent IV bag on a clear background

    透過AI進行輸液袋異物檢測

    如何透過搭載AI的SolVision視覺系統達到100%的輸液袋異物檢測率?馬上了解更多高效AI檢測在醫療生技產業的應用實例。

  • 塑膠扣具瑕疵檢測解決方案

    射出成型的扣具生產上最為常見的瑕疵為脫模劑油汙、白點、毛邊及殘屑，其中屬油汙瑕疵最難檢出。結合SolVision AI影像平台工具，分別針對各類表面瑕疵型態執行深度學習，訓練完成的AI模型即可即時檢出射出成型時產生油汙與在內的各類瑕疵。
  • cable and connector for USB, Type-C, Micro USB, Lightning, on a white background in isolation, collage

    AI影像辨識、分類與瑕疵檢測各式傳輸線

    由於傳輸線的種類、數量繁多，以往仰賴人力辨識物件易有所疏漏，運用最先進AI+AR技術可協助前線人員快速辨識出不同的傳輸線種類，並能自動導入出貨系統。