{"id":98410,"date":"2025-04-29T16:08:31","date_gmt":"2025-04-29T08:08:31","guid":{"rendered":"https:\/\/solomon-3d.mesvr.tw\/?p=98410"},"modified":"2025-04-29T16:09:06","modified_gmt":"2025-04-29T08:09:06","slug":"quali-sono-le-differenze-tra-ia-e-aoi","status":"publish","type":"post","link":"https:\/\/solomon-3d.mesvr.tw\/it\/blog\/quali-sono-le-differenze-tra-ia-e-aoi\/","title":{"rendered":"Quali sono le differenze tra IA e AOI?"},"content":{"rendered":"
<\/div>
\n
<\/div>\n
\n

Quali sono le differenze tra IA e AOI?<\/h1><\/div>\n\n\n\n
\n
\"\"<\/div>\n<\/div>\n <\/div><\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Introduzione all\u2019AOI<\/h2>\n\n\n\n
Il passaggio da un\u2019era della produzione caratterizzata dalla fabbricazione di massa con variet\u00e0 limitata al modello dinamico attuale, incentrato sulla produzione di beni a basso volume e alta variet\u00e0, ha reso il controllo qualit\u00e0 e l\u2019ispezione pi\u00f9 complessi e impegnativi. I prodotti ora presentano una gamma pi\u00f9 ampia di forme, dimensioni, materiali e altre caratteristiche, con conseguente aumento della presenza di difetti non definiti.

Di conseguenza, i sistemi AOI (Ispezione Ottica Automatica)<\/a> sono diventati la soluzione predominante per il rilevamento dei difetti nei processi industriali. Tuttavia, l\u2019AOI convenzionale si basa su campioni di difetti predefiniti e parametri fissi per il rilevamento<\/a>, limitando la capacit\u00e0 dei sistemi AOI di effettuare ispezioni agili e rapide. Con l\u2019aumento della probabilit\u00e0 che i sistemi di ispezione tradizionali non rilevino i difetti, l\u2019IA offre una soluzione trasformativa per la visione artificiale, consentendo ispezioni pi\u00f9 flessibili ed efficienti.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Rilevamento dei difetti tramite AOI<\/h2>\n\n\n\n
Con il continuo progresso dei prodotti di elettronica di consumo, settori come i semiconduttori<\/a>, l\u2019optoelettronica<\/a> e la produzione intelligente<\/a> stanno registrando una crescita significativa. Poich\u00e9 i difetti possono compromettere la funzionalit\u00e0 del prodotto, cresce l\u2019esigenza di migliorare la resa nei settori manifatturieri. Le linee di produzione tradizionali si sono basate sull\u2019ispezione manuale dei modelli di difetto del prodotto, ma questo metodo non soddisfa le esigenze di ispezione approfondita ed efficienza produttiva.

I sistemi AOI, basati sulla tecnologia di visione artificiale, combinano perfettamente ottica, controllo elettronico, meccanica e software di ispezione per eseguire compiti di ispezione con estrema precisione. Questi sistemi migliorano l\u2019efficienza del rilevamento dei difetti evidenziando le caratteristiche dell\u2019immagine tramite configurazioni ottimizzate della sorgente luminosa e utilizzando avanzate tecniche di elaborazione delle immagini per un posizionamento e un\u2019ispezione accurati.
Grazie alla capacit\u00e0 di rilevare rapidamente difetti, contaminanti e irregolarit\u00e0 nei prodotti finiti e semilavorati direttamente sulla linea di produzione, l\u2019AOI pu\u00f2 rafforzare notevolmente le misure di controllo qualit\u00e0.

Rispetto ai metodi di ispezione manuale, i sistemi AOI offrono un livello superiore di coerenza nel rilevamento dei difetti. Inoltre, dotati di telecamere ad alta risoluzione<\/a>, possono distinguere dettagli complessi difficilmente rilevabili a occhio nudo. La loro capacit\u00e0 di ispezionare migliaia di articoli al minuto risolve anche le inefficienze tipiche dei tradizionali processi di ispezione visiva manuale.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Scopri di pi\u00f9 sull\u2019AOI e sui suoi vantaggi<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Applicazioni industriali dell\u2019AOI<\/h2>\n\n\n\n
La tecnologia AOI \u00e8 ampiamente utilizzata in diversi settori industriali per ispezionare i prodotti alla ricerca di deformit\u00e0, danni, componenti mancanti, sporco, graffi e altri difetti, svolgendo al contempo compiti fondamentali come la lettura di codici a barre, misurazioni precise e l\u2019ispezione delle stampe. Di conseguenza, diversi settori, tra cui elettronica<\/a>, tessile<\/a>, alimentare e bevande<\/a>, e automotive<\/a>, traggono beneficio dalla tecnologia AOI.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
\"Sistema<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Limitazioni dell\u2019AOI nel rilevamento dei difetti<\/h2>\n\n\n\n
Sebbene l\u2019adozione dell\u2019AOI sia ormai diffusa in diversi settori industriali, la natura altamente personalizzata dell\u2019AOI presenta sfide e limitazioni per un\u2019implementazione su larga scala. In particolare, di fronte a difetti complessi dei prodotti, sfondi delle immagini e variazioni nell\u2019illuminazione, i sistemi AOI possono incontrare dei limiti.

