製造業

由於傳輸線的種類、數量繁多，以往仰賴人力辨識物件易有所疏漏，運用最先進AI+AR技術可協助前線人員快速辨識出不同的傳輸線種類，並能自動導入出貨系統。

所羅門AccuPick 3D、所羅門 AI-based 3D料箱揀選程序和結構光掃描儀SolScan，在精準識別複雜物體上有著優異表現。搭載所羅門解決方案，機器手臂能有效在重疊、複雜物體中辨識正確的抓取點，並滿足小於 1 毫米的嚴格公差要求。

運用META-aivi的快速計數功能，針對尺寸不同的料件進行AI模型訓練，META-aivi即可快速辨認與計算數量，所得出的結果可立即顯示在行動裝置上。同時，計算出的結果可與MES系統連接，減少人員盤點錯誤的發生，大幅增加入庫資料正確性，提升庫存管控效率。

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。

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。

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。

金屬加工沖壓件上可能出現的瑕疵種類繁多且形態不一，油汙及水漬更是不易觀察。另一方面，金屬加工件在取像時的亮度也各有差異，造成AOI瑕疵檢測的執行相當不易。金屬加工品的品管助手：AI瑕疵檢測，經訓練的AI模型可輕易檢出各式沖壓件上的瑕疵，大幅提升產品的表面品質。

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。

硬碟支架製造過程出現的瑕疵種類繁多，包括金屬的壓傷、表面白霧、孔批麟、孔黑等等，透過人工檢測不容易逐一檢出，然而微小的缺陷在組裝過程可能造成孔隙無法對齊等問題發生。使用SolVision工具AI學習瑕疵特徵後，能夠快速檢測出硬碟金屬支架上的各類微小瑕疵。