SolVision成功案例

物料管理优化方案，提高产品标签辨识度

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。

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。

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。

Original

Defect detection

OCR

自动化仓库拆垛

AccuPick将AI深度学习与机器视觉相结合，实现一次性拾取和放置多个箱子，实现自动化的下托操作。
封装晶片边缘微裂瑕疵检测解决方案

由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。
透明瓶装液体沉淀物AI自动化检测解决方案

液体生技药品常以透明瓶装保存，由于透明瓶装的反光特性、受测物沉淀情形不一因素，使瓶装药品的检测无法以一般光学检测取代人力执行。所罗门结合机器视觉与人工智能，运用SolVision AI从数据库中的影像特征判断沉淀情形。透过深度学习技术，可辨识7种不同的沉淀样态，进而判断内容物的质量。
汽车车顶焊缝气孔瑕疵检测解决方案

焊接过程中，气体饱和所形成的气泡无法在焊接过程中及时排出而残留在焊道中，形成焊道气孔瑕疵，可能影响美观及结构质量。运用SolVision AI技术，将各种亮度的焊道气孔瑕疵影像进行标注，藉以训练AI模型，即能不受影像亮度影响检测出焊道上各处的气孔瑕疵。