L\u2019AOI funziona tramite un meccanismo di giudizio basato su regole, in cui la logica di rilevamento viene programmata nel sistema. L\u2019AOI \u00e8 in grado di identificare solo i difetti basandosi su parametri predefiniti stabiliti come riferimento per l\u2019ispezione dei campioni di difetti. Ad esempio, se la logica di rilevamento definisce i difetti come circolari, qualsiasi difetto non circolare potrebbe non essere rilevato dal sistema AOI. Tipologie di difetti generate casualmente, come variazioni nella qualit\u00e0 dei gusci d\u2019uovo<\/a>, anomalie nell\u2019assemblaggio PCBA<\/a>, macchie d\u2019olio su fibbie in plastica<\/a> o graffi su parti metalliche stampate<\/a>, rappresentano una sfida significativa per un rilevamento efficace da parte dell\u2019AOI.

Per ridurre il rischio di difetti mancati, i sistemi AOI vengono spesso impostati su parametri estremamente rigorosi, rendendoli eccessivamente sensibili e soggetti a falsi positivi. Inoltre, gli operatori devono regolare continuamente gli algoritmi e i parametri di sistema, e le linee di produzione possono richiedere ispezioni ripetute dei prodotti per evitare sia omissioni che falsi allarmi. Tutto ci\u00f2 influisce notevolmente sull\u2019efficienza produttiva e aumenta i costi di produzione.

L\u2019efficacia dell\u2019AOI dipende dalla precisa coordinazione di sorgenti luminose, telecamere e obiettivi. Per quanto riguarda le sorgenti luminose, \u00e8 fondamentale regolare intensit\u00e0 e caratteristiche per aumentare il contrasto e rappresentare efficacemente le caratteristiche degli oggetti. Questa regolazione deve essere adattata al materiale, colore e forma dell\u2019oggetto da ispezionare per ottenere immagini ottimali e ridurre il rischio di falsi positivi. Nella scelta delle telecamere, \u00e8 necessario considerare elementi come sensibilit\u00e0, risoluzione e velocit\u00e0 di acquisizione in base ai requisiti di ispezione. Tali telecamere devono essere abbinate a obiettivi appropriati per sfruttare appieno le capacit\u00e0 del sistema ottico.

Oltre alla complessit\u00e0 delle impostazioni hardware che influiscono sulla qualit\u00e0 dell\u2019immagine, gli operatori devono anche gestire la riconfigurazione dei parametri macchina e degli allineamenti ogni volta che sono necessarie modifiche o sostituzioni di componenti, facendo affidamento sulla loro esperienza. Inoltre, la regolazione di componenti hardware e software \u00e8 intrinsecamente complessa, e i tempi di riparazione possono variare notevolmente, da pochi giorni a diversi mesi. Questo rappresenta una sfida nel soddisfare le esigenze dinamiche delle moderne linee di produzione. Di conseguenza, molti settori che utilizzano AOI hanno recentemente iniziato a integrare l\u2019intelligenza artificiale (IA)<\/a> per migliorare la precisione e l\u2019efficienza delle ispezioni.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Approfondisci i vantaggi dell\u2019integrazione dell\u2019IA con l\u2019AOI<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Rilevamento dei difetti tramite IA<\/h2>\n\n\n\n
La principale differenza tra l\u2019ispezione basata sull\u2019IA e il rilevamento dei difetti tradizionale tramite AOI risiede nella dipendenza dalle regole empiriche. L\u2019IA funziona come un nuovo apprendista, in grado di imitare, almeno in parte, le capacit\u00e0 di ispezione di un maestro artigiano. L\u2019IA pu\u00f2 definire autonomamente gli intervalli di difetti e i modelli di rilevamento delle anomalie utilizzando grandi quantit\u00e0 di dati validi e addestrando il modello di sistema tramite tecniche di deep learning<\/a>. \u00c8 in grado di identificare automaticamente i parametri ottimali sia per i difetti accettabili (OK) sia per quelli non accettabili (NG). Questo consente un rilevamento efficace dei difetti sconosciuti, garantisce la coerenza degli standard di ispezione e migliora notevolmente la precisione delle ispezioni.

