品質檢測

透過AI視覺技術檢測汽車鋼板烤漆上的瑕疵，加速整體效率，提升產線生產力。

AI 視覺技術搭載機械手臂，快速優化車門按鈕檢測，減少人力需求並提升產線運作效益。

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。

如何透過搭載AI的SolVision視覺系統達到100%的輸液袋異物檢測率?馬上了解更多高效AI檢測在醫療生技產業的應用實例。

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。

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。

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。

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。