分类识别

使用 META-aivi 优化手术器械准备，以增强病人安全。可节省 60% 的时间，实现 100% 物品识别准确率。

探索META-aivi如何利用人工智能优化废物管理，减少错误和污染，同时提高塑料零件回收的效率。

自行车可作为休闲运动之用，亦具备中长距离的移动工具，是现代人不可或缺的出行工具。一部品质完美的自行车需要坚固的车架，而完整的车架则是由多个钢管组成，经过人工筛选出适当尺寸的车架后，进行管料裁切、焊接、打磨、烤漆等程序，方可制成坚实的自行车。

咖啡胶囊不同口味代表不同颜色，以一盘咖啡胶囊作为标准组，另一盘咖啡胶囊作为对照组。使用SolVision学习各种咖啡胶囊的影像，若有任意一个咖啡胶囊的位置摆放错误，软件可立即将错误摆放之处以检测框标示出来，可成功分辨各式高反光且颜色差异小的咖啡胶囊。

许多制币厂试图以视觉技术进行钱币的筛选，使用SolVision的Feature Detection工具，学习钱币在各种亮度、脏污与氧化程度的影像数据，不仅可分辨图案相同但面额不同的钱币，亦可正确辨识出各国钱币，并实时计算出各国钱币的总面额。

运用所罗门SolVision AI影像平台的Instance Segmentation技术，定位、标注影像样本中鸡蛋蛋壳裂隙瑕疵位置并以训练AI模型，训练完成后即可透过AI检测蛋壳表面的孔隙及裂痕情形再予以分级，提升鸡蛋食用的安全性及商品价值。

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！

口罩产品瑕疵种类繁多，包括掉线、皱褶、鼻垫片缺漏及穿透、破洞、角切、脏污、侧边凸出及过滤层破损等。难以透过AOI方式检出全部的瑕疵。运用SolVision AI影像技术，将影像样本中各类型瑕疵予以标注，AI经深度学习后即可于品管端精准辨识口罩上是否有瑕疵，进而将不良品汰除。

金属加工冲压件上可能出现的瑕疵种类繁多且形态不一，油污及水渍更是不易观察。另一方面，金属加工件在取像时的亮度也各有差异，造成AOI瑕疵检测的执行相当不易。金属加工品的品管助手：AI瑕疵检测，经训练的AI模型可轻易检出各式冲压件上的瑕疵，大幅提升产品的表面质量。