分類辨識

切片顯微影像中細胞的外觀不固定，細胞病變發生的位置、型態也十分隨機，導致每位醫師對於癌細胞的判斷及圈選標準不盡一致，更無法透過傳統光學檢測以撰寫邏輯方式判斷癌細胞的型態。資料擴增結合AI深度學習技術可以更快速準確地判讀細胞特徵！

口罩產品瑕疵種類繁多，包括掉線、皺褶、鼻墊片缺漏及穿透、破洞、角切、髒污、側邊凸出及過濾層破損等。難以透過AOI方式檢出全部的瑕疵。運用SolVision AI影像技術，將影像樣本中各類型瑕疵予以標註，AI經深度學習後即可於品管端精準辨識口罩上是否有瑕疵，進而將不良品汰除。

金屬加工沖壓件上可能出現的瑕疵種類繁多且形態不一，油汙及水漬更是不易觀察。另一方面，金屬加工件在取像時的亮度也各有差異，造成AOI瑕疵檢測的執行相當不易。金屬加工品的品管助手：AI瑕疵檢測，經訓練的AI模型可輕易檢出各式沖壓件上的瑕疵，大幅提升產品的表面品質。

傳統光學檢測無法針對全幅影像進行分類，故無法於第一階段汰除瑕疵過多的晶圓。應用SolVision AI影像平台技術辨識瑕疵特徵。首先判斷晶圓是否具有過多瑕疵，汰除無法修復的不良品。其次運用影像處理技術分割晶圓影像，並以工具偵測瑕疵，記錄其特徵、坐標、面積等資訊，大幅提升後續修補的效率。

有螺紋的金屬套件，容易因搬運造成工件碰撞受傷，或在加工過程中留下刀痕，即使搭配強光與顯微設備，以人眼檢測不易，容易發生誤檢與漏檢。使用SolVisionl非監督式檢測工具，可學習刀痕與碰撞瑕疵的特徵，在AI訓練完成後便可輕易檢測出人眼不易辨識的瑕疵，挑出瑕疵物件，讓出貨品質更好。

PCBA上面集成了不同功能的電子元件、插槽及各種晶片組，製造流程繁瑣，如何提升PCBA插件及組裝的正確率，是良率提升的關鍵。SolVision AI瑕疵檢測系統，學習多張PCBA的影像做AI訓練，可辨檢測細微瑕疵，使PCBA製成優化，效率大幅提升。

電子元件製造過程追蹤為半導體之產出基石，辨識元件編號被視為生產重要環節之一。但較差環境下讓AOI辨識更加困難，對於提升產線效率以及降低字元的誤判度有很大改善空間。利用SolVision技術執行光學字元辨識，有別於傳統AOI，不受底色、環境光線及字元種類多等限制，可精準識別個別編碼。

保有生產效益的同時兼顧紗線品質，是紡織業者最大挑戰。現今紗場依以人工檢測為主，漏檢率高且工時長，不利實際品質要求，傳統AOI面對不固定瑕疵時亦難以檢測，誤判率高。使用SolVision工具使AI學習辨識瑕疵特徵，快速且精準地找出各項缺陷，有效改善檢測速率、成品良率並降低品檢負擔。