A causa delle significative variazioni nelle conoscenze settoriali tra le diverse industrie, gli ingegneri AOI tradizionali coinvolti nello sviluppo di sistemi AOI per settori specifici possono incontrare difficolt\u00e0 nell\u2019affrontare tempestivamente i problemi pratici sul campo. Pertanto, la progettazione di soluzioni efficaci richiede spesso la collaborazione con esperti del settore per sviluppare hardware AOI e regole adatte alle esigenze specifiche dell\u2019industria. Al contrario, i sistemi di rilevamento dei difetti basati sull\u2019IA<\/a> apprendono le caratteristiche delle immagini necessarie per il rilevamento tramite interfacce. Una volta addestrati, i sistemi IA possono generare autonomamente le regole di rilevamento. Esistono differenze significative in termini di efficienza di apprendimento e potenza di esecuzione tra questi due approcci.

Oltre a ottimizzare la precisione del rilevamento tramite il deep learning, la tecnologia IA affronta in modo significativo i problemi legati all\u2019impatto delle sorgenti luminose sulle prestazioni di rilevamento. I sistemi AOI tradizionali incontrano spesso limitazioni dovute alle condizioni di illuminazione, agli angoli di ripresa, ai riflessi delle ombre e al materiale e alla forma dell\u2019oggetto da ispezionare (in particolare per i materiali semitrasparenti e le superfici metalliche). Queste limitazioni ostacolano frequentemente il raggiungimento di risultati di rilevamento accurati. Al contrario, l\u2019accuratezza dell\u2019ispezione basata sull\u2019IA dipende molto meno dalle sorgenti luminose. Con una sorgente luminosa stabile, l\u2019IA \u00e8 in grado di eseguire efficacemente il rilevamento<\/a> e la classificazione<\/a> dei difetti anche in scenari con contorni sfocati, forme diverse e interferenze dovute a materiali metallici riflettenti.

Il rilevamento dei difetti basato sull\u2019IA eccelle nell\u2019identificazione di difetti intricati sulla superficie e nell\u2019aspetto dei materiali, come ammaccature e graffi su oggetti riflettenti. Inoltre, l\u2019IA \u00e8 altamente efficace anche nei compiti di OCR (Riconoscimento Ottico dei Caratteri)<\/a>, persino quando si tratta di caratteri deformati o poco riconoscibili. I sistemi basati sull\u2019IA sono inoltre particolarmente abili nel rilevamento di schemi e difetti imprevedibili, indipendentemente dalle variazioni di colore e dimensione, dalle deformazioni estese, dalle forme complesse o dalla dispersione casuale. L\u2019IA analizza i dati in modo completo, determinando con precisione la presenza di difetti.

I sistemi di visione IA<\/a> superano quindi i tradizionali sistemi AOI basati su regole in termini di velocit\u00e0, precisione e costi di manodopera, affrontando le sfide insite nelle applicazioni di rilevamento e classificazione pi\u00f9 complesse.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Caso di studio sul rilevamento dei difetti tramite IA<\/h2>\n\n\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Nel settore farmaceutico, le linee di produzione dei blister gestiscono generalmente tra 5.000 e 40.000 pillole all\u2019ora. Tuttavia, durante il riempimento possono verificarsi errori che causano difetti come blister vuoti, contenuti di bassa qualit\u00e0 o fuoriuscita di polvere dalle capsule. Addestrando modelli IA in SolVision<\/a> con una variet\u00e0 di immagini di difetti, ogni blister e condizione di riempimento pu\u00f2 essere rapidamente e accuratamente identificata, etichettata e classificata.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Scopri di pi\u00f9 sull\u2019ispezione dei blister tramite IA in questo caso studio<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>","protected":false},"excerpt":{"rendered":"

