SolVision

晶片於晶盤中跳料的情形係屬隨機，所致的瑕疵型態多樣且難以預測瑕疵所產生的位置。運用SolVision AI影像平台技術，以具疊料、空料、歪斜錯置、反轉等瑕疵的影像樣本訓練AI模型，AI訓練完成後即可輕易且迅速地辨識並標註晶盤上產生收納異常的位置。

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。

切片顯微影像中細胞的外觀不固定，細胞病變發生的位置、型態也十分隨機，導致每位醫師對於癌細胞的判斷及圈選標準不盡一致，更無法透過傳統光學檢測以撰寫邏輯方式判斷癌細胞的型態。資料擴增結合AI深度學習技術可以更快速準確地判讀細胞特徵！

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。

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。

PCB【AI瑕疵檢測】LED中PCBA的良率難題：元件既多且雜，瑕疵檢測大不易！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。

除了判斷包裝是否密封之外，須進一步確認密封不完全的型態與原因，但因為密封缺陷的型態差異小，且物件表面呈高反光，不論是人眼或AOI皆不易找出缺陷並將之分類。所羅門使用 SolVision工具，由影像定義出密封完好的狀態，並與多種缺陷作比較，可即時檢出沒有密封完整的包裝並將缺陷分類。