SolVision
กรณีใช้งาน SolVision แสดงว่าผู้ผลิตตรวจจับตำหนิบนพื้นผิว ชิ้นส่วนที่ขาดหาย การอ่านอักขระผิด และการซีลล้มเหลวบน PCB เวเฟอร์ โลหะปั๊มขึ้นรูป บรรจุภัณฑ์ ผลิตภัณฑ์ยา และสิ่งทอ เมื่อรูปร่างข้อบกพร่องหรือสภาพแสงเปลี่ยนไป AOI แบบอิงกฎมีประสิทธิภาพลดลง แต่ละกรณีระบุตัวอย่าง เครื่องมือ AI และอัตราการตรวจจับ
การใช้งานผลิตภัณฑ์
กรณีศึกษา
AccuPick
SolVision
META-aivi
SolMotion
การตรวจจับหมายเลขซีเรียลเครื่องยนต์ด้วย AI
เทคโนโลยี OCR ที่ขับเคลื่อนด้วย AI ของ SolVision ช่วยให้การรู้จำหมายเลขซีเรียลเครื่องยนต์อัตโนมัติ เป็นไปอย่างรวดเร็วและแม่นยำ พร้อมทั้งการสกัดข้อมูลและการผนวกรวมระบบได้อย่างราบรื่น
การตรวจสอบบรรจุภัณฑ์ผลิตภัณฑ์โดยใช้ AI
การตรวจจับข้อบกพร่องที่ขับเคลื่อนด้วย AI ช่วยเสริมการตรวจสอบบรรจุภัณฑ์ผลิตภัณฑ์ โดยการระบุข้อบกพร่องในการพิมพ์และมั่นใจในการควบคุมคุณภาพที่สม่ำเสมอในกระบวนการบรรจุภัณฑ์และการติดฉลาก
การตรวจจับข้อบกพร่องใน MLCC โดยใช้ AI
SolVision AI เพิ่มประสิทธิภาพการตรวจจับข้อบกพร่องในตัวเก็บประจุเซรามิกหลายชั้น (MLCC) ลดการปฏิเสธข้อผิดพลาดและปรับปรุงการควบคุมคุณภาพในกระบวนการผลิตอิเล็กทรอนิกส์
การตรวจสอบคุณภาพคุกกี้ด้วย AI
SolVision ยกระดับคุณภาพคุกกี้ด้วยการตรวจสอบคุณภาพที่ขับเคลื่อนด้วย AI โดยมั่นใจในลักษณะที่สม่ำเสมอและความแม่นยำในการตรวจจับสูงในการผลิตขนมขบเคี้ยว
การตรวจจับข้อบกพร่องในฉนวนสายเคเบิลโดยใช้ AI
SolVision AI ช่วยเพิ่มประสิทธิภาพการตรวจจับข้อบกพร่องในสายเคเบิล โดยปรับปรุงการควบคุมคุณภาพฉนวนสายเคเบิล ความแม่นยำในการตรวจสอบ และประสิทธิภาพการผลิตสำหรับสายไฟและสายเคเบิล
การตรวจจับข้อบกพร่องของประแจด้วย AI
SolVision AI ช่วยปรับปรุงการตรวจจับข้อบกพร่องในประแจ การควบคุมคุณภาพ และประสิทธิภาพการผลิต โดยสามารถเอาชนะข้อจำกัดของระบบ AOI แบบดั้งเดิมได้
การตรวจสอบถุงน้ำเกลือด้วย AI
SolVision บรรลุอัตราการตรวจจับอนุภาคแปลกปลอมในถุงน้ำเกลือได้ 100% ผ่านระบบวิชั่น AI ที่ล้ำสมัยเพื่อการตรวจจับข้อบกพร่องอย่างมีประสิทธิภาพ
การตรวจจับข้อบกพร่องของสลักเกลียวโลหะด้วย AI
SolVision รับประกันอัตราการตรวจจับข้อบกพร่องที่แม่นยำ 100% ภายในเวลาเพียง 49 มิลลิวินาทีต่อสลักเกลียว แก้ไขปัญหาพื้นผิวสะท้อนแสงและกำจัดข้อผิดพลาดจากการพลาดการตรวจจับ
การตรวจสอบข้อบกพร่องของชิ้นส่วนโลหะที่ถูกปั๊มด้วย AI
มีข้อบกพร่องหลายประเภทที่อาจปรากฏแตกต่างกันในแต่ละครั้งบนชิ้นส่วนที่มีการตอก โดยเฉพาะรอยคราบน้ำมันหรือคราบน้ำที่ไม่สามารถตรวจจับได้ง่าย
