金屬加工業

以AI視覺技術檢測活動扳手外觀是否存在瑕疵，進一步提升產品品質。

META-aivi 的 AR + AI 解決方案提高自行車車架生產的管材計數準確性和效率，減少錯誤並提升生產力。

利用 SolMotion 的 3D 匹配技術自動進行精確磨削。提高金屬部件製造的品質、減少浪費並提高生產率。

使用了SOLMON公司的AI 3D機器視覺技術Solmotion來進行接縫板的位置識別。準確地識別接縫板端面進行毛邊修整的位置並進行了修正。在毛邊修整過程中，我們在接縫板流動到修整位置之前的一側安裝了Solmotion的攝像頭系統，用於解析接縫板的截面。

由於青銅零件小而重，再加上隨機擺放於料箱中，視覺系統難以精準辨識物件，導致機械手臂夾取出現異常。搭配AI、3D技術，能定位和生成3D拾取點，實現精準取放效果。

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。

許多製幣廠試圖以視覺技術進行錢幣的篩選，使用SolVision的Feature Detection工具，學習錢幣在各種亮度、髒汙與氧化程度的影像資料，不僅可分辨圖案相同但面額不同的錢幣，亦可正確辨識出各國錢幣，並即時計算出各國錢幣的總面額。

目前仍採用人力進行自行車車身號碼的辨識與登錄，耗費人工且效率低，若使用AOI進行字元辨識，因不鏽鋼管表面為圓弧曲面，打光容易造成反射，不論以人工或者AOI檢測，針對曲面、反光不鏽鋼管上字樣的辨識皆較為困難。所羅門結合機器視覺與人工智慧，對於光學字元辨識可以得到極佳的辨識效果。

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。