有無確認

透過搭載META-aivi的無人機，能最大化風力發電機檢查效率，減少陸上和海上風電場維護時可能的人為錯誤。

META-aivi 透過人工智慧優化汽車零件品質控制，減少錯誤並將流程數位化，從而實現無與倫比的產品檢測效率。

汽車由成千上萬個零組件組成，是複雜度相當高的工業化產品。然而，由於製作程序複雜，要如何確保安裝流程合乎安全規範，便成為業者必須控管的關鍵。只要透過AI+AR擴增技術，人員就能透過AI提示進行準確組裝SOP驗證，從而 提高產量，降低人為錯誤的風險。

運用SolVision AI影像平台的Instance Segmentation技術，以包裝良品及具各種瑕疵類型的影像樣本訓練AI模型。訓練完成的模型可即時且迅速地辨識每一反光或透明泡殼的包裝及填充情形，並將偵測到的瑕疵予以標註並分類。

咖啡膠囊不同口味代表不同顏色，以一盤咖啡膠囊作為標準組，另一盤咖啡膠囊作為對照組。使用SolVision學習各種咖啡膠囊的影像，若有任意一個咖啡膠囊的位置擺放錯誤，軟體可立即將錯誤擺放之處以檢測框標示出來，可成功分辨各式高反光且顏色差異小的咖啡膠囊。

晶片於晶盤中跳料的情形係屬隨機，所致的瑕疵型態多樣且難以預測瑕疵所產生的位置。運用SolVision AI影像平台技術，以具疊料、空料、歪斜錯置、反轉等瑕疵的影像樣本訓練AI模型，AI訓練完成後即可輕易且迅速地辨識並標註晶盤上產生收納異常的位置。

切片顯微影像中細胞的外觀不固定，細胞病變發生的位置、型態也十分隨機，導致每位醫師對於癌細胞的判斷及圈選標準不盡一致，更無法透過傳統光學檢測以撰寫邏輯方式判斷癌細胞的型態。資料擴增結合AI深度學習技術可以更快速準確地判讀細胞特徵！

口罩產品瑕疵種類繁多，包括掉線、皺褶、鼻墊片缺漏及穿透、破洞、角切、髒污、側邊凸出及過濾層破損等。難以透過AOI方式檢出全部的瑕疵。運用SolVision AI影像技術，將影像樣本中各類型瑕疵予以標註，AI經深度學習後即可於品管端精準辨識口罩上是否有瑕疵，進而將不良品汰除。

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。