person holding tool during daytime

SolVision成功案例

電子業

金屬外殼瑕疵檢測與分類解決方案

自動檢出並分類瑕疵類型

消費性裝置外殼品質管理

電腦機殼背蓋等消費性裝置在進入裝配程序前，需經瑕疵檢測與分類，以維持品質的一致性。

金屬機外殼反光影響檢測品質

金屬機殼刮傷瑕疵相當細微，在一般光線下因為金屬材質容易反光，人員以目視方式難以檢出瑕疵，容易發生外觀品質不良的問題。

SolVision迅速且彈性解決瑕疵檢測與分類

利用SolVision的Segmentation技術，針對瑕疵的外觀形狀建立瑕疵缺陷資料庫，分類特定缺陷例如：明顯瑕疵、細微瑕疵與極細微瑕疵等，以深度學習辨識明顯瑕疵，並忽略可接受的微小缺陷，有效提升檢測精準度及速率，確保產線成品能毫無缺陷地進入裝配程序。

瑕疵分類案例

Level 1 : 明顯可見瑕疵

AI Inspection on Reflective Metal Surfaces
AI Inspection on Reflective Metal Surfaces

Level 2 : 細微瑕疵

AI Inspection on Reflective Metal Surfaces
AI Inspection on Reflective Metal Surfaces

Level 3 : 極細微瑕疵

AI Inspection on Reflective Metal Surfaces

相關文章

  • META-aivi 智能廠務管理

    導入META-aivi智能廠務巡檢系統，利用所羅門先進的機器視覺與人工智慧執行光學字元辨識(Optical Character Recognition, OCR)，以各式字樣的形狀、號碼等影像樣本訓練AI模型，訓練完成的AI模型即可透過鏡頭偵測機台上的數據，自動且即時地將AI判別的數值轉為數位化資訊，並傳送至雲端建立巡檢報表，讓管理者可以便捷的透過行動裝置，一手掌握工廠巡檢狀況。

  • 不鏽鋼管字元辨識解決方案

    目前仍採用人力進行自行車車身號碼的辨識與登錄，耗費人工且效率低，若使用AOI進行字元辨識，因不鏽鋼管表面為圓弧曲面，打光容易造成反射，不論以人工或者AOI檢測，針對曲面、反光不鏽鋼管上字樣的辨識皆較為困難。所羅門結合機器視覺與人工智慧，對於光學字元辨識可以得到極佳的辨識效果。

  • 自動化蔬菜人工智慧視覺檢測

    使用SolVision進行的蔬菜AI視覺檢測，可在僅50毫秒內實現了對朝鮮薊方向的100%準確檢測，提高食品生產效率。

  • 壓花石膏板瑕疵檢測解決方案

    石膏板出廠前，瑕疵情形皆須確實檢出。然而，由於壓花石膏板的外觀特性，瑕疵在複雜背景中模糊，無法以AOI及人眼確實辨識。使用所羅門 SolVision AI影像平台技術，擷取板材上的髒痕、過大壓花圖案以及壓花不清等瑕疵，可確實檢出並定位板材上的瑕疵，具體提升石膏板板材的品質與良率。