a stack of metal sheets on top of a metal table

SolVision成功案例

金屬外殼瑕疵檢測與分類解決方案

自動檢出並分類瑕疵類型

消費性裝置外殼品質管理

電腦機殼背蓋等消費性裝置在進入裝配程序前,需經瑕疵檢測與分類,以維持品質的一致性。

金屬機外殼反光影響檢測品質

金屬機殼刮傷瑕疵相當細微,在一般光線下因為金屬材質容易反光,人員以目視方式難以檢出瑕疵,容易發生外觀品質不良的問題。

SolVision迅速且彈性解決瑕疵檢測與分類

利用SolVision的Segmentation技術,針對瑕疵的外觀形狀建立瑕疵缺陷資料庫,分類特定缺陷例如:明顯瑕疵、細微瑕疵與極細微瑕疵等,以深度學習辨識明顯瑕疵,並忽略可接受的微小缺陷,有效提升檢測精準度及速率,確保產線成品能毫無缺陷地進入裝配程序。

瑕疵分類案例

Level 1 : 明顯可見瑕疵

Level 2 : 細微瑕疵

Level 3 : 極細微瑕疵

AI Inspection on Reflective Metal Surfaces

相關文章
  • multicolored electronic part

    電源供應器內部線材組接解決方案

    電源供應器內部元件及線路多元且複雜,檢測接點時容易受到背景干擾而影響視覺判斷。額外使用人工及AOI傳統光學檢測皆不易執行,難以於產線端有效管控產品品質。經訓練的AI模型可以精準地偵測並定位線材錯接的電源供應器接線瑕疵,即時將不良品檢出。
  • transparent IV bag on a clear background

    透過AI進行輸液袋異物檢測

    如何透過搭載AI的SolVision視覺系統達到100%的輸液袋異物檢測率?馬上了解更多高效AI檢測在醫療生技產業的應用實例。
  • SMT製程的回焊短路檢測解決方案

    SMT製程回焊過程中,過多錫膏量或是印刷偏移可能導致錫球間短路,過去以人工方式檢測,效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測,難以傳統AOI檢出。運用SolVision AI技術,將SMT製程影像樣本中的回焊短路瑕疵定位並標註,訓練AI模型。可輕易檢出錫球間短路情形。
  • brown cookies on white ceramic plate

    食品加工產線輸送帶瑕疵檢測解決方案

    食品加工業首重食品衛生及食用安全,油炸食品的外觀不一。傳統的食品外觀檢測透過大量人力執行,效率不彰。所羅門結合機器視覺與人工智慧,運用Solomon SolVision AI影像平台技術執行缺陷檢測。在快速且大量生產的油炸食品加工產線中,辨識多種不同的瑕疵樣態,進而將不良品即時檢出。