META-aivi成功案例

食品業

使用 AR + AI 進行零售庫存驗證

客戶是一家在全國擁有超過一千家門店的連鎖超市。

貨架陳列的正確性，是零售業確保庫存管理是否有效運作的重要環節。當貨架上的商品位置與庫存記錄相符時，可以更準確地追蹤銷售、預測訂購需求等庫存盤點，以確保商品能滿足市場需求；此外，精緻整齊的貨架陳列，可確保顧客能迅速找到欲購買商品，從而提高顧客滿意度，在整體客戶體驗與簡化營運流程方面發揮關鍵作用。

了解貨架陳列的重要性後，客戶期盼能尋求一項解決方案，不僅能驗證每個產品的正確位置，還可以確保展示標籤上的價格準確性、識別任何需要補充庫存的空置空間。不過，由於貨架上存在各式品牌，以及同品牌的多種產品，導致這項庫存盤點任務變得更加複雜。

儘管自動化標籤系統、條碼掃描等技術越發普及，但由於零售業商品普遍多樣化，商品價格易隨競爭對手動態、促銷折扣、庫存清理等市場情況有所波動，再加上部分產品難免因各式因素導致放置不正確，需再進行細部查核才能確保陳列商品的正確性，因此最初的定價檢查流程仍需仰賴手動執行。

此外，連鎖超市始終將「貨架商品齊全」視為滿足顧客需求的終極目標，需時時關注貨架情況並予以補貨，而如此繁瑣的程序，成為不熟悉產品擺放和價格的新員工的一大挑戰。

透過META-aivi，只要少量的圖像樣本即可快速訓練AI模型，不僅能辨識各種品牌，同時更能區分相同品牌中的不同品項，協助新進員工有效驗證貨架商品陳列及價格是否正確，確保能及時補貨，並能協助新進員工處理客戶諮詢。

此次應用案例使用智慧型手機進行陳列檢查，然而，META-aivi搭載擴增智慧技術，應用功能強大，不僅是智慧型手機，更能與IP Cam、Body Cam、AR眼鏡等行動載具進行整合，對產品進行全天候不間斷監控，透過實時通知等功能防止缺貨，確保貨架始終庫存充足。

比原先的庫存驗證方法快 5 倍

貨架上產品檢測準確率100%

大幅減少貨架堆放錯誤

物料管理優化方案，提高產品標籤辨識度

電子產業中，如果料號標籤無法辨識會大幅降低作業效率。標籤字體印刷不良標籤上的字體在印刷過程容易產生不規則的細微瑕疵，使得AOI難以辨識。利用SolVision進行缺陷以及字元辨識之AI深度學習，即便標籤字體出現不規則的缺陷仍能正確辨識，大幅降低物料管理的成本支出，提高庫存管理正確性。
漸層玻璃瓶瑕疵檢測

漸層玻璃瓶皆經過噴砂製程霧面處理，製作過程常見的瑕疵類型為色澤不均或者瓶身出現黑點，而這些瑕疵因無法明確定義且樣式不固定，難以採用AOI方法進行檢測。訓練完成的AI模型即可快速檢出玻璃瓶身各角度之瑕疵分布，並標註出缺陷位置。
塑膠零件料箱取放

客戶需要一項自動化解決方案，目的是透過自動化流程，從箱中取出零件，並將其放置在旋轉輸送帶上，而另一台機器則在塑料零件上為螺栓製造螺紋，以利進行高效地拾取和零件運輸流程。
商品外包裝印刷瑕疵檢測解決方案

做為商品外包裝材料，軟質的鋁箔袋常在印刷過程中產生印刷錯誤、歪斜、脫落及漏印等情形。統光學檢測和人工的方式出錯率高。運用SolVision的Anomaly Detection工具，訓練完成的模型即可針對印刷文字、圖案上的形狀、顏色等特徵差異執行比對，偵測並標註瑕疵所在位置。