従来、多種多様な輸送ラインに依存していたため、物体を人力で識別することが疎漏を招く可能性がありましたが、最先端のAI+AR技術を活用することで、現場の人員が異なる輸送ラインの種類を迅速に識別し、自動的に出荷システムに組み込むことができます。

SolVisionのAIプラットフォームのセグメンテーション技術により、良品と不良品それぞれの画像の特徴を学習できます。それによりブリスターパックそれ自体と内容物について高速に認識し分類することが可能です。

グラデーションガラスのボトルは、サンドブラスト加工でマットに仕上げられています。 製造工程でよく見られる不具合の種類は、ボトルの色ムラや黒点ですが、AOI法では、はっきりとしたパターンがないため、検出が困難です。

現在繊維産業の生産現場では目視検査が主となっていますが、不良品流出率の高さ、工程時間の長さが問題となっています。繊維の欠点としては紙管の汚れ、変形、繊維の汚れ、繊維の破損、繊維の捩れ、ヘアラインなど多岐にわたります。目視検査では実際の要求品質に見合った検査はできず、従来式の光学検査（AOI）では欠点の認識に柔軟性がないため誤判断が多く、目視検査で再検査しなければなりません。労働コストを最適化するためには、繊維の検査は高効率なものでなければならないのです。

ガラス瓶内壁のカビ汚れは洗浄消毒工程後も残留し易く、洗浄の段階で検査排除できれば理想的です。しかし、洗浄ライン上で回転しながら移動するビンは常に一定方向に定まらず、ビンの印刷もあるため肉眼ではカビを見つけることは難しく、従来式の光学検査方式（AOI）でも手に負えません。

靴下の生産工程は、デザイン、編立、縫製、旋盤、成形、そして最後に品質検査と包装に分けられます。 繊維産業は労働集約型の産業であり、品質管理のチェックポイントである目視検査はもともと手作業で行われていましたが、検出率が低いだけでなく、視覚疲労で靴下の外観検査も遅れることがあります。

ゴムの射出成型工程では原料品質、機械設備企画、金型設計などが射出成型品の品質に影響を与えるファクターとなります。射出成型品の欠点として一般的に多くみられるのは、外観とサイズの異常です。例えば汚点、空孔、金型の傷の影響、取り出し時に生じる傷などです。

食品加工業では衛生と安全が非常に重要で、加工途中での品質保証(Quality Assurance, QA)と品質管理は製品の品質と水準を高める鍵となっています。食料品をハイスピードで大量生産を行うライン上では外観検査が製品品質を守る最重要防御線となります。