Das KI-Modell kann Fehler in Kabelverbindungen genau identifizieren und minderwertige Produkte in Echtzeit ausschließen.

SolVision nutzt Deep-Learning-Technologie für eine verbesserte Inspektion von chirurgischen Masken, um eine genaue Fehlererkennung und eine verbesserte Qualitätskontrolle zu gewährleisten.

Das KI-Modell kann trainiert werden, um Defekte auf der Trockenbauplatte genau zu erkennen und zu lokalisieren, um die Produktqualität und den Produktionsertrag zu verbessern.

Fehlerhafte Wafer weisen in der Regel auch subtile Defekte auf, die zufällig auf der Oberfläche verteilt sind, was es AOI-Systemen (Automated Optical Inspection) erschwert, Regeln für effiziente Inspektionen festzulegen.

SolVision überwinde die Herausforderungen bei der Inspektion von Laser-Schweißarbeiten mit KI und ermöglicht eine präzise Fehlererkennung zur Verbesserung der Schweißqualitätskontrolle.

SolVision detects defective electrodes on passive electronic components to significantly improve overall production yield.

Übermäßiger Kleber kann auf dem Chip verbleiben oder auf die Leiterplatte überlaufen und dazu führen, dass der Chip kippt, was die Stabilität des gesamten Halbleiterpakets beeinträchtigt.

Bei sich wiederholenden manuellen Aufgaben wie in diesem Fall kann eine automatisierte visuelle Inspektion helfen, fehlerhafte Produkte zu identifizieren und die Effizienz der Arbeitskräfte zu verbessern.