金属加工业

  • high quality Galvanized steel pipe or Aluminum and chrome stainless pipes in stack waiting for shipment in warehouse

    META-aivi 智能快速计数

    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。
  • 不锈钢管字符辨识解决方案

    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。
  • 高尔夫球杆头品质检测解决方案

    高尔夫球杆头是球具组合中最重要的部份,消费者十分重视杆头完成面的细致程度。运用SolVision AI影像技术,将影像样本中高尔夫球杆头上的细微瑕疵逐一标注,藉以训练AI模型,训练完成后的AI模型即能不受商标、纹路及金属光泽的影响,定位并标注所有细微的表面瑕疵。
  • Close-up Photography of a Power Tool

    金属加工冲压件表面瑕疵检测解决方案

    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。
  • Gray Round Metal Part

    电脑零组件瑕疵检测解决方案

    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。
  • a close-up of a machine

    自动化激光焊接分类暨检测解决方案

    雷射焊接具有不同的焊缝特征。由于产品的焊接位置、样式不尽相同,无法透过传统光学检测辨别焊缝样态,常造成焊接质量不一的情形。应用Solomon SolVision能够以焊缝特征影像训练AI模型,辨识焊接功率及漏焊瑕疵,并可透过深度学习,精准侦测焊缝的鱼鳞纹数量及分布。