SolVision成功案例

物料管理优化方案,提高产品标签辨识度

产品料号字符辨识

效率提升关键:产品标签辨识

电子产业中,料号的编列是相当重要的,关系到产品的研发、生产及库存,如果料号标签无法辨识将会大幅降低作业效率及浪费资源。

库存优化困境:标签字体印刷不良

标签上的字体在印刷过程容易产生不规则的细微瑕疵,使得传统AOI难以辨识,便无法纪录产品料号,影响库存管理的正确性。

SolVision的光学字符辨识,成为产品料号管理最佳选择

利用SolVision的实例切割技术进行缺陷以及字符辨识之AI深度学习,即便标签字体出现不规则的微小缺陷仍能正确辨识,而当字体缺损过大导致无法辨识时,可经由瑕疵检测将其检出,如此一来便大幅降低物料管理的成本支出,提高库存管理的正确性。

Defect detection and OCR recognition

Original

Defect detection

OCR

相关文章
  • 快速精準辨識多種橡膠射出成型之瑕疵

    精准辨识多种橡胶射出成型瑕疵

    橡胶射出成形采用AOI检测塑料缺陷时,由于瑕疵种类及位置多变,易遇橡胶射出瑕疵样品不足使得瑕疵定性定量困难,检测精准度不足。利用SolVision AI瑕疵检测,针对橡胶射出成品瑕疵形状与颜色建立数据库,AI学习可后辨识种类及位置多变的瑕疵。有效解决橡胶射出成品瑕疵不固定的检测问题。
  • 印刷电路板(PCB)元件组装检测解决方案

    印刷电路板(Printed Circuit Board, PCB)是电子装配中最重要的基底,但PCBA上的电子组件种类繁多,包括电阻、电容、晶体管等等。运用SolVision AI影像平台透过训练完成的AI模型,可实时地检出组件缺件或组装错误等异常情形及位置。
  • multicolored electronic part

    电源供应器内部线材组接解决方案

    电源供应器内部组件及线路多元且复杂,检测接点时容易受到背景干扰而影响视觉判断。额外使用人工及AOI传统光学检测皆不易执行,难以于产线端有效管控产品质量。经训练的AI模型可以精准地侦测并定位线材错接的电源供应器接线瑕疵,实时将不良品检出。
  • 球柵阵列封装假焊瑕疵检测解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下,将假焊瑕疵精准检出。