所羅門AI機器視覺部落格

在部分複雜物體辨識上，單靠 3D 視覺的精度與準度仍有困難如: 複雜形狀的半透明奶嘴位置辨識、小零件/高精度金屬件機器手臂夾取。若將 AI 與 3D 視覺系統進一步整合，能強化其辨識能力，使機器手臂以正確方向、位置取放物體。

探索所羅門的隨機箱揀選綜合指南，其中包含有關系統要點、行業範例、挑戰和 AI 人工智慧解決方案的專家見解。

從先進的 AI 檢測系統到 VGR 以及 AR + AI 的整合，探索 AI 技術如何徹底改變製造業的品質控制。

訂單從過往「少樣多量」變成如今「多樣少量」的彈性生產，待測物件尺寸、外型、材質等複雜度隨之提高，甚至出現定義不明的瑕疵，而傳統 AOI 需先定義瑕疵樣本，並以設定好的參數做為判斷基準，無法靈活快速做出判斷，導致漏檢率大幅增加，在此情況下，AI 崛起讓機器視覺開始進化，其「擬人化」技術便成為新解方。

在現代商業環境中，物流公司面臨各種障礙，這些障礙影響了其效率，降低了客戶滿意度，並使其難以滿足不斷變化的消費者需求。 幸運的是，人工智能 ( AI ) 可以通過優化物流分揀過程來幫助克服這些障礙。 AI 技術可以幫助物流公司優化其分揀程序，提高準確性，降低成本。

半導體行業在過去幾十年中迅速發展，變得越來越複雜和復雜，自動化已成為其中的一個重要方面。 自動化幫助半導體公司快速高效地生產高質量的產品，減少各種過程所需的時間， 提高準確性，減少錯誤，並降低勞動力成本，改善工人安全性。 在本文中，我們將探討半導體行業中三種最常見的自動化解決方案。

機器視覺技術多年來一直是一個改變遊戲規則的技術，讓製造商能夠在各種行業中提高效率和品質控制。雖然許多製造商都知道機器視覺的主要優點，但還有一些較不為人知的好處也值得考慮。 以下是您可能從未想過的機器視覺技術的五個好處

應用 AOI 檢測最多的 PCB 產業，往往會因為保證產品良率而調高 AOI 參數，設定成相當嚴格，此舉會導致 AO 相當敏感，便會產生過殺（Over Kill）的現象，但是透過 AI 軟體，可以藉由經驗法則來學習判斷，可以因應外在變化而達成自我調整，進一步有效判斷未曾看過的瑕疵集成像。

此時此刻我們正在人類科技發展以爆炸性速度成長的奇異點上，大家都在猜測 AI 的能耐到底有多大，未來是否真的會發展到人類完全無法理解的水準，當有人興奮、有人驚慌的同時，更多的是全球許多領先企業及製造業，已經搶先將 AI 人工智慧投入工廠及生產線，生怕慢對手一步便會錯失良機。