Black and Silver Video Camera on Table

SolVision成功案例

物流運輸業 |生技醫療業 |紡織與鞋業 |電子業 |食品業

包裝密封檢測解決方案

以AI技術判斷包裝是否確實密封

包裝密封的重要性：
避免產線非正常損耗與污染

產品包裝的密封能夠確保安全及品質，如果有缺陷不僅影響產品的完整性，亦會造成生產機器非正常耗損及汙染，因此密封是否完全是維持產品品質的關鍵。

自動光學(AOI)與人工檢測：密封缺陷情形差異甚小

除了判斷包裝是否密封之外，若要找出問題的根源，須進一步確認密封不完全的型態與原因，但因為密封缺陷的各類型態差異甚小，且物件表面呈高反光，不論是人眼或自動光學檢測(AOI)皆不易找出缺陷並將之分類。

包裝品檢新AI技術：密封缺陷分類

所羅門結合機器視覺與人工智慧使用 SolVision 的Classification工具，由影像定義出密封完好的狀態，並與多種缺陷作比較，包括下方密封不確實、下方與側邊皆未密封、下方與側邊密封不確實等，可即時檢出沒有密封完整的包裝並將缺陷分類。

包裝密封缺陷檢測案例

正確
正確
下方密封不完整
側邊密封不完整
下方及側邊皆未密封
相關文章
  • a welder welding a piece of metal with sparks

    META-aivi 智能焊道檢測

    使用META-aivi的瑕疵檢測功能，針對合格的焊接點進行AI訓練並上傳模型至系統中，便能透過行動裝置上的鏡頭對欲檢測的車架進行AI檢測，META-aivi即可快速辨識出瑕疵焊點，並搭配擴增實境功能即時反饋異常結果，人員即可透過螢幕上指示進行錯誤修正，確保焊接品質。

  • 高爾夫球桿頭品質檢測解決方案

    高爾夫球桿頭是球具組合中最重要的部份，消費者十分重視桿頭完成面的細緻程度。運用SolVision AI影像技術，將影像樣本中高爾夫球桿頭上的細微瑕疵逐一標註，藉以訓練AI模型，訓練完成後的AI模型即能不受商標、紋路及金屬光澤的影響，定位並標註所有細微的表面瑕疵。

  • 封裝晶片邊緣微裂瑕疵檢測解決方案

    由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

  • 傳統機台儀表數位化解決方案

    傳統式的氣體監控機台或儀器設備具有儀表板顯示資訊，惟其缺乏數位化介面，SolVision結合機器視覺與人工智慧，運用AI影像平台技術執行光學字元辨識(OCR)，將機台儀表影像中的數值轉為數位化資訊，以利統計、監控數據的異常情形，亦可進 % 一步作為後續智能化相關應用的基礎。