SolVision成功案例

醫療器材品質控管：安全針頭組裝

自動注射器是由數十個零件組成，要做好品質控管，就必須在問題發生時追溯是哪個環節出錯，因此，如何準確地辨別缺陷是品質提升的關鍵因素。

安全針頭如果零件沒有組裝好，或是安全針頭組裝錯誤，將會導致針頭突出傷人的意外，或是無法正常使用的狀況。然而，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，不論以人眼或自動剛學檢測(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 的Segmentation 技術，針對白色與透明塑膠件的各種紋路與形狀做AI模型訓練，可有效檢出塑膠件的組裝錯誤，同時提高缺陷檢測的效率，使整體製程更為完善。

檢測結果

使用 IP 攝影機監控射出成型機

META-aivi 透過自動化機器故障偵測和監控來優化塑膠射出成型，以提高效率、減少停機時間並降低成本。
LED基板分區外觀品質控管解決方案

常見的LED基板瑕疵包括邊緣毛邊、銲墊氧化雜質、刮痕等，在瑕疵特徵與背景相近的情況下，AOI檢測不易將瑕疵檢出。運用SolVision AI影像技術，以各式LED基板上瑕疵影像樣本訓練，經深度學習的AI即可精準地將瑕疵檢出並標註。此外亦可指認瑕疵生成的所屬區域，達到分區檢測的目的。
小零件分揀

AccuPick 3D是 Solomon 的視覺智能取放系統解決方案，為客戶提供了全面的視覺系統，能夠識別工作站內的 50 多個不同零件。藉由 AccuPick 3D的強大視覺功能，成功識別 5 毫米墊圈，即便物體重疊，也可以成功識別。
電腦零組件瑕疵檢測解決方案

硬碟支架製造過程出現的瑕疵種類繁多，包括金屬的壓傷、表面白霧、孔批麟、孔黑等等，透過人工檢測不容易逐一檢出，然而微小的缺陷在組裝過程可能造成孔隙無法對齊等問題發生。使用SolVision工具AI學習瑕疵特徵後，能夠快速檢測出硬碟金屬支架上的各類微小瑕疵。