成功案例
机器视觉案例研究展示 AI 视觉如何检测缺陷、识别物体并引导机器人完成产线任务。内容涵盖质量检测、分类、OCR、AR 辅助作业、视觉引导机器人、装配验证与物流拣选，并呈现半导体、电子、汽车、制药、医疗器械和物流生产中的实际应用、部署流程、现场条件及自动化成果，帮助制造团队评估不同场景的技术配置和集成需求。
产品导入案例
成功案例
AccuPick
SolVision
META-aivi
SolMotion
使用AI进行赌场筹码计数验证
META-aivi 验证可确保赌场筹码计数达到100%准确，从而提高亚洲最大赌场之一的现金支出安全性和效率。
汽车引擎号码OCR字符识别
借由Solvision AI视觉检测技术，快速、准确识别汽车引擎上的字符，减少人工目视识别错误，提升效率。
透过 AI 辨识与计数，进行智慧货物盘点
由于物品种类繁多，过往仰赖人力盘点时常有所疏漏，导致库存数量异常。运用AR+AI技术，系统可自动分类物品种类和计算数量，自动产生盘点报表。
使用搭载 AI 的无人机进行风力发电机检测
通过搭载META-aivi的无人机，能最大化风力发电机检查效率，减少陆上和海上风电场维护时可能的人为错误。
使用 IP 摄像机监控射出成型机
META-aivi 通过自动化机器故障检测和监控来优化塑料射出成型，以提高效率、减少停机时间并降低成本。
电动车零配件组装 SOP 验证
汽车由成千上万个零件组成，是复杂度相当高的工业化产品。然而，由于制作程序复杂，要如何确保安装流程符合安全规范，便成为业者必须控管的关键。只要通过AI+AR扩增技术，人员就能通过AI提示进行准确组装SOP验证，从而提高产量，降低人为错误的风险。
金属螺栓AI视觉瑕疵检测
SolVision瑕疵检测确保每个螺栓仅需49毫秒即可实现100%的完美缺陷检测率，解决反射表面难题并消除漏检。
META-aivi 智能焊缝检测
焊接，是一种以加热或加压方式，来接合金属、非金属等材质，用以巩固整体结构安全的工艺技术。而现今汽车业已从过去大量生产，转变为少量多样的客制化生产，车架的尺寸也因样式差异而不同，且焊接点形状不一，再加上车架具有多面多项的特性，焊接处及应用亦随之变动，因此难以针对此类情形制订固定规则以检测焊缝瑕疵。
META-aivi 智能厂务管理
巡检制度是否落实、管理执行效率高低、异常讯息上报速率等因素，都与企业生产效率与安全性息息相关，也因此巡检、维修成为各行业工厂，最重要的工作之一，越来越受管理单位的重视。但由于长期以来机电设施的维护还存在规范不足、制度不清晰、涵盖范围不完全等问题，为了满足设备管理单位对机电设备管理日益增加的需求，将运行中的机电设备的仪表数值建入设备维护管理系统，已成为厂务设施能否进行智慧化管理的重要过程。
透过AI进行输液袋异物检测
探索SolVision如何在IV袋中实现100%的异物检测准确率。了解我们关于医疗保健领域高效AI检测的案例研究。
金属螺栓AI视觉瑕疵检测
SolVision瑕疵检测确保每个螺栓仅需49毫秒即可实现100%的完美缺陷检测率，解决反射表面难题并消除漏检。
利用机器人实现自动化铁轨接缝板去毛边处理
使用了SOLMON公司的AI 3D机器视觉技术Solmotion来进行接缝板的位置识别。准确地识别接缝板端面进行毛边修整的位置并进行了修正。在毛边修整过程中，我们在接缝板流动到修整位置之前的一侧安装了Solmotion的摄像头系统，用于解析接缝板的截面。
META-aivi 智能焊缝检测
焊接，是一种以加热或加压方式，来接合金属、非金属等材质，用以巩固整体结构安全的工艺技术。而现今汽车业已从过去大量生产，转变为少量多样的客制化生产，车架的尺寸也因样式差异而不同，且焊接点形状不一，再加上车架具有多面多项的特性，焊接处及应用亦随之变动，因此难以针对此类情形制订固定规则以检测焊缝瑕疵。
META-aivi 智能厂务管理
巡检制度是否落实、管理执行效率高低、异常讯息上报速率等因素，都与企业生产效率与安全性息息相关，也因此巡检、维修成为各行业工厂，最重要的工作之一，越来越受管理单位的重视。但由于长期以来机电设施的维护还存在规范不足、制度不清晰、涵盖范围不完全等问题，为了满足设备管理单位对机电设备管理日益增加的需求，将运行中的机电设备的仪表数值建入设备维护管理系统，已成为厂务设施能否进行智慧化管理的重要过程。
META-aivi SOP智能工安巡检
在石化工厂的环境中，充满许多大型化学槽车，其专门承载危险性较高的化学液体及气体，以提供大型工厂使用。然而，由于化学品危险性高，装卸过程中如有任何一个环节出错，恐导致大量化学品泄漏，造成可能的财物损失、人员安全问题以及环境污染等严重工业灾害。故如何落实人员正确的操作流程与减少人为错误，是工厂安全的关键之一。
钱币面额智能化计算解决方案
