為什麼一定要讓AOI結合AI?
收錄各產業應用案例

1.大幅降低過殺率

對於應用AOI檢測最多的PCBA瑕疵檢測產業,往往會因為保證產品良率而調高AOI參數,設定成相當嚴格,此舉會導致AO相當敏感,便會產生過殺(Over Kill)的現象,但是透過AI軟體,可以藉由經驗法則來學習判斷,可以因應外在變化而達成自我調整,進一步有效判斷未曾看過的瑕疵集成像。

2.擁有學習能力

AI的優勢是模仿人的視覺及大腦,用少量樣本就能快速建出模型,用演算法來檢測產品,AI就好比一位新進的學徒,在一定程度上能夠模仿老師傅的檢測能力,經由運用大量有效資料並透過深度學習技術在系統模型快速訓練,自動找出最佳OK與NG參數,進一步有效判斷未知瑕疵,確保檢驗標準的一致性,大幅提升辨識準確率。

所羅門AI七大優勢

一.專業團隊支援

海內外強大的技術團隊支援,行業內外有目共睹的專業技術支援服務,解決您軟體使用上的問題。

二.領先業界的AI技術

在同一顯卡標準下,SolVision透過軟體功能提升檢測速度,憑藉10ms高速辨識出AOI難以辨識字體,優於市場平均30ms速率。

三.免編程能力也OK

圖形化介面輕鬆又直覺,如「小畫家」拖曳、點選或下拉選單即可。AI瑕疵檢測產品繁多,能否快速且低成本導入至關重要。

四.整合容易

檢測結果及物件位置亦能透過TCP/IP通訊界面輸出,即時傳遞檢測結果至PLC或各主要品牌手臂控制器,同時更整合如LabView、Visual Studio、C#、C++等第三方程式。

五.訓練樣本數少

與傳統AOI相比,所羅門AI視覺軟體減少了90%樣本數即可達成期望效益,無需耗費大量人力時間。

六.高速AI帶來高投報率

最快1分鐘即可完成AI學習,低成本與系統或設備快速連結。所羅門團隊還提供"免費"樣品測驗服務。

七.功能完善

我們提供監督式非監督式檢測共四大檢測工具

監督式檢測 (Supervised)

特徵定位 (Feature Detection)
主要用於方形物體或與背景相關之特徵或瑕疵檢測。
特徵分割 (Instance Segmentation)
外型不規則或複雜背景中之特徵或瑕疵檢測可以此功能進行擷取。
特徵分類 (Classification)
用於特徵或瑕疵數量多或影像占比大之應用。

非監督式檢測(Anomaly Detection)

訓練時僅須提供正確樣本,系統便會在訓練過程中產生檢測模型,即可辨識與良品間差異之處。

SolVision 成功案例

半導體業

生技醫療業

光電業

汽車業

金屬加工業

食品業

紡織業

石化及塑橡膠業

電子業

製造業

相關文章
  • 您可能從未想過的機器視覺的 5 個好處

    機器視覺技術多年來一直是一個改變遊戲規則的技術,讓製造商能夠在各種行業中提高效率和品質控制。雖然許多製造商都知道機器視覺的主要優點,但還有一些較不為人知的好處也值得考慮。 以下是您可能從未想過的機器視覺技術的五個好處
  • a close up of a semiconductor wafer being fabricated

    半導體行業中的3種常見自動化解決方案

    半導體行業在過去幾十年中迅速發展,變得越來越複雜和復雜,自動化已成為其中的一個重要方面。 自動化幫助半導體公司快速高效地生產高質量的產品,減少各種過程所需的時間, 提高準確性,減少錯誤,並降低勞動力成本,改善工人安全性。 在本文中,我們將探討半導體行業中三種最常見的自動化解決方案。
  • 什麼是OCR? OCR能夠做什麼應用?

    OCR技術對於企業的數位轉型有相當大的功勞,現今社會提倡無紙化概念,且用紙本保存貴重資料的舊有形式,已經無法再適用現今瞬息萬變的資訊化腳步,OCR在無紙化轉型之中就扮演了相當重要的角色,除此之外,OCR結合AI還可用於瑕疵檢測、車牌辨識、字跡辨識、自動識檢驗別等。
  • AOI與AI差異

    AI與AOI差異在哪?優缺點與應用有那些?

    訂單從過往「少樣多量」變成如今「多樣少量」的彈性生產,待測物件尺寸、外型、材質等複雜度隨之提高,甚至出現定義不明的瑕疵,而傳統AOI需先定義瑕疵樣本,並以設定好的參數做為判斷基準,無法靈活快速做出判斷,導致漏檢率大幅增加,在此情況下,AI崛起讓機器視覺開始進化,其「擬人化」技術便成為新解方。