{"id":90064,"date":"2025-01-14T16:15:18","date_gmt":"2025-01-14T08:15:18","guid":{"rendered":"https:\/\/solomon-3d.mesvr.tw\/?p=90064"},"modified":"2025-07-18T16:24:31","modified_gmt":"2025-07-18T08:24:31","slug":"quais-sao-as-diferencas-entre-ia-e-aoi","status":"publish","type":"post","link":"https:\/\/solomon-3d.mesvr.tw\/pt\/blog\/quais-sao-as-diferencas-entre-ia-e-aoi\/","title":{"rendered":"Quais s\u00e3o as diferen\u00e7as entre IA e AOI?"},"content":{"rendered":"
<\/div>
\n
<\/div>\n
\n

Quais s\u00e3o as diferen\u00e7as entre 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

Introduzindo AOI<\/h2>\n\n\n\n
A transi\u00e7\u00e3o de uma era de fabrica\u00e7\u00e3o caracterizada pela produ\u00e7\u00e3o em massa com variedade limitada para o modelo din\u00e2mico atual, que enfatiza a produ\u00e7\u00e3o de bens de baixo volume e alta variedade, tornou o controle de qualidade e a inspe\u00e7\u00e3o mais complexos e desafiadores. Os produtos agora apresentam uma gama mais ampla de formas, tamanhos, materiais e outras caracter\u00edsticas, frequentemente levando a defeitos mais indefinidos.

Consequentemente, os sistemas de AOI (Inspe\u00e7\u00e3o \u00d3ptica Autom\u00e1tica)<\/a> tornaram-se a solu\u00e7\u00e3o predominante para a detec\u00e7\u00e3o de defeitos em processos industriais. No entanto, o AOI convencional depende de amostras de defeitos pr\u00e9-definidas e par\u00e2metros fixos para a detec\u00e7\u00e3o de defeitos, restringindo a capacidade dos sistemas de AOI para inspe\u00e7\u00f5es \u00e1geis e r\u00e1pidas. A probabilidade de sistemas de inspe\u00e7\u00e3o tradicionais perderem defeitos aumenta substancialmente; no entanto, a IA oferece uma solu\u00e7\u00e3o transformadora para a vis\u00e3o computacional, facilitando inspe\u00e7\u00f5es mais flex\u00edveis e eficientes.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Detec\u00e7\u00e3o de Defeitos Usando AOI<\/h2>\n\n\n\n
\u00c0 medida que os produtos de eletr\u00f4nicos de consumo continuam a avan\u00e7ar, ind\u00fastrias como semicondutores<\/a>, optoeletr\u00f4nica<\/a> e manufatura inteligente<\/a> est\u00e3o experimentando um crescimento substancial. Com defeitos capazes de impactar a funcionalidade do produto, h\u00e1 uma crescente necessidade de aumento de rendimento nos setores de manufatura. As linhas de produ\u00e7\u00e3o tradicionais dependiam da inspe\u00e7\u00e3o manual dos padr\u00f5es de defeito dos produtos, mas esse m\u00e9todo n\u00e3o atende \u00e0 demanda por inspe\u00e7\u00f5es minuciosas e efici\u00eancia na produ\u00e7\u00e3o.

Os sistemas de AOI, alimentados por tecnologia de vis\u00e3o computacional, combinam de maneira integrada \u00f3ptica, controle eletr\u00f4nico, mec\u00e2nica e software de inspe\u00e7\u00e3o para realizar tarefas de inspe\u00e7\u00e3o precisas. Esses sistemas melhoram a efici\u00eancia da detec\u00e7\u00e3o de defeitos ao destacar caracter\u00edsticas da imagem por meio de configura\u00e7\u00f5es otimizadas da fonte de luz e utilizando t\u00e9cnicas avan\u00e7adas de processamento de imagem computadorizada para posicionamento e inspe\u00e7\u00e3o precisos. Ao fazer uma triagem r\u00e1pida para defeitos, contaminantes e irregularidades em produtos acabados e semiacabados na linha de produ\u00e7\u00e3o, o AOI pode melhorar significativamente as medidas de controle de qualidade.