การตรวจจับการลัดวงจรในงานเชื่อม SMT
SMT เป็นกระบวนการการบัดกรีที่สำคัญในอุตสาหกรรมอิเล็กทรอนิกส์ SolVision ตรวจจับข้อบกพร่องบน PCB ซึ่งเป็นที่รู้กันว่ามีส่วนประกอบขนาดเล็กและซับซ้อนจำนวนมาก
การตรวจสอบเครื่องหมายรับรองความปลอดภัย
การตรวจสอบเครื่องหมายรับรองความปลอดภัย การตรวจจับเครื่องหมายรับรองที่มีข้อบกพร่องด้วย AI อัตโนมัติของ Solomon SolVision
การระบุและจำแนกเซลล์ด้วย AI
ปรับใช้โมเดล AI ขั้นสูงของ SolVision เพื่อระบุและจำแนกเซลล์ ในกรณีที่ระบบ AOI แบบดั้งเดิมไม่สามารถตรวจจับและวิเคราะห์ความแตกต่างของเซลล์ได้อย่างมีประสิทธิภาพ
การตรวจสอบภาพของแนวเชื่อมในอุตสาหกรรมยานยนต์
ขับเคลื่อนด้วย AI ซอฟต์แวร์ Deep Learning ของ SolVision ฝึกโมเดล AI โดยจำลองข้อบกพร่องของแนวเชื่อมภายใต้สภาพแสงที่ไม่แน่นอน
การตรวจสอบสายไฟของยูนิตจ่ายไฟด้วย AI
โมเดล AI สามารถระบุข้อผิดพลาดในการเชื่อมต่อสายไฟได้อย่างแม่นยำ และคัดแยกผลิตภัณฑ์ที่ไม่ได้มาตรฐานแบบเรียลไทม์
การตรวจสอบคุณภาพเคสโลหะด้วย AI
ระบบ AI ตรวจจับภาพ SolVision ช่วยยกระดับการควบคุมคุณภาพและการตรวจสอบชิ้นส่วนโลหะ ด้วยความแม่นยำและความเร็วที่สูงขึ้น เพื่อป้องกันสินค้ามีตำหนิ
การตรวจจับข้อบกพร่องของสลักเกลียวโลหะด้วย AI
SolVision รับประกันอัตราการตรวจจับข้อบกพร่องที่แม่นยำ 100% ภายในเวลาเพียง 49 มิลลิวินาทีต่อสลักเกลียว แก้ไขปัญหาพื้นผิวสะท้อนแสงและกำจัดข้อผิดพลาดจากการพลาดการตรวจจับ
การตรวจสอบข้อบกพร่องของชิ้นส่วนโลหะที่ถูกปั๊มด้วย AI
มีข้อบกพร่องหลายประเภทที่อาจปรากฏแตกต่างกันในแต่ละครั้งบนชิ้นส่วนที่มีการตอก โดยเฉพาะรอยคราบน้ำมันหรือคราบน้ำที่ไม่สามารถตรวจจับได้ง่าย
การตรวจจับการลัดวงจรในงานเชื่อม SMT
SMT เป็นกระบวนการการบัดกรีที่สำคัญในอุตสาหกรรมอิเล็กทรอนิกส์ SolVision ตรวจจับข้อบกพร่องบน PCB ซึ่งเป็นที่รู้กันว่ามีส่วนประกอบขนาดเล็กและซับซ้อนจำนวนมาก
การตรวจสอบเครื่องหมายรับรองความปลอดภัย
การตรวจสอบเครื่องหมายรับรองความปลอดภัย การตรวจจับเครื่องหมายรับรองที่มีข้อบกพร่องด้วย AI อัตโนมัติของ Solomon SolVision
การตรวจสอบภาพของแนวเชื่อมในอุตสาหกรรมยานยนต์
ขับเคลื่อนด้วย AI ซอฟต์แวร์ Deep Learning ของ SolVision ฝึกโมเดล AI โดยจำลองข้อบกพร่องของแนวเชื่อมภายใต้สภาพแสงที่ไม่แน่นอน
การตรวจสอบสายไฟของยูนิตจ่ายไฟด้วย AI
โมเดล AI สามารถระบุข้อผิดพลาดในการเชื่อมต่อสายไฟได้อย่างแม่นยำ และคัดแยกผลิตภัณฑ์ที่ไม่ได้มาตรฐานแบบเรียลไทม์
การตรวจสอบคุณภาพเคสโลหะด้วย AI
