成功案例

芯片承载盘是半导体加工制程的关键要素，芯片承载盘的轮廓与定位孔点常因作业造成瑕疵，过去多透过AOI光学检测方式予以检查。然而承载盘不易透过AOI检出并定位瑕疵，严重影响良率及生产效率。运用SolVision AI影像技术执行缺陷检测，以利使用者实时监测并排除承载盘异常。

缎带色彩缤纷的特性使得AOI检测容易因为花纹和颜色变化而发生瑕疵漏检或误判。使用SolVision检测各种颜色、花纹的缎带，能够精确找出裂孔、脱丝等瑕疵的位置、大小及形状，不论是检测速度或是精准度都能达到标准。而透过记录与分析瑕疵的样态，可回溯找出制作过程中的问题所在，改善产品制程。

袜品瑕疵形态多样，传统AOI适合用于整块布疋的检测，对于不固定的瑕疵检测有困难，且容易发生错杀，仍需人工进行复检。以SolVision工具完成AI模型的训练。可快速且精确地找出瑕疵、分类不同瑕疵并剔除不良品，把关产品质量、提升生产效率，透过对瑕疵进行分类与分析，更能够优化整体制程。

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。

橡胶射出成形采用AOI检测塑料缺陷时，由于瑕疵种类及位置多变，易遇橡胶射出瑕疵样品不足使得瑕疵定性定量困难，检测精准度不足。利用SolVision AI瑕疵检测，针对橡胶射出成品瑕疵形状与颜色建立数据库，AI学习可后辨识种类及位置多变的瑕疵。有效解决橡胶射出成品瑕疵不固定的检测问题。

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。

食品加工业首重食品卫生及食用安全，油炸食品的外观不一。传统的食品外观检测透过大量人力执行，效率不彰。所罗门结合机器视觉与人工智能，运用Solomon SolVision AI影像平台技术执行缺陷检测。在快速且大量生产的油炸食品加工产线中，辨识多种不同的瑕疵样态，进而将不良品实时检出。

利用SolVision的瑕疵检测工具，做出AI模型Training，针对瑕疵的形状长相建立瑕疵缺陷数据库，将复杂的缺陷人工检测转化成精准度高且规律的检测系统，以深度学习辨识异常并忽略可接受的微小缺陷，有效提升检测精准度及速率，兼顾产品严格的质量要求。

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。