Em compara\u00e7\u00e3o com m\u00e9todos de inspe\u00e7\u00e3o manual, os sistemas de AOI oferecem um n\u00edvel superior de consist\u00eancia na detec\u00e7\u00e3o de defeitos. Al\u00e9m disso, sistemas de AOI equipados com c\u00e2meras de alta resolu\u00e7\u00e3o <\/a>podem discernir detalhes intrincados que podem ser dif\u00edceis para o olho humano detectar. Al\u00e9m disso, sua capacidade de inspecionar milhares de itens por minuto aborda as inefici\u00eancias inerentes aos processos tradicionais de inspe\u00e7\u00e3o visual manual.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Explore mais sobre AOI e suas vantagens<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Aplica\u00e7\u00f5es Industriais do AOI<\/h2>\n\n\n\n
A tecnologia AOI \u00e9 amplamente utilizada em diversos setores industriais para inspecionar produtos em busca de deformidades, danos, componentes ausentes, sujeira, arranh\u00f5es e outros defeitos. Al\u00e9m disso, desempenha fun\u00e7\u00f5es cr\u00edticas como leitura de c\u00f3digos de barras, medi\u00e7\u00f5es precisas e inspe\u00e7\u00e3o de impress\u00f5es. Como resultado, ind\u00fastrias como eletr\u00f4nica<\/a>, t\u00eaxtil<\/a>, alimentos e bebidas<\/a>, e automotiva<\/a> se beneficiam da tecnologia AOI.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
\"AOI<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Limita\u00e7\u00f5es do AOI na Detec\u00e7\u00e3o de Defeitos<\/h2>\n\n\n\n
Embora a ado\u00e7\u00e3o do AOI seja comum em v\u00e1rios setores industriais, sua natureza altamente personalizada apresenta desafios e limita\u00e7\u00f5es para uma implementa\u00e7\u00e3o mais ampla. Especialmente ao lidar com defeitos complexos, fundos de imagem variados e mudan\u00e7as na ilumina\u00e7\u00e3o, os sistemas AOI podem encontrar restri\u00e7\u00f5es.

O AOI opera com base em um mecanismo de julgamento baseado em regras, onde a l\u00f3gica de detec\u00e7\u00e3o \u00e9 programada no sistema. Isso significa que o AOI s\u00f3 pode identificar defeitos com base em par\u00e2metros predefinidos estabelecidos como refer\u00eancia para inspe\u00e7\u00e3o. Por exemplo, se a l\u00f3gica de detec\u00e7\u00e3o definir os defeitos como circulares, qualquer defeito n\u00e3o circular pode passar despercebido pelo sistema AOI. Defeitos aleat\u00f3rios, como varia\u00e7\u00f5es na qualidade da casca de ovos, anomalias na montagem de PCBA, manchas de \u00f3leo em fivelas pl\u00e1sticas e arranh\u00f5es em pe\u00e7as met\u00e1licas estampadas, representam desafios significativos para a detec\u00e7\u00e3o eficaz pelo AOI.

Para reduzir o risco de falhas na detec\u00e7\u00e3o, os sistemas AOI costumam ser configurados com um n\u00edvel de rigor elevado, tornando-os excessivamente sens\u00edveis e propensos a falsos positivos. Al\u00e9m disso, os operadores do sistema precisam ajustar constantemente os algoritmos e par\u00e2metros, enquanto as linhas de produ\u00e7\u00e3o podem exigir inspe\u00e7\u00f5es repetidas para evitar a omiss\u00e3o de defeitos ou a ocorr\u00eancia de falsos positivos. Esses fatores afetam significativamente a efici\u00eancia da produ\u00e7\u00e3o e aumentam os custos operacionais.

