SolVision成功案例

钱币面额智能化计算解决方案

使用AI技术分辨外观差异极小的钱币

钱币制造:让交易行为化繁为简

人类的交易行为由货币来推进,自古至今货币乃经济的命脉,且让交易行为化繁为简,扩大金钱的流通规模。钱币的刻印和图纹成为钱的信用来源,因此,在经过熔铸、轧片、成饼、印花、衡计五个步骤之后,需由人工进行成币的检验,确认钱币的尺寸外观无重大瑕疵并进行分类与筛选。

钱币分类不易:金属材质反光严重且图纹及尺寸差异小

近年来,许多制币厂试图以视觉技术进行钱币的筛选,但针对金属材质、图案相似且尺寸差异不大的钱币时,视觉辨识的困难度极高。以印尼盾为例,面额100、200、500的钱币图案皆相同,唯有尺寸有些微的差异,若采用自动光学检测( AOI)的方法则无法辨识反光情形的金属材质,且当钱币的图案相同且尺寸差异不大时,自动光学检测会将各种面额的货币误认为同一种类别。

钱币分类及计算面额:AI视觉技术找出同中之异

运用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资料,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,并即时计算出各国钱币的总面额。

钱币面额与国别分辨案例

日币 ¥500

台币 $10

相关文章
  • A Man Fixing a Laptop

    笔电组装零件缺漏与瑕疵检测

    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。
  • 袜品外观缺陷检测

    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。
  • 印刷电路板(PCB)元件组装检测解决方案

    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。
  • a close up of a blue and yellow background

    LED基板分区外观品质控管解决方案

    常见的LED基板瑕疵包括边缘毛边、焊垫氧化杂质、刮痕等,在瑕疵特征与背景相近的情况下,AOI检测不易将瑕疵检出。运用SolVision AI影像技术,以各式LED基板上瑕疵影像样本训练,经深度学习的AI即可精准地将瑕疵检出并标注。此外亦可指认瑕疵生成的所属区域,达到分区检测的目的。