SolVision
SolVisionの導入事例では、メーカーがPCB、ウェハー、プレス金属、包装、医薬品、繊維の各工程で、表面欠陥、部品欠品、文字の誤読、シール不良を検出する方法を紹介します。欠陥の形状や照明条件が変化するとルールベースAOIでは対応が難しくなるため、各事例で使用サンプル、AIツール、検出率を示します。
製品導入事例
導入事例
AccuPick
SolVision
META-aivi
SolMotion
AIコンピュータ組立ソリューション
最適化のジレンマ：大量の欠陥 ハードドライブの金属ベースは、製造中に金属表面の損傷から形状やサイズの不正確さまで、さまざまな欠陥に見舞われやすいです。
半導体キャリアトレイのAI検査
SolVisionのインスタンスセグメンテーションツールを使用すると、キャリアトレイ上のチップのさまざまな配置の可能性をAI画像処理で学習できます。
半導体部品のAI検査
従来のAOIの限界を克服し、ソロモンのSolVisionは背景や照明条件、複雑さ、シリアル番号の外観に影響されずに迅速にOCRを実行します。
半導体トレイの目視検査
Solomon SolVisionの特徴検出ツールは、まずトレイの位置を学習し、その後、AOIシステムよりも柔軟にOCRを実行します。
AIを活用したPCB組み立て検査の最適化
SolVisionはAIを活用した基板組み立て検査を最適化し、精度を高め、エラーを減らし、迅速な学習AIビジョンシステムで効率を向上させます。
製品ラベルのAI検査
AIディープラーニングを使用して、Solomon SolVisionのインスタンスセグメンテーションツールは、不規則または微妙であっても、ラベル上のさまざまな種類のテキストおよび数字の欠陥を学習できます。
AIを使用したコイン認識
SolVisionは、酸化や状態に関係なくさまざまなコインを認識できます。一度訓練されたAIモデルは、コインのバッチを正確に額面ごとに分類します。
自動車エンジン番号のOCR文字認識
Solvision AIビジョン検出技術を活用して、自動車エンジン上の文字を迅速かつ正確に識別し、人間の目視による認識エラーを減らし、効率を向上させます。
AIを使用した金属ボルトの欠陥検出
SolVision は、反射面の課題に対処し、ボルト1本あたりわずか 49 ミリ秒で完璧な100％の欠陥検出率を実現し、偽陰性を排除します。
金属ケーシングの欠陥検査にAIを使用
SolVisionは、反射面を持つ金属ケーシングの欠陥検出と分類が可能なAIにより、電子機器の品質管理を向上させます。
タイヤ裏側コードを素早く特定
タイヤは製造工程で高圧・高荷重・高温の工程を多く受けます。現場の機械や材料から発生する粉塵に加え、印刷工程の長期運転により、内管の表面がぼやけたり、色ムラがあり、裏側認識に関する影響があります。大量生産後の手動認識は認識度が悪く、従来のAOI検出を使用すると、デジタル印刷がクリアでなくても効果的に認識できない。
AIを活用したPCB組み立て検査の最適化
SolVisionはAIを活用した基板組み立て検査を最適化し、精度を高め、エラーを減らし、迅速な学習AIビジョンシステムで効率を向上させます。
製品ラベルのAI検査
AIディープラーニングを使用して、Solomon SolVisionのインスタンスセグメンテーションツールは、不規則または微妙であっても、ラベル上のさまざまな種類のテキストおよび数字の欠陥を学習できます。
AIを使用した金属ボルトの欠陥検出
SolVision は、反射面の課題に対処し、ボルト1本あたりわずか 49 ミリ秒で完璧な100％の欠陥検出率を実現し、偽陰性を排除します。
金属ケーシングの欠陥検査にAIを使用
SolVisionは、反射面を持つ金属ケーシングの欠陥検出と分類が可能なAIにより、電子機器の品質管理を向上させます。
卵殻の品質検査と分類の解決策
SolVision AI画像プラットフォームのインスタンスセグメンテーション技術を活用し、画像サンプル内の卵の殻のひび割れの欠陥位置を特定し、AIモデルのトレーニングに使用します。トレーニングが完了すると、AIによって卵殻表面の孔やひび割れの状態が検査され、分類されます。これにより、卵の食品安全性と商品価値が向上します。
ブリスターパック品質管理
SolVisionのAIプラットフォームのセグメンテーション技術により、良品と不良品それぞれの画像の特徴を学習できます。それによりブリスターパックそれ自体と内容物について高速に認識し分類することが可能です。
グラデーションガラス瓶の欠陥検出
グラデーションガラスのボトルは、サンドブラスト加工でマットに仕上げられています。 製造工程でよく見られる不具合の種類は、ボトルの色ムラや黒点ですが、AOI法では、はっきりとしたパターンがないため、検出が困難です。