SolVision成功案例

傳統機台儀表數位化解決方案

自動化儀表影像數值讀取

光電產品良率關鍵:鍍膜氣體參數監控

光電產業中的偏光片製程需透過氣體的層流均佈使薄膜均勻沉積。為維持鍍膜的品質與良率,製程氣體的壓縮參數監控十分關鍵。如何解決傳統機台儀表數位化,提升產品良率成為一大關鍵問題。

數位化困境:傳統儀表的介面限制

傳統式的氣體監控機台或儀器設備具有儀表板顯示資訊,惟缺乏數位化介面,無法將數值資訊迅即上傳至中央監控系統,使整體製程數位化產生斷點。

傳統儀表的數位化利器:光學字元辨識

SolVision結合機器視覺與人工智慧,運用AI影像平台的Segmentation技術執行光學字元辨識(Optical Character Recognition, 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。

儀表數位化步驟

1. 工業相機擷取2D影像

機台儀表數位化解決方案

2. 光學字元辨識取得數值及座標資訊

機台儀表數位化解決方案

3. 數位化資訊輸出

機台儀表數位化解決方案
相關文章
  • 醫療器材品質控管:安全針頭組裝

    安全針頭為透明或白色的塑膠件,其材質與紋路使得辨識不易,以人眼或AOI方法皆容易造成誤判,導致組裝錯誤卻無法有效檢出。所羅門結合機器視覺與人工智慧,使用SolVision工具,針對白色與透明塑膠件的各種紋路與形狀做AI訓練,有效檢出塑膠件的組裝錯誤,同時提高缺陷檢測的效率。
  • person holding tool during daytime

    汽車車頂銲道氣孔瑕疵檢測解決方案

    銲接過程中,氣體飽和所形成的氣泡無法在銲接過程中及時排出而殘留在銲道中,形成銲道氣孔瑕疵,可能影響美觀及結構品質。運用SolVision AI技術,將各種亮度的銲道氣孔瑕疵影像進行標註,藉以訓練AI模型,即能不受影像亮度影響檢測出銲道上各處的氣孔瑕疵。
  • Worker is tightening wires together for good contact with needle-nose pliers.

    尖嘴鉗瑕疵檢測

    運用AI視覺技術檢測尖嘴鉗上是否有瑕疵,協助產線加速檢測效率。
  • 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。