SolVision
SolVision-Fälle: Oberflächenfehler, fehlende Bauteile, falsch gelesene Zeichen und mangelhafte Siegel an PCBs, Wafern, Stanzteilen, Verpackungen, Pharma- und Textilprodukten. Sie zeigen Grenzen regelbasierter AOI bei wechselnder Form oder Beleuchtung; nennen Muster, KI-Werkzeug und Erkennungsrate.
Produkteinsätze
Referenzen
AccuPick
SolVision
META-aivi
SolMotion
IV-Beutelinspektion mit KI
SolVision erreicht eine 100%ige Erkennungsrate von Fremdkörpern in IV-Beuteln durch ein innovatives KI-Visionssystem für eine effiziente Fehlererkennung.
Metallbolzenfehlererkennung mit KI
SolVision gewährleistet eine fehlerfreie 100 %ige Fehlererkennungsrate in nur 49 Millisekunden pro Bolzen, indem es Herausforderungen durch reflektierende Oberflächen angeht und falsch-negative Ergebnisse ausschließt.
KI-Inspektion von gestanzten Metallteilen
Es gibt viele Arten von Defekten, die bei den gestanzten Teilen unterschiedlich auftreten können, insbesondere Öl- oder Wasserflecken, die nicht leicht zu erkennen sind.
Erkennung von Kurzschlüssen bei SMT-Lötverbindungen
SMT ist ein kritischer Lötprozess in der Elektronikindustrie. SolVision erkennt Defekte auf Leiterplatten (PCBs), die zahlreiche kleine, komplexe Komponenten aufweisen.
Inspektion von Sicherheitszertifizierungszeichen
Inspektion von Sicherheitszertifizierungszeichen: Die KI-gestützte automatisierte Erkennung fehlerhafter Zertifizierungszeichen von Solomon SolVision.
KI-gestützte visuelle Identifikation und Klassifizierung von Zellen
Setzen Sie das fortschrittliche KI-Modell von SolVision ein, um Zellen zu identifizieren und zu klassifizieren, wo traditionelle AOI-Systeme bei der Erkennung und Bestimmung von Zellvariationen unzureichend sind.
Visuelle Inspektion von Schweißnähten in der Automobilbranche
Angetrieben von KI trainiert die Deep-Learning-Software von SolVision ein KI-Modell, indem sie potenzielle Schweißnahtfehler unter zufälligen Helligkeitsbedingungen simuliert.
KI-Inspektion von Netzteilkabeln
Das KI-Modell kann Fehler in Kabelverbindungen genau identifizieren und minderwertige Produkte in Echtzeit ausschließen.
Inspektion von chirurgischen Masken mit KI
SolVision nutzt Deep-Learning-Technologie für eine verbesserte Inspektion von chirurgischen Masken, um eine genaue Fehlererkennung und eine verbesserte Qualitätskontrolle zu gewährleisten.
KI-gestützte visuelle Inspektion von Trockenbauplatten
Das KI-Modell kann trainiert werden, um Defekte auf der Trockenbauplatte genau zu erkennen und zu lokalisieren, um die Produktqualität und den Produktionsertrag zu verbessern.
Erkennung von Kurzschlüssen bei SMT-Lötverbindungen
SMT ist ein kritischer Lötprozess in der Elektronikindustrie. SolVision erkennt Defekte auf Leiterplatten (PCBs), die zahlreiche kleine, komplexe Komponenten aufweisen.
Inspektion von Sicherheitszertifizierungszeichen
Inspektion von Sicherheitszertifizierungszeichen: Die KI-gestützte automatisierte Erkennung fehlerhafter Zertifizierungszeichen von Solomon SolVision.
Visuelle Inspektion von Schweißnähten in der Automobilbranche
Angetrieben von KI trainiert die Deep-Learning-Software von SolVision ein KI-Modell, indem sie potenzielle Schweißnahtfehler unter zufälligen Helligkeitsbedingungen simuliert.
KI-Inspektion von Netzteilkabeln
Das KI-Modell kann Fehler in Kabelverbindungen genau identifizieren und minderwertige Produkte in Echtzeit ausschließen.
Automatisierung von Halbleiter-Wafer-Inspektionen
Fehlerhafte Wafer weisen in der Regel auch subtile Defekte auf, die zufällig auf der Oberfläche verteilt sind, was es AOI-Systemen (Automated Optical Inspection) erschwert, Regeln für effiziente Inspektionen festzulegen.
Fehlererkennung bei Laser-Schweißen mit KI
SolVision überwinde die Herausforderungen bei der Inspektion von Laser-Schweißarbeiten mit KI und ermöglicht eine präzise Fehlererkennung zur Verbesserung der Schweißqualitätskontrolle.