Scopri come la tecnologia di visione IA sta rivoluzionando il rilevamento dei difetti andando oltre l\u2019AOI tradizionale. Questa analisi approfondita esplora le principali differenze tra IA e AOI.<\/p>","protected":false},"author":15,"featured_media":89323,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_gspb_post_css":"#gspb_row-id-gsbp-5aebb46{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap;min-height:250px;padding:0;overflow:hidden;background-size:cover;background-repeat:no-repeat;background-position:50% 68%;background-image:url(https:\/\/solomon-3d.mesvr.tw\/wp-content\/uploads\/2024\/01\/\u2014Pngtree\u2014technological-sense-geometric-line-simple_932581-1.jpg);filter:brightness(1) contrast(1) grayscale(0)}#gspb_row-id-gsbp-5aebb46>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}div[id^=gspb_col-id]{box-sizing:border-box;position:relative;padding:var(--gs-row-column-padding, 15px min(3vw, 20px))}body.gspb-bodyfront #gspb_row-id-gsbp-07a22fc>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-249db28>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-266e9b3>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-26f992e>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-2fbb568>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-44510c0>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-5365471>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-54aacdc>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-5aebb46>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-65a6d4d>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-82c1fd4>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-83837a5>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-ddad9e1>.gspb_row__content{max-width:var(--wp--style--global--wide-size, 1200px)}#gspb_row-id-gsbp-5aebb46:hover{background-size:cover}#gspb_col-id-gsbp-a43d08d.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-a43d08d.gspb_row__col--12{width:100%}}#gspb_row-id-gsbp-2fbb568{min-height:100%}#gspb_row-id-gsbp-2fbb568>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}body.gspb-bodyfront #gspb_row-id-gsbp-2fbb568{z-index:10}#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{width:50%}@media (max-width:767.98px){#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{width:100%}}@media (max-width:575.98px){#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{width:100%}}#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{flex-direction:column}body #gspb_col-id-gsbp-f1762f9.gspb_row__col--6{display:flex;flex-direction:column;justify-content:center}#gspb_col-id-gsbp-7a4a754.gspb_row__col--6{width:50%}@media (max-width:767.98px){#gspb_col-id-gsbp-7a4a754.gspb_row__col--6{width:100%}}@media (max-width:575.98px){#gspb_col-id-gsbp-7a4a754.gspb_row__col--6{width:100%}}body #gspb_col-id-gsbp-7a4a754.gspb_row__col--6{display:flex;flex-direction:column;justify-content:flex-end}#gspb_row-id-gsbp-2fbb568,#gspb_row-id-gsbp-44510c0,#gspb_row-id-gsbp-65a6d4d,#gspb_row-id-gsbp-83837a5{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-44510c0>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-047c80d.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-047c80d.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-b2beeee{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-1b48ec5.gspb_container>p:last-of-type,#gspb_container-id-gsbp-1c26103.gspb_container>p:last-of-type,#gspb_container-id-gsbp-529ff3b.gspb_container>p:last-of-type,#gspb_container-id-gsbp-718facc.gspb_container>p:last-of-type,#gspb_container-id-gsbp-765a81d.gspb_container>p:last-of-type,#gspb_container-id-gsbp-9167946.gspb_container>p:last-of-type,#gspb_container-id-gsbp-9ca7df1.gspb_container>p:last-of-type,#gspb_container-id-gsbp-ae19e2f.gspb_container>p:last-of-type,#gspb_container-id-gsbp-b2beeee.gspb_container>p:last-of-type,#gspb_container-id-gsbp-f829605.gspb_container>p:last-of-type,#gspb_container-id-gsbp-fee0c95.gspb_container>p:last-of-type{margin-bottom:0}#gspb_container-id-gsbp-b2beeee.gspb_container{position:relative}.gspb_text-id-gsbp-040fecb{font-size:20px}#gspb_row-id-gsbp-83837a5>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-234410e.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-234410e.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-1b48ec5{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-1b48ec5.gspb_container{position:relative}.gspb_text-id-gsbp-7f6c250{font-size:20px}#gspb_row-id-gsbp-65a6d4d>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-1fc92a7.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-1fc92a7.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-529ff3b.gspb_container{position:relative}#gspb_button-id-gsbp-2f3c0b4{display:flex;justify-content:center}#gspb_button-id-gsbp-2f3c0b4 .gspb-buttonbox-text{display:flex;flex-direction:column}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox{box-sizing:border-box;padding:5px 30px;background-color:#e4002b;font-size:22px;text-align:center!important;font-weight:700!important;color:var(--wp--preset--color--white, #ffffff);border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox:hover{background-color:var(--wp--preset--color--white, #ffffff)!important}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox .gsap-g-line{text-align:center!important}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox:hover{color:#e4002b;border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox,#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox>.gspb_backgroundOverlay{border-top-left-radius:20px;border-top-right-radius:20px;border-bottom-right-radius:20px;border-bottom-left-radius:20px}#gspb_row-id-gsbp-54aacdc,#gspb_row-id-gsbp-82c1fd4{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-54aacdc>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-7782d90.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-7782d90.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-529ff3b,.gspb_container-id-gsbp-ae19e2f{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-ae19e2f.gspb_container{position:relative}.gspb_text-id-gsbp-6886292{font-size:20px}#gspb_row-id-gsbp-82c1fd4>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-d860a2c.