瑕疵檢測

保有生產效益的同時兼顧紗線品質，是紡織業者最大挑戰。現今紗場依以人工檢測為主，漏檢率高且工時長，不利實際品質要求，傳統AOI面對不固定瑕疵時亦難以檢測，誤判率高。使用SolVision工具使AI學習辨識瑕疵特徵，快速且精準地找出各項缺陷，有效改善檢測速率、成品良率並降低品檢負擔。

SMD電容體積較小，觀察缺陷需在顯微鏡等級的微觀工具下觀察，且因MLCC非常脆弱，檢測過程也須非常小心，困難度極高。使用SolVision工具，學習電極上凸出部分的瑕疵形狀及位置，建立AI模型，在AI學習瑕疵特徵之後，即可快速檢測電容凸出部分的缺陷，大幅提升整體製程的良率。

晶片承載盤是半導體加工製程的關鍵要素，晶片承載盤的輪廓與定位孔點常因作業造成瑕疵，過去多透過AOI光學檢測方式予以檢查。然而承載盤不易透過AOI檢出並定位瑕疵，嚴重影響良率及生產效率。運用SolVision AI影像技術執行缺陷檢測，以利使用者即時監測並排除承載盤異常。

襪品瑕疵形態多樣，傳統AOI適合用於整塊布疋的檢測，對於不固定的瑕疵檢測有困難，且容易發生錯殺，仍需人工進行複檢。以SolVision工具完成AI模型的訓練。可快速且精確地找出瑕疵、分類不同瑕疵並剔除不良品，把關產品品質、提升生產效率，透過對瑕疵進行分類與分析，更能夠優化整體製程。

橡膠射出成形採用AOI檢測塑料缺陷時，由於瑕疵種類及位置多變，易遇橡膠射出瑕疵樣品不足使得瑕疵定性定量困難，檢測精準度不足。利用SolVision AI瑕疵檢測，針對橡膠射出成品瑕疵形狀與顏色建立資料庫，AI學習可後辨識種類及位置多變的瑕疵。有效解決橡膠射出成品瑕疵不固定的檢測問題。

利用SolVision的瑕疵檢測工具，做出AI模型Training，針對瑕疵的形狀長相建立瑕疵缺陷資料庫，將複雜的缺陷人工檢測轉化成精準度高且規律的檢測系統，以深度學習辨識異常並忽略可接受的微小缺陷，有效提升檢測精準度及速率，兼顧產品嚴格的品質要求。

雷射焊接具有不同的焊縫特徵。由於產品的焊接位置、樣式不盡相同，無法透過傳統光學檢測辨別焊縫樣態，常造成焊接品質不一的情形。應用Solomon SolVision能夠以焊縫特徵影像訓練AI模型，辨識焊接功率及漏焊瑕疵，並可透過深度學習，精準偵測焊縫的魚鱗紋數量及分布。

做為商品外包裝材料，軟質的鋁箔袋常在印刷過程中產生印刷錯誤、歪斜、脫落及漏印等情形。統光學檢測和人工的方式出錯率高。運用SolVision的Anomaly Detection工具，訓練完成的模型即可針對印刷文字、圖案上的形狀、顏色等特徵差異執行比對，偵測並標註瑕疵所在位置。

SMT製程回焊過程中，過多錫膏量或是印刷偏移可能導致錫球間短路，過去以人工方式檢測，效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測，難以傳統AOI檢出。運用SolVision AI技術，將SMT製程影像樣本中的回焊短路瑕疵定位並標註，訓練AI模型。可輕易檢出錫球間短路情形。

射出成型的扣具生產上最為常見的瑕疵為脫模劑油汙、白點、毛邊及殘屑，其中屬油汙瑕疵最難檢出。結合SolVision AI影像平台工具，分別針對各類表面瑕疵型態執行深度學習，訓練完成的AI模型即可即時檢出射出成型時產生油汙與在內的各類瑕疵。