制造业

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。

除了判断包装是否密封之外，须进一步确认密封不完全的型态与原因，但因为密封缺陷的型态差异小，且对象表面呈高反光，不论是人眼或AOI皆不易找出缺陷并将之分类。所罗门使用 SolVision工具，由影像定义出密封完好的状态，并与多种缺陷作比较，可实时检出没有密封完整的包装并将缺陷分类。

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。

国内外安规认证的标章众多，例如CE、EAC等，各有不同的标章图示。过多的版面信息在大量印刷过程中不易检出多印或漏印的情形，可能影响商品的贩卖及使用。应用SolVision AI影像工具，训练AI模型。训练完成的AI模型即会自动检出并标示所有差异地方，即为版面的印刷瑕疵。

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。

电源供应器内部组件及线路多元且复杂，检测接点时容易受到背景干扰而影响视觉判断。额外使用人工及AOI传统光学检测皆不易执行，难以于产线端有效管控产品质量。经训练的AI模型可以精准地侦测并定位线材错接的电源供应器接线瑕疵，实时将不良品检出。

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质量，进入各通路贩卖后有损公司名誉。导入所罗门SolVision检测提高产品良率及稳定性，能持续优化其检测效力，有效提高产品的质量良率。

空调及冷冻设备的制造过程中，热交换器的密闭容器所含的铁管、镜板、管帽、端板等部件皆需经过焊接工序，但由于焊接工厂属高温高热的场域，入内需穿着基本防护，且焊道的瑕疵缺陷复杂且不规则，凭借人工经验检测焊道，不容易维持质量一致，导入ＡＩ自动化检测势在必行。

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。