KI-Inspektionen für Multilayer-Keramikkondensatoren (MLCC)
SolVision detects defective electrodes on passive electronic components to significantly improve overall production yield.
Erkennung von Haftungsfehlern in Halbleitern
Übermäßiger Kleber kann auf dem Chip verbleiben oder auf die Leiterplatte überlaufen und dazu führen, dass der Chip kippt, was die Stabilität des gesamten Halbleiterpakets beeinträchtigt.
Erkennung fehlerhafter und fehlender Laptopkomponenten
Bei sich wiederholenden manuellen Aufgaben wie in diesem Fall kann eine automatisierte visuelle Inspektion helfen, fehlerhafte Produkte zu identifizieren und die Effizienz der Arbeitskräfte zu verbessern.
DOT-Reifenidentifikationsnummerninspektion mit KI
Die KI- und OCR-Technologie von SolVision verbessert die Inspektion von Reifenidentifikationsnummern und steigert die Genauigkeit, Effizienz und Qualitätskontrolle in der Reifenproduktion.
Kaffeekapselinspektion mit KI
SolVision steigert die Inspektion und Klassifizierung von Kaffeekapseln mit KI, gewährleistet die Erkennung von Anwesenheit/Abwesenheit und überwindet Herausforderungen durch Farben und Reflexionen.
Inspektion von Kunststoffverschlussclips mit KI
SolVision nutzt KI für präzise Inspektion und Fehlererkennung bei Kunststoffverschlussclips, was die Qualitätskontrolle und Produktionseffizienz verbessert.
Eierqualitätsinspektion mit KI
SolVision KI erkennt Mängel und kategorisiert Eier, wodurch eine automatisierte Eierqualitätsinspektion für verbesserte Lebensmittelsicherheit und Qualitätskontrolle ermöglicht wird.
Visuelle Inspektion von Schweißnähten in der Automobilbranche
Angetrieben von KI trainiert die Deep-Learning-Software von SolVision ein KI-Modell, indem sie potenzielle Schweißnahtfehler unter zufälligen Helligkeitsbedingungen simuliert.
Inspektion von chirurgischen Masken mit KI
SolVision nutzt Deep-Learning-Technologie für eine verbesserte Inspektion von chirurgischen Masken, um eine genaue Fehlererkennung und eine verbesserte Qualitätskontrolle zu gewährleisten.
KI-gestützte visuelle Inspektion von Trockenbauplatten
Das KI-Modell kann trainiert werden, um Defekte auf der Trockenbauplatte genau zu erkennen und zu lokalisieren, um die Produktqualität und den Produktionsertrag zu verbessern.
Automatisierung von Halbleiter-Wafer-Inspektionen
Fehlerhafte Wafer weisen in der Regel auch subtile Defekte auf, die zufällig auf der Oberfläche verteilt sind, was es AOI-Systemen (Automated Optical Inspection) erschwert, Regeln für effiziente Inspektionen festzulegen.
Fehlererkennung bei Laser-Schweißen mit KI
SolVision überwinde die Herausforderungen bei der Inspektion von Laser-Schweißarbeiten mit KI und ermöglicht eine präzise Fehlererkennung zur Verbesserung der Schweißqualitätskontrolle.
KI-Inspektionen für Multilayer-Keramikkondensatoren (MLCC)
SolVision detects defective electrodes on passive electronic components to significantly improve overall production yield.
Erkennung von Haftungsfehlern in Halbleitern
Übermäßiger Kleber kann auf dem Chip verbleiben oder auf die Leiterplatte überlaufen und dazu führen, dass der Chip kippt, was die Stabilität des gesamten Halbleiterpakets beeinträchtigt.
Erkennung fehlerhafter und fehlender Laptopkomponenten
Bei sich wiederholenden manuellen Aufgaben wie in diesem Fall kann eine automatisierte visuelle Inspektion helfen, fehlerhafte Produkte zu identifizieren und die Effizienz der Arbeitskräfte zu verbessern.
Automatisierung der Qualitätsinspektion von Leiterplattenrahmen
Mit der zunehmenden Komplexität der Halbleiterfertigung muss der Prozess zur Erstellung von Leiterplattenrahmen in Bezug auf Genauigkeit und Ausbeute verbessert werden.
KI-Fehlererkennung für spiralförmig strukturierte Metalle
Kleine, spiralförmige Metallteile können mit dem Instanzsegmentierungstool von SolVision inspiziert werden, um die verschiedenen Arten von Schnittmarken oder Kollisionsfehlern anhand von Beispielbildern zu erlernen und dann ein KI-Modell zu erstellen, das diese subtilen Mängel erkennt.