ระบบ AI ตรวจจับภาพ SolVision ช่วยยกระดับการควบคุมคุณภาพและการตรวจสอบชิ้นส่วนโลหะ ด้วยความแม่นยำและความเร็วที่สูงขึ้น เพื่อป้องกันสินค้ามีตำหนิ
การดิจิทัลเกจก๊าซโดยใช้ AI
SolVision ช่วยให้การดิจิทัลเกจก๊าซโดยใช้ AI และ OCR ซึ่งช่วยเพิ่มประสิทธิภาพ ความแม่นยำ และเวลาตอบสนองในกระบวนการออปโตอิเล็กทรอนิกส์และการตรวจสอบก๊าซ
การตรวจสอบการบัดกรีแบบ BGA ด้วย AI
SolVision AI ตรวจจับข้อบกพร่องในการบัดกรี BGA ได้อย่างแม่นยำ ช่วยยกระดับการตรวจสอบ ความแม่นยำ และการควบคุมคุณภาพสำหรับผู้ผลิต
การจำแนกเหรียญด้วย AI
ระบบการมองเห็นด้วย AI ของ SolVision โดดเด่นด้านการจำแนกเหรียญ โดยสามารถจัดประเภทเหรียญตามมูลค่าได้อย่างแม่นยำ แม้มีการออกซิเดชันหรืออยู่ในสภาพที่ต่างกัน
การตรวจสอบเวเฟอร์เซมิคอนดักเตอร์โดยอัตโนมัติ
เวเฟอร์ที่มีข้อบกพร่องมักจะมีข้อบกพร่องเล็กน้อยที่กระจายอยู่ทั่วพื้นผิว ซึ่งทำให้ระบบ AOI ไม่สามารถตั้งกฎสำหรับการตรวจสอบที่มีประสิทธิภาพได้
การตรวจจับข้อบกพร่องในการเชื่อมด้วยเลเซอร์โดยใช้ AI
SolVision เอาชนะความท้าทายในการตรวจสอบการเชื่อมด้วยเลเซอร์ด้วย AI โดยทำให้การตรวจจับข้อบกพร่องแม่นยำยิ่งขึ้น เพื่อควบคุมคุณภาพการเชื่อมด้วยเลเซอร์ที่ดีขึ้น
การตรวจสอบด้วย AI สำหรับตัวเก็บประจุเซรามิกหลายชั้น (MLCC)
SolVision ตรวจจับอิเล็กโทรดที่มีข้อบกพร่องในส่วนประกอบอิเล็กทรอนิกส์แบบพาสซีฟ เพื่อเพิ่มผลผลิตโดยรวมอย่างมีนัยสำคัญ
การตรวจจับข้อบกพร่องของการยึดติดในเซมิคอนดักเตอร์
กาวที่มากเกินไปอาจจะเหลืออยู่บนชิปหรือไหลล้นออกมาบนแผงวงจรและทำให้ชิปเอียง ส่งผลกระทบต่อความเสถียรของแพ็กเกจเซมิคอนดักเตอร์ทั้งหมด
การตรวจจับส่วนประกอบของแล็ปท็อปที่ผิดพลาดและหายไป
สำหรับงานที่ทำซ้ำๆ เช่นในกรณีนี้ การตรวจสอบด้วยภาพอัตโนมัติสามารถช่วยตรวจจับผลิตภัณฑ์ที่เสียหายและปรับปรุงประสิทธิภาพการทำงานของพนักงานได้
การตรวจสอบข้อบกพร่องของชิ้นส่วนโลหะที่ถูกปั๊มด้วย AI
มีข้อบกพร่องหลายประเภทที่อาจปรากฏแตกต่างกันในแต่ละครั้งบนชิ้นส่วนที่มีการตอก โดยเฉพาะรอยคราบน้ำมันหรือคราบน้ำที่ไม่สามารถตรวจจับได้ง่าย
การตรวจจับการลัดวงจรในงานเชื่อม SMT
SMT เป็นกระบวนการการบัดกรีที่สำคัญในอุตสาหกรรมอิเล็กทรอนิกส์ SolVision ตรวจจับข้อบกพร่องบน PCB ซึ่งเป็นที่รู้กันว่ามีส่วนประกอบขนาดเล็กและซับซ้อนจำนวนมาก
การตรวจสอบเครื่องหมายรับรองความปลอดภัย
การตรวจสอบเครื่องหมายรับรองความปลอดภัย การตรวจจับเครื่องหมายรับรองที่มีข้อบกพร่องด้วย AI อัตโนมัติของ Solomon SolVision
การตรวจสอบภาพของแนวเชื่อมในอุตสาหกรรมยานยนต์
