瑕疵檢測

使用META-aivi的瑕疵檢測功能，針對合格的焊接點進行AI訓練並上傳模型至系統中，便能透過行動裝置上的鏡頭對欲檢測的車架進行AI檢測，META-aivi即可快速辨識出瑕疵焊點，並搭配擴增實境功能即時反饋異常結果，人員即可透過螢幕上指示進行錯誤修正，確保焊接品質。

透過AI視覺技術檢測汽車鋼板烤漆上的瑕疵，加速整體效率，提升產線生產力。

SolVision 瑕疵檢測確保每個螺栓僅需 49 毫秒即可實現 100% 的完美缺陷檢測率，解決反射表面難題並消除漏檢。

由於傳輸線的種類、數量繁多，以往仰賴人力辨識物件易有所疏漏，運用最先進AI+AR技術可協助前線人員快速辨識出不同的傳輸線種類，並能自動導入出貨系統。

運用SolVision AI影像平台的Instance Segmentation技術，以包裝良品及具各種瑕疵類型的影像樣本訓練AI模型。訓練完成的模型可即時且迅速地辨識每一反光或透明泡殼的包裝及填充情形，並將偵測到的瑕疵予以標註並分類。

運用所羅門SolVision AI影像平台的Instance Segmentation技術，定位、標註影像樣本中雞蛋蛋殼裂隙瑕疵位置並以訓練AI模型，訓練完成後即可透過AI檢測蛋殼表面的孔隙及裂痕情形再予以分級，提升雞蛋食用的安全性及商品價值。

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。