金屬加工業

運用AI視覺技術檢測金屬墊片的外觀是否存在瑕疵，協助產線提升檢測效率。

運用AI視覺技術檢測多層陶瓷電容的外觀是否存在瑕疵，進一步協助產線提升整體檢測效率。

運用AI視覺技術檢測電纜的絕緣體外觀是否存在瑕疵，協助產線提升檢測效率。

Solvision AI視覺檢測技術，清晰檢驗培林螺紋瑕疵，確保培林產品品質，解決人力肉眼無法目視瑕疵的問題，並提升產線生產力。

藉由Solvision AI視覺檢測技術，快速、準確辨識汽車引擎上的字元，減少人工目視辨識錯誤，提升效率。

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。

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。