许多制币厂试图以视觉技术进行钱币的筛选，使用SolVision的Feature Detection工具，学习钱币在各种亮度、脏污与氧化程度的影像数据，不仅可分辨图案相同但面额不同的钱币，亦可正确辨识出各国钱币，并实时计算出各国钱币的总面额。
芯片收纳(In-Tray)跳料检测解决方案
芯片于晶盘中跳料的情形系属随机，所致的瑕疵型态多样且难以预测瑕疵所产生的位置。运用SolVision AI影像平台技术，以具迭料、空料、歪斜错置、反转等瑕疵的影像样本训练AI模型，AI训练完成后即可轻易且迅速地辨识并标注晶盘上产生收纳异常的位置。
封装晶片边缘微裂瑕疵检测解决方案
由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。
晶粒边缘崩裂检测解决方案
由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。
组装电路板(PCBA)制程优化解决方案
PCBA上面集成了不同功能的电子组件、插槽及各种芯片组，制造流程繁琐，如何提升PCBA插件及组装的正确率，是良率提升的关键。SolVision AI瑕疵检测系统，学习多张PCBA的影像做AI训练，可辨检测细微瑕疵，使PCBA制成优化，效率大幅提升。
纱线瑕疵检测的最佳解决方案
保有生产效益的同时兼顾纱线质量，是纺织业者最大挑战。现今纱场依以人工检测为主，漏检率高且工时长，不利实际质量要求，传统AOI面对不固定瑕疵时亦难以检测，误判率高。使用SolVision工具使AI学习辨识瑕疵特征，快速且精准地找出各项缺陷，有效改善检测速率、成品良率并降低品检负担。
积层陶瓷电容制程优化解决方案
SMD电容体积较小，观察缺陷需在显微镜等级的微观工具下观察，且因MLCC非常脆弱，检测过程也须非常小心，困难度极高。使用SolVision工具，学习电极上凸出部分的瑕疵形状及位置，建立AI模型，在AI学习瑕疵特征之后，即可快速检测电容凸出部分的缺陷，大幅提升整体制程的良率。
芯片承载盘检测解决方案
芯片承载盘是半导体加工制程的关键要素，芯片承载盘的轮廓与定位孔点常因作业造成瑕疵，过去多透过AOI光学检测方式予以检查。然而承载盘不易透过AOI检出并定位瑕疵，严重影响良率及生产效率。运用SolVision AI影像技术执行缺陷检测，以利使用者实时监测并排除承载盘异常。
袜品外观缺陷检测
袜品瑕疵形态多样，传统AOI适合用于整块布疋的检测，对于不固定的瑕疵检测有困难，且容易发生错杀，仍需人工进行复检。以SolVision工具完成AI模型的训练。可快速且精确地找出瑕疵、分类不同瑕疵并剔除不良品，把关产品质量、提升生产效率，透过对瑕疵进行分类与分析，更能够优化整体制程。
精准辨识多种橡胶射出成型瑕疵
橡胶射出成形采用AOI检测塑料缺陷时，由于瑕疵种类及位置多变，易遇橡胶射出瑕疵样品不足使得瑕疵定性定量困难，检测精准度不足。利用SolVision AI瑕疵检测，针对橡胶射出成品瑕疵形状与颜色建立数据库，AI学习可后辨识种类及位置多变的瑕疵。有效解决橡胶射出成品瑕疵不固定的检测问题。
金属外壳瑕疵检测与分类解决方案
利用SolVision的瑕疵检测工具，做出AI模型Training，针对瑕疵的形状长相建立瑕疵缺陷数据库，将复杂的缺陷人工检测转化成精准度高且规律的检测系统，以深度学习辨识异常并忽略可接受的微小缺陷，有效提升检测精准度及速率，兼顾产品严格的质量要求。
自动化激光焊接分类暨检测解决方案
雷射焊接具有不同的焊缝特征。由于产品的焊接位置、样式不尽相同，无法透过传统光学检测辨别焊缝样态，常造成焊接质量不一的情形。应用Solomon SolVision能够以焊缝特征影像训练AI模型，辨识焊接功率及漏焊瑕疵，并可透过深度学习，精准侦测焊缝的鱼鳞纹数量及分布。
商品外包装印刷瑕疵检测解决方案
做为商品外包装材料，软质的铝箔袋常在印刷过程中产生印刷错误、歪斜、脱落及漏印等情形。统光学检测和人工的方式出错率高。运用SolVision的Anomaly Detection工具，训练完成的模型即可针对印刷文字、图案上的形状、颜色等特征差异执行比对，侦测并标注瑕疵所在位置。
SMT制程的回焊短路检测解决方案
SMT制程回焊过程中，过多锡膏量或是印刷偏移可能导致锡球间短路，过去以人工方式检测，效率不彰。SMT多余锡膏在高温下的流动型态无法预测，难以传统AOI检出。运用SolVision AI技术，将SMT制程影像样本中的回焊短路瑕疵定位并标注，训练AI模型。可轻易检出锡球间短路情形。
塑胶扣具瑕疵检测解决方案
射出成型的扣具生产上最为常见的瑕疵为脱模剂油污、白点、毛边及残屑，其中属油污瑕疵最难检出。结合SolVision AI影像平台工具，分别针对各类表面瑕疵型态执行深度学习，训练完成的AI模型即可实时检出射出成型时产生油污与在内的各类瑕疵。