品質檢測

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。

印刷電路板(Printed Circuit Board, PCB)是電子裝配中最重要的基底，但PCBA上的電子元件種類繁多，包括電阻、電容、電晶體等等。運用SolVision AI影像平台透過訓練完成的AI模型，可即時地檢出元件缺件或組裝錯誤等異常情形及位置。

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。

除了判斷包裝是否密封之外，須進一步確認密封不完全的型態與原因，但因為密封缺陷的型態差異小，且物件表面呈高反光，不論是人眼或AOI皆不易找出缺陷並將之分類。所羅門使用 SolVision工具，由影像定義出密封完好的狀態，並與多種缺陷作比較，可即時檢出沒有密封完整的包裝並將缺陷分類。

安全針頭為透明或白色的塑膠件，其材質與紋路使得辨識不易，以人眼或AOI方法皆容易造成誤判，導致組裝錯誤卻無法有效檢出。所羅門結合機器視覺與人工智慧，使用SolVision工具，針對白色與透明塑膠件的各種紋路與形狀做AI訓練，有效檢出塑膠件的組裝錯誤，同時提高缺陷檢測的效率。

高爾夫球桿頭是球具組合中最重要的部份，消費者十分重視桿頭完成面的細緻程度。運用SolVision AI影像技術，將影像樣本中高爾夫球桿頭上的細微瑕疵逐一標註，藉以訓練AI模型，訓練完成後的AI模型即能不受商標、紋路及金屬光澤的影響，定位並標註所有細微的表面瑕疵。

常見的LED基板瑕疵包括邊緣毛邊、銲墊氧化雜質、刮痕等，在瑕疵特徵與背景相近的情況下，AOI檢測不易將瑕疵檢出。運用SolVision AI影像技術，以各式LED基板上瑕疵影像樣本訓練，經深度學習的AI即可精準地將瑕疵檢出並標註。此外亦可指認瑕疵生成的所屬區域，達到分區檢測的目的。

國內外安規認證的標章眾多，例如CE、EAC等，各有不同的標章圖示。過多的版面資訊在大量印刷過程中不易檢出多印或漏印的情形，可能影響商品的販售及使用。應用SolVision AI影像工具，訓練AI模型。訓練完成的AI模型即會自動檢出並標示所有差異地方，即為版面的印刷瑕疵。