A efic\u00e1cia do AOI depende da coordena\u00e7\u00e3o precisa entre fontes de luz, c\u00e2meras e lentes. No que se refere \u00e0s fontes de luz, ajustar sua intensidade e caracter\u00edsticas \u00e9 essencial para aprimorar o contraste e destacar as caracter\u00edsticas do objeto inspecionado. Esse ajuste deve ser personalizado de acordo com o material, cor e formato do objeto para obter imagens ideais e reduzir o risco de falsos positivos. Na escolha das c\u00e2meras, fatores como componentes sens\u00edveis, resolu\u00e7\u00e3o e taxas de quadros devem ser considerados conforme os requisitos da inspe\u00e7\u00e3o. Essas c\u00e2meras precisam ser combinadas com lentes apropriadas para maximizar a capacidade do sistema \u00f3ptico.

Al\u00e9m das complexidades t\u00e9cnicas relacionadas \u00e0 captura de imagens, os operadores tamb\u00e9m enfrentam o desafio de reconfigurar os par\u00e2metros da m\u00e1quina e alinhar componentes quando ajustes ou substitui\u00e7\u00f5es s\u00e3o necess\u00e1rios, exigindo experi\u00eancia especializada. Al\u00e9m disso, a adapta\u00e7\u00e3o de componentes de hardware e software \u00e9 inerentemente complexa, e os tempos de reparo podem variar de alguns dias a v\u00e1rios meses, dificultando a resposta r\u00e1pida \u00e0s demandas din\u00e2micas das linhas de produ\u00e7\u00e3o modernas. Como resultado, muitas ind\u00fastrias que utilizam AOI est\u00e3o adotando a intelig\u00eancia artificial (IA) para aprimorar a precis\u00e3o e a efici\u00eancia da inspe\u00e7\u00e3o.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Explorando as Vantagens da Integra\u00e7\u00e3o de IA com AOI<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Detec\u00e7\u00e3o de Defeitos com IA<\/h2>\n\n\n\n
A principal diferen\u00e7a entre a inspe\u00e7\u00e3o baseada em IA e a detec\u00e7\u00e3o de defeitos por AOI tradicional est\u00e1 na depend\u00eancia de regras emp\u00edricas. A IA funciona como um aprendiz, capaz de imitar parcialmente as habilidades de inspe\u00e7\u00e3o de um mestre artes\u00e3o. Ela define autonomamente os intervalos de defeitos e os modelos de detec\u00e7\u00e3o de anomalias ao utilizar grandes volumes de dados e treinar modelos com t\u00e9cnicas de Deep Learning<\/a>. Dessa forma, a IA pode identificar automaticamente os par\u00e2metros ideais para defeitos aceit\u00e1veis (OK) e n\u00e3o aceit\u00e1veis (NG), permitindo a detec\u00e7\u00e3o eficaz de defeitos desconhecidos, garantindo consist\u00eancia nos padr\u00f5es de inspe\u00e7\u00e3o e aumentando significativamente a precis\u00e3o.

Devido \u00e0s grandes varia\u00e7\u00f5es no conhecimento t\u00e9cnico entre diferentes setores, engenheiros que desenvolvem sistemas AOI tradicionais para ind\u00fastrias espec\u00edficas podem ter dificuldades em resolver rapidamente problemas pr\u00e1ticos do campo. Isso torna essencial a colabora\u00e7\u00e3o com especialistas da ind\u00fastria para projetar hardware AOI adequado e definir regras personalizadas para cada aplica\u00e7\u00e3o. Em contraste, os sistemas de detec\u00e7\u00e3o de defeitos baseados em IA<\/a> aprendem as caracter\u00edsticas de imagem necess\u00e1rias diretamente por meio de interfaces. Uma vez treinados, esses sistemas geram regras de detec\u00e7\u00e3o de forma aut\u00f4noma, apresentando diferen\u00e7as not\u00e1veis em efici\u00eancia de aprendizado e capacidade de execu\u00e7\u00e3o em rela\u00e7\u00e3o aos m\u00e9todos convencionais.

