SolVision 所罗门AI瑕疵检测 检出AOI检不出的瑕疵

工业自动化 AI机器视觉系统

所罗门AI机器视觉系统 – 来自眼界的智慧

所罗门视觉系集成AI人工智能能自主学习并识别各种传统自动光学检查(AOI)难以辨识的不规则图案、瑕疵或特征。

订单从过往「少样多量」变成如今「多样少量」的弹性生产,待测物件尺寸、外型、材质等复杂度随之提高,甚至出现定义不明的瑕疵,而传统AOI需先定义瑕疵样本,并以设定好的参数做为判断基准,无法灵活快速做出判断,导致漏检率大幅增加,在此情况下,AI瑕疵检测崛起,让机器视觉开始进化,其「拟人化」技术便成为新解方。
SolVision采用先进的类神经网路,可用来辨识不规则、复杂的瑕疵检测、物件分类与分级、计算物件数量等。所罗门自主研发、直觉式的使用者介面,协助视觉系统整合商与设备制造商能轻松运用最新AI视觉检测科技解决客户端所遇到的挑战。

改善质量、提高生产力

SolVision主要包括3大功能:分割、检测和分类。使用者可应用这些功能中的其中一项或多项来达到期望的目标。

SolVision AI视觉检测主要优点,为什么选择所罗门?

简单便利的友善介面设计SolVision为免编程AI视觉软体,提供图形化介面,具备模仿介面操作者的辨识能力。内建「标注」、「资料扩增」、「互动式分析工具」训练功能,可轻松进行特征搜寻、撷取与分类。

超越AOI的强大的辨识能力SolVision可以辨识并定位不规则瑕疵或特征、轻易解决传统光学难以辨识的视觉问题。同时SolVision能够复判传统自动光学检测AOI软体所误判的内容、有效提升瑕疵辨识率。

免编程AI视觉检测软体SolVision直觉式的图形化介面,透过拖拉功能连接各项功能块,迅速搭建使用者的应用情境,相较于传统视觉繁琐的编写程式过程,SolVision的操作界面如同乐高搭建般一样有互动性。

瑕疵检测速度快,学习样本少在同一显卡标准下,SolVision透过软体功能提升检测速度,凭借10ms高速辨识出AOI难以辨识字体,优于市场平均30ms速率;在硬体部分,SolVision使用multiple GPU,搭配多显卡分散AI运算负载,达到加速效果,解决大视野范围找小瑕疵的困扰与维持检测能力。

让AI机器视觉应用更广泛SolVision让机器视觉的应用更强大多元,包含检测、分类、分级、计数等多项功能。弹性的AI视觉让应用延伸到各个不同的产业,很多面对少量多样物件的行业如消费性商品、农业、工业等,现在能用SolVision,简化检测、分类或分级等流程与提高效率。

高投报率,全球已有多个成功AI应用案例SolVision简单易学、无需耗费大量人力时间即可与系统或设备快速连结。 SolVision以成功应用在多个产业客户与多种应用。所罗门团队还提供"免费"样品测验服务。快速的服务客人导入SolVision至现有产线或开发新产线!

AI瑕疵檢測與傳統AOI檢測最大差異

AI瑕疵檢測與傳統AOI最大不同之處,即是經驗法則。

AI好比一位新进的学徒,在一定程度上能够模仿老师傅的检测能力,经由运用大量有效资料并透过深度学习技术在系统模型快速训练,自动找出最佳OK与NG参数,进一步有效判断未知瑕疵,确保检验标准的一致性,大幅提升辨识准确率。

AOI與AI差異

SolVision 在产在线AI瑕疵检测应用

金属浅刮痕瑕疵

鸡块食品瑕疵

隐形眼镜瑕疵

雷射焊接瑕疵

杂讯背景OCR

AI快速精准分类与计数

不规则特征辨识与定位

非监督式分析比对

杂讯背景OCR

AI快速精准分类与计数

规格表

SLM VISAI-S100

模块名称SLM VISAI-S100
作业系统Windows 10 (64 bit)
中央处理器Minimum: Intel Core i5 / Recommended: Intel Core i7
绘图卡Minimum : Nvidia GTX 1070 (RAM : 8GB) / Recommended : Nvidia RTX 3080 Ti
记忆体Minimum: 16GB | Recommended : 32GB
通讯输出TCP / IP, Modbus TCP
通讯连接方式USB 3.0, GenICam 3.0
编码介面Minimum : .Net framework 4.5.2
程式语言Microsfot Visual Studio C #, C ++, VB.NET
支援第三方软件NI LabVIEW 64 bits, Label Me
语言English
影像支援格式PNG, BMP, JPG, JPEG, JPE, JFIF, TIF, TIFF

我们的合作伙伴

所罗门自主研发的AI-3D视觉技术,至今已成为全球技术领导者,合作伙伴遍及全球五百强企业,产业横跨半导体、电子、汽车、食品、纺织、物流等多元领域。