電子業

Solomon 基於 AccuPick 3D AI 的定位技術和 SolScan 2.3 MP 掃描儀使 Motion Technique 能夠準確識別每個組件的潛在方向。AccuPick ROS 動線規劃的確保機器人可以執行揀選任務，而不會與料箱發生任何碰撞。

在製造過程中導入操作簡易的「穿戴式AI」META-aivi，人員可透過AI學習面板上所標示出的正確組件配置圖，立即驗證人員組裝正確性。若偵測到裝配錯誤，META-aivi將立即發出異常警示，提醒人員即時修正，確保物件的品質一致，減少人為疏失。 此外，組裝完成後利用AI做統一流程驗證，即時儲存辨識結果並製成品檢履歷，能有效追蹤料件資訊，建立完整的製程資訊。

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。

運用SolVision AI影像平台技術，在影像樣本中定位並標註鋁基板上的刮痕、髒污等異常及瑕疵情形，透過AI深度學習，即可自動且即時地檢出並定位鋁基板上的各式瑕疵，大幅提升產線生產效率。

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。

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。