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
  • Solvision檢測LD瑕疵圖例

    如何判斷AI瑕疵檢測對企業與產線帶來的幫助?

    擁有如人類思考的AI技術,在辨識並定位不規則特徵佔有優勢,為滿足檢測需求,市場上已出現許多AI瑕疵檢測系統及服務,然而,套裝軟體在許多功能上依舊存在差異,其中在使用者介面(UI)友善度、訓練樣本數、辨識率、檢測速率的討論度最為廣泛。
  • 疫情雖逐步受到控制,但由於機械結構複雜,遠端線上教學未必能清楚描述,一旦失誤,恐導致設備損壞延宕產品生產時程。

    一顆關鍵閘道器 製藥廠掀智造浪潮

    不少企業誤以為,要走向智慧製造,就必須重新建立新廠房、添購新機械設備,才能因應這波轉型。其實,善用工業物聯網技術,進行廠區中各機台的數據蒐集、整合及分析等應用,讓生產效益達到最佳化,正是工廠自動化再升級的新選擇。
  • AI + 3D機器視覺,1分鐘讓機器手臂開始夾取

    在部分複雜物體辨識上,單靠3D視覺的精度與準度仍有困難如: 複雜形狀的半透明奶嘴位置辨識、小零件/高精度金屬件機器手臂夾取。若將AI與3D視覺系統進一步整合,能強化其辨識能力,使機器手臂以正確方向、位置取放物體。
  • AI機器視覺是甚麼?原理與應用?看完這篇一次了解

    AI機器視覺是人工智慧的一個分支,使機器和人一樣「看懂」圖像與物件後進行判斷與決策,常用在工業自動化與機器人領域如: 視覺瑕疵檢測、3D視覺定位等,也是新興的AR + AI視覺系統技術核心。