食品加工产线输送带瑕疵检测解决方案

SolVision成功案例

食品加工业首重食品卫生及食用安全，加工过程中品保(Quality Assurance, QA)与品管(Quality Control, QC)是产品高品质与高水准的关键。在快速且大量生产的食品产线中，外观检测是把守品质的最重要防线。

油炸食品的外观不一，在食品加工输送带上呈随机排列。传统的食品外观检测透过大量人力执行，效率不彰。产线上过多的人力亦造成环境卫生控管疑虑。未数位化、智慧化的产线，亦无法透过产品监控达到产品瑕疵溯源的效果。

所罗门结合机器视觉与人工智能，运用Solomon SolVision AI影像平台的实例切割技术执行缺陷检测(Defect Identification)。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，进而将不良品即时检出。

黑色油屑

褐色油屑

交叠相连

深色表面

封装晶片边缘微裂瑕疵检测解决方案

由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。
快速辨识多种萃盘字符

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。
钢制零件拣选

Solomon基于AccuPick 3D AI的定位技术和SolScan 2.3 MP扫描仪，使Motion Technique能够准确识别每个组件的潜在方向。AccuPick ROS的动线规划确保机器人在执行拣选任务时不会与垃圾箱发生任何碰撞。
积层陶瓷电容制程优化解决方案

SMD电容体积较小，观察缺陷需在显微镜等级的微观工具下观察，且因MLCC非常脆弱，检测过程也须非常小心，困难度极高。使用SolVision工具，学习电极上凸出部分的瑕疵形状及位置，建立AI模型，在AI学习瑕疵特征之后，即可快速检测电容凸出部分的缺陷，大幅提升整体制程的良率。