SolVision成功案例

精准辨识多种橡胶射出成型瑕疵

在橡胶射出的制程中，原料品质、机台规格、模具设计到射出参数调整皆影响射出成型结果。常见射出成型的瑕疵以表面外观及尺寸差异为主，如：污点、缺料、模具压伤，或者因刮除橡胶溢出时伤及产品造成的缺陷。

采用传统自动光学检查检测塑料缺陷时，由于瑕疵种类及位置多变，易遇瑕疵样品不足使得瑕疵定性定量困难，导致检测精准度不足，若退而维持人工，检测速度相对缓慢且品质不一致，在辨识上依旧困难重重。

利用SolVision的实例切割技术，针对橡胶成品的瑕疵形状与颜色建立瑕疵资料库，再利用AI学习瑕疵的特征，可辨识种类及位置多变的瑕疵。随着学习影像的增加，亦持续优化AI视觉检测的能力，显著提升橡胶瑕疵辨识的精准度，有效解决橡胶成品瑕疵不固定的检测问题。

切口不平整

缺料

模具压伤

污点

小零件分拣

AccuPick 是 Solomon 的视觉智能取放系统解决方案，为客户提供了全面的视觉系统，能够识别工作站内的 50 多个不同零件。藉由 AccuPick 的强大视觉功能，成功识别 5 毫米垫圈，即便物体重叠，也可以成功识别。
鸡蛋蛋壳品质检测分级解决方案

运用所罗门SolVision AI影像平台的Instance Segmentation技术，定位、标注影像样本中鸡蛋蛋壳裂隙瑕疵位置并以训练AI模型，训练完成后即可透过AI检测蛋壳表面的孔隙及裂痕情形再予以分级，提升鸡蛋食用的安全性及商品价值。
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。
传统机台仪表数字化解决方案

传统式的气体监控机台或仪器设备具有仪表板显示信息，惟其缺乏数字化接口，SolVision结合机器视觉与人工智能，运用AI影像平台技术执行光学字符识别(OCR)，将机台仪表影像中的数值转为数字化信息，以利统计、监控数据的异常情形，亦可进 % 一步作为后续智能化相关应用的基础。