SolVision

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！

印刷电路板(Printed Circuit Board, PCB)是电子装配中最重要的基底，但PCBA上的电子组件种类繁多，包括电阻、电容、晶体管等等。运用SolVision AI影像平台透过训练完成的AI模型，可实时地检出组件缺件或组装错误等异常情形及位置。

渐层玻璃瓶皆经过喷砂制程雾面处理，制作过程常见的瑕疵类型为色泽不均或者瓶身出现黑点，而这些瑕疵因无法明确定义且样式不固定，难以采用AOI方法进行检测。训练完成的AI模型即可快速检出玻璃瓶身各角度之瑕疵分布，并标注出缺陷位置。

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。

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。

安全针头为透明或白色的塑料件，其材质与纹路使得辨识不易，以人眼或AOI方法皆容易造成误判，导致组装错误却无法有效检出。所罗门结合机器视觉与人工智能，使用SolVision工具，针对白色与透明塑料件的各种纹路与形状做AI训练，有效检出塑料件的组装错误，同时提高缺陷检测的效率。

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。

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。

石膏板出厂前，瑕疵情形皆须确实检出。然而，由于压花石膏板的外观特性，瑕疵在复杂背景中模糊，无法以AOI及人眼确实辨识。使用所罗门 SolVision AI影像平台技术，撷取板材上的脏痕、过大压花图案以及压花不清等瑕疵，可确实检出并定位板材上的瑕疵，具体提升石膏板板材的质量与良率。