SolVision成功案例

緞帶品質AI檢測解決方案

色彩斑斕的緞帶種類千變萬化，製作過程繁複而細膩，需經過整經、穿紗、織造、整燙、染整、上漿、印刷、針車、拷克、捲帶、最後才是品檢與包裝，從原料到成品歷經十四天之久。

緞帶色彩繽紛的特性使得自動光學檢測困難度高，由於織面花樣複雜，較難找出特定的特徵點，自動光學檢測(AOI)容易因為花紋和顏色的變化而發生瑕疵漏檢或誤判的情況。

使用SolVision中的Segmentation技術檢測各種顏色、花紋的緞帶，能夠精確找出裂孔、脫絲等瑕疵的位置、大小及形狀，不論是檢測速度或是精準度都能達到標準。而透過記錄與分析瑕疵的樣態，可回溯找出製作過程中的問題所在，改善產品製程。

灰色裂孔

紅色脫絲

微小瑕疵

塑膠零件料箱取放

客戶需要一項自動化解決方案，目的是透過自動化流程，從箱中取出零件，並將其放置在旋轉輸送帶上，而另一台機器則在塑料零件上為螺栓製造螺紋，以利進行高效地拾取和零件運輸流程。
玻璃纖維線軸拆架

透過使用SolScan和AccuPick 3D實現基於人工智能的機器人 3D 視覺，成功解決了準確識別機架中線軸位置的挑戰。集成到機械臂末端軸上的工業 3D 相機在此解決方案中發揮了關鍵作用。
電動車零配件組裝SOP驗證

汽車由成千上萬個零組件組成，是複雜度相當高的工業化產品。然而，由於製作程序複雜，要如何確保安裝流程合乎安全規範，便成為業者必須控管的關鍵。只要透過AI+AR擴增技術，人員就能透過AI提示進行準確組裝SOP驗證，從而提高產量，降低人為錯誤的風險。
SMT製程的回焊短路檢測解決方案

SMT製程回焊過程中，過多錫膏量或是印刷偏移可能導致錫球間短路，過去以人工方式檢測，效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測，難以傳統AOI檢出。運用SolVision AI技術，將SMT製程影像樣本中的回焊短路瑕疵定位並標註，訓練AI模型。可輕易檢出錫球間短路情形。