在工廠巡檢的過程中，導入META-aivi，利用AI建立正確的SOP操作步驟，逐一確保車輪是否與枕木放妥、接地線是否接妥以及確認靜電消除器燈號是否正常；並搭配擴增時境顯示現場狀況，於螢幕上顯示AI偵測結果，立即回傳辨識結果至人員眼前，若有異常則立即發出警示，指引人員正確的操作步驟並驗證流程的正確性，確保場域的安全。

在製造過程中導入操作簡易的「穿戴式AI」META-aivi，人員可透過AI學習面板上所標示出的正確組件配置圖，立即驗證人員組裝正確性。若偵測到裝配錯誤，META-aivi將立即發出異常警示，提醒人員即時修正，確保物件的品質一致，減少人為疏失。 此外，組裝完成後利用AI做統一流程驗證，即時儲存辨識結果並製成品檢履歷，能有效追蹤料件資訊，建立完整的製程資訊。

越來越多工廠內佈建自動裝置系統及機械設備，透過連線整合，達到部分自動加工甚至全自動製造，以此有效提高作業效益、節省人力成本。而每種機台的配線方式不盡相同，如何確保人員線路配置的正確性以及建立可控管的系統，即是公共安全的重要環節之一。

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。

晶片於晶盤中跳料的情形係屬隨機，所致的瑕疵型態多樣且難以預測瑕疵所產生的位置。運用SolVision AI影像平台技術，以具疊料、空料、歪斜錯置、反轉等瑕疵的影像樣本訓練AI模型，AI訓練完成後即可輕易且迅速地辨識並標註晶盤上產生收納異常的位置。

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。

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。