A Man Fixing a Laptop

SolVision成功案例

笔电组装零件缺漏与瑕疵检测

减少组件装配程序缺漏

装配完整度影响最终笔电的品质

笔电产品零件进入组合与包装程序后,利用人工方式进行配套零件的装配,在执行上下装壳与垂直螺丝组装等工序时,若有零件缺漏将直接影响最终产品品质,进入各通路贩售后有损公司名誉。

组装程序导入自动化,减少产品疏漏

在组装程序中偶有人为疏失,导致产品螺丝未完全锁紧或配件有接缝瑕疵等情况。针对此种重复性高之组装缺陷检测,导入自动化将快速改善产品疏漏问题,更提高人力配置效能。

导入SolVision检测,提高产品良率及稳定性

应用所罗门 SolVision的实例切割技术,针对螺丝与其他装配位置进行影像定位,再进行初步辨识装配卡榫程度并分类,进行AI模型的训练,即可快速辨识电子零件之组装完整度,而随着学习的影像件数增加,亦能持续优化其检测效力,有效提高产品的品质良率。

组装瑕疵检测案例

卡榫及螺丝完整

Detecting Faulty and Missing Laptop Components
Golden Sample

卡榫未对准

Detecting Faulty and Missing Laptop Components
Misaligned Latch

螺丝缺件

Detecting Faulty and Missing Laptop Components
Missing Component
相关文章
  • a group of square objects

    晶圆不良品分类及瑕疵定位自动化解决方案

    传统光学检测无法针对全幅影像进行分类,故无法于第一阶段汰除瑕疵过多的晶圆。应用SolVision AI影像平台技术辨识瑕疵特征。首先判断晶圆是否具有过多瑕疵,汰除无法修复的不良品。其次运用图像处理技术分割晶圆影像,并以工具侦测瑕疵,记录其特征、坐标、面积等信息,大幅提升后续修补的效率。
  • 医疗器材品质控管:安全针头组装

    安全针头为透明或白色的塑料件,其材质与纹路使得辨识不易,以人眼或AOI方法皆容易造成误判,导致组装错误却无法有效检出。所罗门结合机器视觉与人工智能,使用SolVision工具,针对白色与透明塑料件的各种纹路与形状做AI训练,有效检出塑料件的组装错误,同时提高缺陷检测的效率。
  • 细胞病变辨识及分类解决方案

    切片显微影像中细胞的外观不固定,细胞病变发生的位置、型态也十分随机,导致每位医师对于癌细胞的判断及圈选标准不尽一致,更无法透过传统光学检测以撰写逻辑方式判断癌细胞的型态。数据扩增结合AI深度学习技术可以更快速准确地判读细胞特征!
  • green bottle lot

    玻璃酒瓶霉斑脏污检测方案

    为落实环保,酒商皆启动玻璃瓶容器回收再利用的机制。但玻璃酒瓶内缘之霉斑脏污,即使经过清洗消毒仍然容易残留,人眼不易看出霉斑。SolVision以酒瓶影像训练AI,学习霉斑脏污的位置与颜色,自动辨识霉斑脏污特征,在清洗产在线快速找出有霉斑、脏污的酒瓶汰除,让回收再利用酒瓶维持质量。