瑕疵檢測

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。

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。

PCBA上面集成了不同功能的電子元件、插槽及各種晶片組，製造流程繁瑣，如何提升PCBA插件及組裝的正確率，是良率提升的關鍵。SolVision AI瑕疵檢測系統，學習多張PCBA的影像做AI訓練，可辨檢測細微瑕疵，使PCBA製成優化，效率大幅提升。

保有生產效益的同時兼顧紗線品質，是紡織業者最大挑戰。現今紗場依以人工檢測為主，漏檢率高且工時長，不利實際品質要求，傳統AOI面對不固定瑕疵時亦難以檢測，誤判率高。使用SolVision工具使AI學習辨識瑕疵特徵，快速且精準地找出各項缺陷，有效改善檢測速率、成品良率並降低品檢負擔。

為落實環保，酒商皆啟動玻璃瓶容器回收再利用的機制。但玻璃酒瓶內緣之黴斑髒汙，即使經過清洗消毒仍然容易殘留，人眼不易看出黴斑。SolVision以酒瓶影像訓練AI，學習黴斑髒污的位置與顏色，自動辨識黴斑髒污特徵，在清洗產線上快速找出有黴斑、髒污的酒瓶汰除，讓回收再利用酒瓶維持品質。

空調及冷凍設備的製造過程中，熱交換器的密閉容器所含的鐵管、鏡板、管帽、端板等部件皆需經過銲接工序，但由於銲接工廠屬高溫高熱的場域，入內需穿著基本防護，且銲道的瑕疵缺陷複雜且不規則，憑藉人工經驗檢測銲道，不容易維持品質一致，導入ＡＩ自動化檢測勢在必行。

SMD電容體積較小，觀察缺陷需在顯微鏡等級的微觀工具下觀察，且因MLCC非常脆弱，檢測過程也須非常小心，困難度極高。使用SolVision工具，學習電極上凸出部分的瑕疵形狀及位置，建立AI模型，在AI學習瑕疵特徵之後，即可快速檢測電容凸出部分的缺陷，大幅提升整體製程的良率。

晶片承載盤是半導體加工製程的關鍵要素，晶片承載盤的輪廓與定位孔點常因作業造成瑕疵，過去多透過AOI光學檢測方式予以檢查。然而承載盤不易透過AOI檢出並定位瑕疵，嚴重影響良率及生產效率。運用SolVision AI影像技術執行缺陷檢測，以利使用者即時監測並排除承載盤異常。

緞帶色彩繽紛的特性使得AOI檢測容易因為花紋和顏色變化而發生瑕疵漏檢或誤判。使用SolVision檢測各種顏色、花紋的緞帶，能夠精確找出裂孔、脫絲等瑕疵的位置、大小及形狀，不論是檢測速度或是精準度都能達到標準。而透過記錄與分析瑕疵的樣態，可回溯找出製作過程中的問題所在，改善產品製程。