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。

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。

固晶接著劑透明，易造成光源折射影響特徵判斷，且爬膠、溢膠不具固定位置及型態，無法創建規則執行傳統光學檢測AOI。運用Solomon SolVision AI影像平台技術建立AI學習模組，自動學習並偵測爬膠、溢膠的特徵及位置。增加多項正確類別提升辨識強度，有效降低環境因素的干擾。

筆電產品零件進入組合與包裝程序後，利用人工方式進行配套零件的裝配，在執行上下裝殼與垂直螺絲組裝等工序時，若有零件缺漏將直接影響最終產品品質，進入各通路販售後有損公司名譽。導入所羅門SolVision檢測提高產品良率及穩定性，能持續優化其檢測效力，有效提高產品的品質良率。

導線架表面的各類瑕疵，包含邊緣毛邊、黑點雜質、刮痕等。若使用傳統的AOI檢測，當檢測背景與瑕疵較為相近時，容易發生漏檢的情形。使用SolVision AI瑕疵檢測工具進行學習，以擴增功能增加AI學習範圍，能有效檢測出各類導線架瑕疵，在雜亂或複雜背景中，也能精確辨識有很好的辨識效果。

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。

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。