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。

硬盘支架制造过程出现的瑕疵种类繁多，包括金属的压伤、表面白雾、孔批麟、孔黑等等，透过人工检测不容易逐一检出，然而微小的缺陷在组装过程可能造成孔隙无法对齐等问题发生。使用SolVision工具AI学习瑕疵特征后，能够快速检测出硬盘金属支架上的各类微小瑕疵。

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。

利用AI视觉检测PCBA插件是否正确 什么是PCBA？PCB、电路板、PC板？ PCB与PCBA的差异就在「PCBA = PCB + Assembly」，也就是没有组装电子元件的板子叫PCB，而已经组装完成电子元件的板子则称之为PCBA。PCBA其实是「Printed Cicrcuit Board Assembly」的英文缩写，也有人简略一点叫它PCA，当然也有人叫它PWA (Printed Wire Assembly)，中文我们一般称它为「组装电路板」或「组装板」，不过业界中少人用以上的中文来称呼PCBA的，一般如果一台整机内只有一片板子，会直接叫它「主板（Main board）」或直接省略叫「板子」，如果有两片以上PCBA ，则会用功能来区分主板、IO板、充电板(charging board)。 PCBA插件是否正确影响制程良率 PCBA上面集成了不同功能的电子元件、插槽及各种芯片组，制造流程繁琐，如何提升插件及组装的正确率，是良率提升的关键。 PCBA 插件缺陷检测 PCBA标准样本 PCBA缺陷样本 Capacitor Defect Missing Components

电子组件制造过程追踪为半导体之产出基石，辨识组件编号被视为生产重要环节之一。但较差环境下让AOI辨识更加困难，对于提升产线效率以及降低字符的误判度有很大改善空间。利用SolVision技术执行光学字符识别，有别于传统AOI，不受底色、环境光线及字符种类多等限制，可精准识别个别编码。

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。

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。