Al\u00e9m de otimizar a precis\u00e3o da inspe\u00e7\u00e3o por meio do aprendizado profundo, a IA resolve problemas relacionados ao impacto das fontes de luz no desempenho da detec\u00e7\u00e3o. Os sistemas AOI tradicionais frequentemente enfrentam limita\u00e7\u00f5es devido \u00e0s condi\u00e7\u00f5es de ilumina\u00e7\u00e3o, \u00e2ngulos de captura, reflexos de sombras e \u00e0s caracter\u00edsticas do objeto inspecionado, especialmente em materiais semitransparentes e superf\u00edcies met\u00e1licas refletivas. Esses fatores dificultam a obten\u00e7\u00e3o de resultados precisos. Em contrapartida, a inspe\u00e7\u00e3o baseada em IA \u00e9 menos dependente da ilumina\u00e7\u00e3o. Com uma fonte de luz est\u00e1vel, a IA executa a detec\u00e7\u00e3o<\/a> e classifica\u00e7\u00e3o<\/a> de defeitos com efic\u00e1cia, mesmo em cen\u00e1rios com contornos pouco n\u00edtidos, formas irregulares e interfer\u00eancias causadas por superf\u00edcies met\u00e1licas brilhantes.

A detec\u00e7\u00e3o de defeitos com IA se destaca na identifica\u00e7\u00e3o de falhas em superf\u00edcies e apar\u00eancias complexas, como amassados e arranh\u00f5es em objetos reflexivos. Al\u00e9m disso, a IA demonstra alto desempenho em OCR (Reconhecimento \u00d3ptico de Caracteres)<\/a>, mesmo ao inspecionar caracteres deformados ou de dif\u00edcil leitura. Outra vantagem \u00e9 a capacidade de rastrear padr\u00f5es e defeitos imprevis\u00edveis, independentemente de varia\u00e7\u00f5es de cor, tamanho, deforma\u00e7\u00f5es extensas, formas complexas ou distribui\u00e7\u00e3o aleat\u00f3ria. A IA analisa os dados de forma abrangente, determinando com precis\u00e3o a presen\u00e7a de falhas.

Dessa forma, os sistemas de vis\u00e3o baseados em IA <\/a>superam os sistemas AOI convencionais baseados em regras em velocidade, precis\u00e3o e redu\u00e7\u00e3o de custos com m\u00e3o de obra, solucionando desafios em aplica\u00e7\u00f5es complexas de detec\u00e7\u00e3o e classifica\u00e7\u00e3o de defeitos.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Estudo de caso de dete\u00e7\u00e3o de defeitos utilizando IA<\/h2>\n\n\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Na ind\u00fastria farmac\u00eautica, as linhas de produ\u00e7\u00e3o de blister packs normalmente processam entre 5.000 e 40.000 comprimidos por hora. No entanto, podem ocorrer erros durante o enchimento, resultando em defeitos como blisters vazios, conte\u00fados de baixa qualidade ou derramamento de p\u00f3 de c\u00e1psulas. Ao treinar modelos de IA no SolVision<\/a> com uma variedade de imagens de defeitos, cada embalagem e condi\u00e7\u00e3o de enchimento pode ser rapidamente e precisamente identificada, rotulada e classificada.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Saiba mais sobre a inspe\u00e7\u00e3o de blister packs usando IA neste estudo de caso<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>","protected":false},"excerpt":{"rendered":"

Descubra como a tecnologia de vis\u00e3o por IA est\u00e1 revolucionando a detec\u00e7\u00e3o de defeitos al\u00e9m da AOI tradicional. Esta an\u00e1lise detalhada explora as principais diferen\u00e7as entre IA e AOI.<\/p>","protected":false},"author":875,"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":[3294],"tags":[],"class_list":["post-90064","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"acf":[],"lang":"pt","translations":{"pt":90064,"zh":80357,"tw":51282,"en":76368,"es":83339,"jp":85901,"tr":90464,"de":90938,"fr":92719,"vi":93985,"th":96971,"it":98410,"ko":95155},"_links":{"self":[{"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/posts\/90064","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/users\/875"}],"replies":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/comments?post=90064"}],"version-history":[{"count":0,"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/posts\/90064\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/media\/89323"}],"wp:attachment":[{"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/media?parent=90064"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/categories?post=90064"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/pt\/wp-json\/wp\/v2\/tags?post=90064"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}