SolVision

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。

安全針頭為透明或白色的塑膠件，其材質與紋路使得辨識不易，以人眼或AOI方法皆容易造成誤判，導致組裝錯誤卻無法有效檢出。所羅門結合機器視覺與人工智慧，使用SolVision工具，針對白色與透明塑膠件的各種紋路與形狀做AI訓練，有效檢出塑膠件的組裝錯誤，同時提高缺陷檢測的效率。

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。

口罩產品瑕疵種類繁多，包括掉線、皺褶、鼻墊片缺漏及穿透、破洞、角切、髒污、側邊凸出及過濾層破損等。難以透過AOI方式檢出全部的瑕疵。運用SolVision AI影像技術，將影像樣本中各類型瑕疵予以標註，AI經深度學習後即可於品管端精準辨識口罩上是否有瑕疵，進而將不良品汰除。

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。

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。

固晶是晶片封裝製程中的重要技術，固晶的精準與否，是半導體封裝產線中產品良率的成敗關鍵。但是傳統光學檢測無法利用撰寫邏輯的方式偵測角度、位移偏差及缺漏等瑕疵，時常造成漏檢、誤判、錯誤定位等缺失，大大影響封裝產線的生產效率。