SolVision成功案例

傳統機台儀表數位化解決方案

自動化儀表影像數值讀取

光電產品良率關鍵:鍍膜氣體參數監控

光電產業中的偏光片製程需透過氣體的層流均佈使薄膜均勻沉積。為維持鍍膜的品質與良率,製程氣體的壓縮參數監控十分關鍵。如何解決傳統機台儀表數位化,提升產品良率成為一大關鍵問題。

數位化困境:傳統儀表的介面限制

傳統式的氣體監控機台或儀器設備具有儀表板顯示資訊,惟缺乏數位化介面,無法將數值資訊迅即上傳至中央監控系統,使整體製程數位化產生斷點。

傳統儀表的數位化利器:光學字元辨識

SolVision結合機器視覺與人工智慧,運用AI影像平台的Segmentation技術執行光學字元辨識(Optical Character Recognition, OCR),將機台儀表影像中的數值轉為數位化資訊,以利統計、監控數據的異常情形,亦可進一步作為後續智能化相關應用的基礎。

儀表數位化步驟

1. 工業相機擷取2D影像

機台儀表數位化解決方案

2. 光學字元辨識取得數值及座標資訊

機台儀表數位化解決方案

3. 數位化資訊輸出

機台儀表數位化解決方案
相關文章
  • pile of shiny metal bolts

    金屬螺栓AI視覺瑕疵檢測

    SolVision 瑕疵檢測確保每個螺栓僅需 49 毫秒即可實現 100% 的完美缺陷檢測率,解決反射表面難題並消除漏檢。
  • 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。
  • 半導體晶片封裝製程接著劑瑕疵檢測解決方案

    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。
  • 金屬外殼瑕疵檢測與分類解決方案

    利用SolVision的瑕疵檢測工具,做出AI模型Training,針對瑕疵的形狀長相建立瑕疵缺陷資料庫,將複雜的缺陷人工檢測轉化成精準度高且規律的檢測系統,以深度學習辨識異常並忽略可接受的微小缺陷,有效提升檢測精準度及速率,兼顧產品嚴格的品質要求。