SolVision

如何透過搭載AI的SolVision視覺系統達到100%的輸液袋異物檢測率?馬上了解更多高效AI檢測在醫療生技產業的應用實例。

使用SolVision進行的蔬菜AI視覺檢測，可在僅50毫秒內實現了對朝鮮薊方向的100%準確檢測，提高食品生產效率。

運用SolVision AI影像平台的Instance Segmentation技術，以包裝良品及具各種瑕疵類型的影像樣本訓練AI模型。訓練完成的模型可即時且迅速地辨識每一反光或透明泡殼的包裝及填充情形，並將偵測到的瑕疵予以標註並分類。

咖啡膠囊不同口味代表不同顏色，以一盤咖啡膠囊作為標準組，另一盤咖啡膠囊作為對照組。使用SolVision學習各種咖啡膠囊的影像，若有任意一個咖啡膠囊的位置擺放錯誤，軟體可立即將錯誤擺放之處以檢測框標示出來，可成功分辨各式高反光且顏色差異小的咖啡膠囊。

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。

運用所羅門SolVision AI影像平台的Instance Segmentation技術，定位、標註影像樣本中雞蛋蛋殼裂隙瑕疵位置並以訓練AI模型，訓練完成後即可透過AI檢測蛋殼表面的孔隙及裂痕情形再予以分級，提升雞蛋食用的安全性及商品價值。

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。