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-d860a2c.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-718facc.gspb_container{position:relative}#gspb_image-id-gsbp-672ea67{text-align:center;height:auto}#gspb_image-id-gsbp-672ea67 img{vertical-align:middle;display:inline-block;box-sizing:border-box;max-width:100%;width:600px}@media (max-width:575.98px){#gspb_image-id-gsbp-672ea67 img{width:custom}}#gspb_image-id-gsbp-672ea67 img{height:auto}@media (max-width:991.98px){#gspb_image-id-gsbp-672ea67,#gspb_image-id-gsbp-672ea67 img{height:auto}}@media (max-width:767.98px){#gspb_image-id-gsbp-672ea67,#gspb_image-id-gsbp-672ea67 img{height:auto}}@media (max-width:575.98px){#gspb_image-id-gsbp-672ea67,#gspb_image-id-gsbp-672ea67 img{height:165px}}#gspb_row-id-gsbp-07a22fc,#gspb_row-id-gsbp-249db28{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-249db28>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-2caca17.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-2caca17.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-718facc,.gspb_container-id-gsbp-f829605{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-f829605.gspb_container{position:relative}.gspb_text-id-gsbp-5a36a15{font-size:20px}#gspb_row-id-gsbp-07a22fc>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-de33bf0.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-de33bf0.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-765a81d.gspb_container{position:relative}#gspb_button-id-gsbp-260cb2e{display:flex;justify-content:center}#gspb_button-id-gsbp-260cb2e .gspb-buttonbox-text{display:flex;flex-direction:column}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox{box-sizing:border-box;padding:5px 30px;background-color:#e4002b;font-size:22px;text-align:center!important;font-weight:700!important;color:var(--wp--preset--color--white, #ffffff);border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox:hover{background-color:var(--wp--preset--color--white, #ffffff)!important}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox .gsap-g-line{text-align:center!important}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox:hover{color:#e4002b;border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox,#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox>.gspb_backgroundOverlay{border-top-left-radius:20px;border-top-right-radius:20px;border-bottom-right-radius:20px;border-bottom-left-radius:20px}#gspb_row-id-gsbp-266e9b3,#gspb_row-id-gsbp-26f992e,#gspb_row-id-gsbp-5365471,#gspb_row-id-gsbp-ddad9e1{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-5365471>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-c584400.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-c584400.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-765a81d,.gspb_container-id-gsbp-9ca7df1{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-9ca7df1.gspb_container{position:relative}.gspb_text-id-gsbp-f1f76e4{font-size:20px}#gspb_row-id-gsbp-266e9b3>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-39b6cec.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-39b6cec.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-9167946.gspb_container{position:relative}#gspb_row-id-gsbp-26f992e>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-69590a8.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-69590a8.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-1c26103,.gspb_container-id-gsbp-9167946{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-1c26103.gspb_container{position:relative}.gspb_text-id-gsbp-7176a78{font-size:20px}#gspb_row-id-gsbp-ddad9e1>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}.gspb_row{position:relative}#gspb_col-id-gsbp-84f0b69.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-84f0b69.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-fee0c95{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-fee0c95.gspb_container{position:relative}#gspb_button-id-gsbp-eda4edc{display:flex;justify-content:center}#gspb_button-id-gsbp-eda4edc .gspb-buttonbox-text{display:flex;flex-direction:column}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox{box-sizing:border-box;padding:5px 30px;background-color:#e4002b;font-size:22px;text-align:center!important;font-weight:700!important;color:var(--wp--preset--color--white, #ffffff);border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox:hover{background-color:var(--wp--preset--color--white, #ffffff)!important}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox .gsap-g-line{text-align:center!important}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox:hover{color:#e4002b;border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox,#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox>.gspb_backgroundOverlay{border-top-left-radius:20px;border-top-right-radius:20px;border-bottom-right-radius:20px;border-bottom-left-radius:20px}","footnotes":""},"categories":[4490],"tags":[],"class_list":["post-98410","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"acf":[],"lang":"it","translations":{"it":98410,"zh":80357,"tw":51282,"en":76368,"es":83339,"jp":85901,"pt":90064,"tr":90464,"de":90938,"fr":92719,"vi":93985,"th":96971,"ko":95155},"_links":{"self":[{"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/posts\/98410","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/users\/15"}],"replies":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/comments?post=98410"}],"version-history":[{"count":0,"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/posts\/98410\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/media\/89323"}],"wp:attachment":[{"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/media?parent=98410"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/categories?post=98410"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/it\/wp-json\/wp\/v2\/tags?post=98410"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}