OCR光学字符识别

巡检制度是否落实、管理执行效率高低、异常讯息上报速率等因素，都与企业生产效率与安全性息息相关，也因此巡检、维修成为各行业工厂，最重要的工作之一，越来越受管理单位的重视。但由于长期以来机电设施的维护还存在规范不足、制度不清晰、涵盖范围不完全等问题，为了满足设备管理单位对机电设备管理日益增加的需求，将运行中的机电设备的仪表数值建入设备维护管理系统，已成为厂务设施能否进行智慧化管理的重要过程。

運用META-aivi快速進行設備儀表數值監控，改善人工抄寫的失誤率及低效，一舉提升儀表數據數位化。

目前仍采用人力进行自行车车身号码的辨识与登录，耗费人工且效率低，若使用AOI进行字符辨识，因不锈钢管表面为圆弧曲面，打光容易造成反射，不论以人工或者AOI检测，针对曲面、反光不锈钢管上字样的辨识皆较为困难。所罗门结合机器视觉与人工智能，对于光学字符识别可以得到极佳的辨识效果。

引擎号码系以烙印方式印刷在引擎上，容易受到干扰，字体、背景明暗不均的情形，不易在产在线快速识别引擎上的编码。运用SolVision AI技术，以不同亮度的影像样本训练执行光学字符识别(OCR)，将影像中引擎号码转为数值，实时登录至原厂数据库系统中与车身号码链接。

轮胎在制程的环节经历许多高压、高负荷与高温差的工序，使内胎表面字迹模糊且刷色深浅不齐，影响内胎编码的辨识度，不利于人工辨识与传统AOI检测。利用SolVision工具，针对轮胎内胎编码的数字与形状进行拍摄，进行AI模型训练，能成功辨识，有效改善编码辨识的正确率。

电子组件制造过程追踪为半导体之产出基石，辨识组件编号被视为生产重要环节之一。但较差环境下让AOI辨识更加困难，对于提升产线效率以及降低字符的误判度有很大改善空间。利用SolVision技术执行光学字符识别，有别于传统AOI，不受底色、环境光线及字符种类多等限制，可精准识别个别编码。

电子产业中，如果料号标签无法辨识会大幅降低作业效率。卷标字体印刷不良卷标上的字体在印刷过程容易产生不规则的细微瑕疵，使得AOI难以辨识。利用SolVision进行缺陷以及字符辨识之AI深度学习，即便卷标字体出现不规则的缺陷仍能正确辨识，大幅降低物料管理的成本支出，提高库存管理正确性。

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。

传统式的气体监控机台或仪器设备具有仪表板显示信息，惟其缺乏数字化接口，SolVision结合机器视觉与人工智能，运用AI影像平台技术执行光学字符识别(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。