a close-up of a machine

SolVision成功案例

金屬加工業

自動化雷射銲接分類暨檢測解決方案

雷射銲接特徵偵測深度學習技術

雷射銲接品質與速度皆優於傳統銲接

雷射銲接採用高能量密度的雷射為熱源，使材料迅速熔化、汽化、冷卻並凝固連結，具有快速、裝置簡單、可焊接難熔材料、可執行精密銲接等特性，在生產效率、品質上皆優於傳統焊接。
AI deep learning technology for laser welding defect detection

如何分辨銲接品質：銲縫魚鱗紋特徵

雷射銲接依功率密度大小區分為雷射熱傳導銲接、雷射深熔銲接兩類，具有不同的銲縫特徵。由於產品的焊接位置、樣式不盡相同，無法透過傳統光學檢測辨別銲縫的環狀分布、漏銲等成品樣態，因此產線終端皆是以人工方式執行檢測，常造成銲接品質不一的情形。

AI銲縫檢測：特徵辨識、定位標註、計數一站完成

應用Solomon SolVision AI影像平台的Classification及Segmentation技術，能夠以銲縫特徵影像訓練AI模型，辨識銲接功率及漏銲瑕疵，並可透過深度學習，精準偵測銲縫的魚鱗紋數量及分布。

銲接計數與瑕疵檢測案例

OK: 銲接完整且數量正確

Automating Laser Welding Inspections

NG: 銲接不完整且數量錯誤

Automating Laser Welding Inspections
相關文章

  • 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。
    成功案例SolVision智慧製造業瑕疵檢測生技醫療業製造業食品業
  • black and white labeled box

    自動化導線架品質檢測

    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。
    成功案例SolVision半導體業瑕疵檢測

  • 壓花石膏板瑕疵檢測解決方案

    石膏板出廠前，瑕疵情形皆須確實檢出。然而，由於壓花石膏板的外觀特性，瑕疵在複雜背景中模糊，無法以AOI及人眼確實辨識。使用所羅門 SolVision AI影像平台技術，擷取板材上的髒痕、過大壓花圖案以及壓花不清等瑕疵，可確實檢出並定位板材上的瑕疵，具體提升石膏板板材的品質與良率。
    成功案例SolVision塑橡膠產業建造業瑕疵檢測

  • 汽車引擎號碼OCR字元辨識

    藉由Solvision AI視覺檢測技術，快速、準確辨識汽車引擎上的字元，減少人工目視辨識錯誤，提升效率。
    汽車業OCR字元辨識SolVision成功案例製造業金屬加工業