ขับเคลื่อนด้วย AI ซอฟต์แวร์ Deep Learning ของ SolVision ฝึกโมเดล AI โดยจำลองข้อบกพร่องของแนวเชื่อมภายใต้สภาพแสงที่ไม่แน่นอน
การตรวจสอบคุณภาพเคสโลหะด้วย AI
ระบบ AI ตรวจจับภาพ SolVision ช่วยยกระดับการควบคุมคุณภาพและการตรวจสอบชิ้นส่วนโลหะ ด้วยความแม่นยำและความเร็วที่สูงขึ้น เพื่อป้องกันสินค้ามีตำหนิ
การตรวจสอบหน้ากากผ่าตัดโดยใช้ AI
SolVision ใช้เทคโนโลยีการเรียนรู้เชิงลึกเพื่อการตรวจสอบหน้ากากผ่าตัดที่มีประสิทธิภาพ ทำให้การตรวจจับข้อบกพร่องมีความแม่นยำและการควบคุมคุณภาพดีขึ้น
การตรวจสอบฝาขวดด้วยการรู้จำอักขระด้วยแสง (OCR)
ระบบ OCR ของ SolVision ยกระดับการควบคุมคุณภาพผลิตภัณฑ์อาหาร เครื่องดื่ม และยา โดยสามารถตรวจสอบข้อมูลที่พิมพ์บนฝาขวดได้อย่างแม่นยำ แม้ในสายการผลิตที่มีความเร็วสูง ด้วยเทคโนโลยี AI.
การตรวจสอบแผงบรรจุยาแบบปิดผนึกด้วย AI
SolVision ปฏิวัติการตรวจสอบแผงบรรจุยา ด้วยการเอาชนะความท้าทายของวัสดุสะท้อนแสง เพิ่มความแม่นยำและประสิทธิภาพในการผลิตยาโดยใช้ AI
การตรวจสอบการบัดกรีแบบ BGA ด้วย AI
SolVision AI ตรวจจับข้อบกพร่องในการบัดกรี BGA ได้อย่างแม่นยำ ช่วยยกระดับการตรวจสอบ ความแม่นยำ และการควบคุมคุณภาพสำหรับผู้ผลิต
การตรวจสอบภาพด้วย AI สำหรับแผ่นยิปซั่ม
โมเดล AI สามารถได้รับการฝึกฝนเพื่อระบุและหาตำแหน่งข้อบกพร่องบนแผ่นยิปซั่มได้อย่างแม่นยำ เพื่อปรับปรุงคุณภาพผลิตภัณฑ์และผลผลิตในการผลิต
การตรวจสอบเวเฟอร์เซมิคอนดักเตอร์โดยอัตโนมัติ
เวเฟอร์ที่มีข้อบกพร่องมักจะมีข้อบกพร่องเล็กน้อยที่กระจายอยู่ทั่วพื้นผิว ซึ่งทำให้ระบบ AOI ไม่สามารถตั้งกฎสำหรับการตรวจสอบที่มีประสิทธิภาพได้
การตรวจจับข้อบกพร่องในการเชื่อมด้วยเลเซอร์โดยใช้ AI
SolVision เอาชนะความท้าทายในการตรวจสอบการเชื่อมด้วยเลเซอร์ด้วย AI โดยทำให้การตรวจจับข้อบกพร่องแม่นยำยิ่งขึ้น เพื่อควบคุมคุณภาพการเชื่อมด้วยเลเซอร์ที่ดีขึ้น
การตรวจสอบด้วย AI สำหรับตัวเก็บประจุเซรามิกหลายชั้น (MLCC)
SolVision ตรวจจับอิเล็กโทรดที่มีข้อบกพร่องในส่วนประกอบอิเล็กทรอนิกส์แบบพาสซีฟ เพื่อเพิ่มผลผลิตโดยรวมอย่างมีนัยสำคัญ
การตรวจจับข้อบกพร่องของการยึดติดในเซมิคอนดักเตอร์
กาวที่มากเกินไปอาจจะเหลืออยู่บนชิปหรือไหลล้นออกมาบนแผงวงจรและทำให้ชิปเอียง ส่งผลกระทบต่อความเสถียรของแพ็กเกจเซมิคอนดักเตอร์ทั้งหมด
การตรวจจับส่วนประกอบของแล็ปท็อปที่ผิดพลาดและหายไป
สำหรับงานที่ทำซ้ำๆ เช่นในกรณีนี้ การตรวจสอบด้วยภาพอัตโนมัติสามารถช่วยตรวจจับผลิตภัณฑ์ที่เสียหายและปรับปรุงประสิทธิภาพการทำงานของพนักงานได้