瑕疵檢測

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。

引擎號碼以烙印方式印刷在引擎上，容易受到干擾，字體、背景明暗不均的情形，不易在產線上快速識別引擎上的編碼。運用SolVision AI技術，以不同亮度的影像樣本訓練執行光學字元辨識(OCR)，將影像中引擎號碼轉為數值，即時登錄至原廠資料庫系統中與車身號碼連結。

硬碟支架製造過程出現的瑕疵種類繁多，包括金屬的壓傷、表面白霧、孔批麟、孔黑等等，透過人工檢測不容易逐一檢出，然而微小的缺陷在組裝過程可能造成孔隙無法對齊等問題發生。使用SolVision工具AI學習瑕疵特徵後，能夠快速檢測出硬碟金屬支架上的各類微小瑕疵。

襪品瑕疵形態多樣，傳統AOI適合用於整塊布疋的檢測，對於不固定的瑕疵檢測有困難，且容易發生錯殺，仍需人工進行複檢。以SolVision工具完成AI模型的訓練。可快速且精確地找出瑕疵、分類不同瑕疵並剔除不良品，把關產品品質、提升生產效率，透過對瑕疵進行分類與分析，更能夠優化整體製程。

做為商品外包裝材料，軟質的鋁箔袋常在印刷過程中產生印刷錯誤、歪斜、脫落及漏印等情形。統光學檢測和人工的方式出錯率高。運用SolVision的Anomaly Detection工具，訓練完成的模型即可針對印刷文字、圖案上的形狀、顏色等特徵差異執行比對，偵測並標註瑕疵所在位置。

SMT製程回焊過程中，過多錫膏量或是印刷偏移可能導致錫球間短路，過去以人工方式檢測，效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測，難以傳統AOI檢出。運用SolVision AI技術，將SMT製程影像樣本中的回焊短路瑕疵定位並標註，訓練AI模型。可輕易檢出錫球間短路情形。