成功案例

襪品瑕疵形態多樣，傳統AOI適合用於整塊布疋的檢測，對於不固定的瑕疵檢測有困難，且容易發生錯殺，仍需人工進行複檢。以SolVision工具完成AI模型的訓練。可快速且精確地找出瑕疵、分類不同瑕疵並剔除不良品，把關產品品質、提升生產效率，透過對瑕疵進行分類與分析，更能夠優化整體製程。

電子產業中，如果料號標籤無法辨識會大幅降低作業效率。標籤字體印刷不良標籤上的字體在印刷過程容易產生不規則的細微瑕疵，使得AOI難以辨識。利用SolVision進行缺陷以及字元辨識之AI深度學習，即便標籤字體出現不規則的缺陷仍能正確辨識，大幅降低物料管理的成本支出，提高庫存管理正確性。

橡膠射出成形採用AOI檢測塑料缺陷時，由於瑕疵種類及位置多變，易遇橡膠射出瑕疵樣品不足使得瑕疵定性定量困難，檢測精準度不足。利用SolVision AI瑕疵檢測，針對橡膠射出成品瑕疵形狀與顏色建立資料庫，AI學習可後辨識種類及位置多變的瑕疵。有效解決橡膠射出成品瑕疵不固定的檢測問題。

所羅門利用 SolVision學習Tray盤所需辨識的定位點，執行光學字元辨識 (OCR)，能夠大幅優化傳統AOI的作業流程，不受識別畫面位移、歪斜及其字元缺陷等限制，精準識別個別料件來源，而隨著AI深度學習件數增加，亦能持續優化AI辨別字元的能力，使辨識字元不再困難。

食品加工業首重食品衛生及食用安全，油炸食品的外觀不一。傳統的食品外觀檢測透過大量人力執行，效率不彰。所羅門結合機器視覺與人工智慧，運用Solomon SolVision AI影像平台技術執行缺陷檢測。在快速且大量生產的油炸食品加工產線中，辨識多種不同的瑕疵樣態，進而將不良品即時檢出。

利用SolVision的瑕疵檢測工具，做出AI模型Training，針對瑕疵的形狀長相建立瑕疵缺陷資料庫，將複雜的缺陷人工檢測轉化成精準度高且規律的檢測系統，以深度學習辨識異常並忽略可接受的微小缺陷，有效提升檢測精準度及速率，兼顧產品嚴格的品質要求。

傳統式的氣體監控機台或儀器設備具有儀表板顯示資訊，惟其缺乏數位化介面，SolVision結合機器視覺與人工智慧，運用AI影像平台技術執行光學字元辨識(OCR)，將機台儀表影像中的數值轉為數位化資訊，以利統計、監控數據的異常情形，亦可進 % 一步作為後續智能化相關應用的基礎。

雷射焊接具有不同的焊縫特徵。由於產品的焊接位置、樣式不盡相同，無法透過傳統光學檢測辨別焊縫樣態，常造成焊接品質不一的情形。應用Solomon SolVision能夠以焊縫特徵影像訓練AI模型，辨識焊接功率及漏焊瑕疵，並可透過深度學習，精準偵測焊縫的魚鱗紋數量及分布。

做為商品外包裝材料，軟質的鋁箔袋常在印刷過程中產生印刷錯誤、歪斜、脫落及漏印等情形。統光學檢測和人工的方式出錯率高。運用SolVision的Anomaly Detection工具，訓練完成的模型即可針對印刷文字、圖案上的形狀、顏色等特徵差異執行比對，偵測並標註瑕疵所在位置。