SolVision成功案例

传统机台仪表数字化解决方案

自动化仪表影像数值读取

光电产品良率关键:镀膜气体参数监控

光电产业中的偏光片制程需透过气体的层流均布使薄膜均匀沉积。为维持镀膜的品质与良率,制程气体的压缩参数监控十分关键。如何解决传统机台仪表数字化,提升产品良率成为一大关键问题。
数字化困境:传统仪表的界面限制
传统式的气体监控机台或仪器设备具有仪表板显示信息,唯独缺乏数字化界面,无法将数值信息迅即上传至中央监控系统,使整体制程数字化产生断点。
传统仪表的数字化利器:光学字符辨识
SolVision结合机器视觉与人工智能,运用AI影像平台的实例切割技术执行光学字元辨识(Optical Character Recognition, OCR),将机台仪表影像中的数值转为数字化信息,以利统计、监控数据的异常情形,亦可进一步作为后续智能化相关应用的基础。

仪表数字化步骤

1. 工业相机撷取2D影像

2. 光学字符辨识取得数值
及座标资讯

3. 数字化信息输出

相关文章
  • 半导体晶片封装制程接着剂瑕疵检测解决方案

    固晶接着剂透明,易造成光源折射影响特征判断,且爬胶、溢胶不具固定位置及型态,无法创建规则执行传统光学检测AOI。运用Solomon SolVision AI影像平台技术建立AI学习模块,自动学习并侦测爬胶、溢胶的特征及位置。增加多项正确类别提升辨识强度,有效降低环境因素的干扰。
  • 如何快速精準辨識多種IC Tray盤字元

    快速辨识多种萃盘字符

    所罗门利用 SolVision学习Tray盘所需辨识的定位点,执行光学字符识别 (OCR),能够大幅优化传统AOI的作业流程,不受识别画面位移、歪斜及其字符缺陷等限制,精准识别个别料件来源,而随着AI深度学习件数增加,亦能持续优化AI辨别字符的能力,使辨识字符不再困难。
  • Fiberglass bobbins in a warehouse

    纺织线架成品瑕疵检测

    透過AI视觉技术,快速检测出纺织线框上的成品存在缺陷,进一步提高生产线的生产率。
  • LED PCBA瑕疵检测解决方案

    运用SolVision AI影像平台技术,在影像样本中定位并标注铝基板上的刮痕、脏污等异常及瑕疵情形,透过AI深度学习,即可自动且实时地检出并定位铝基板上的各式瑕疵,大幅提升产线生产效率。