Vision with Intelligence
SOLOMON
产品中心
以AI視覺為核心,涵蓋視覺檢測、3D感測與機器人、AR作業指引,以及AMR模擬與調度,支援快速部署與彈性擴充。
AI 视觉检测
META-aivi
SolVision
産業用ロボット自動化
SolScan
AccuPick 3D 智能料箱拣选
SolMotion
AccuPick LM
解决方案
成功案例
真实部署,真实成果。看看全球制造商如何运用 Solomon 的 AI 视觉与机器人技术,解决最棘手的自动化难题。
按产品浏览
AccuPick
3D 相机与机器人技术
META-aivi
AR + AI 视觉
SolMotion
视觉与机器人技术
SolVision
视觉检测
3D 料箱拣选实现塑料零件搬运自动化
解决方案
按应用场景
从应用出发,找到对应的技术。这里的每一项应用,都对应一个真实的产线问题,以及一套经过验证的 AI 视觉与机器人解决方案。
透过AI实现自动化
— 从需要解决的任务出发
AI 视觉检测
OCR 光学字符识别
SOP 合规
仪表读取
分类识别
判别有无
安全监测
瑕疵检测
装配验证
计数验证
质量检测
远程监控
AI 机器人自动化
视觉导引机器人
精准拾取与放置
码垛与拆垛
物料分拣配套
机床上下料
无序抓取
料架上下料
打磨去毛刺
三维匹配
解决方案
按行业类别
检测,从来没有通用解。每个行业有自己的标准、自己的公差、自己的产线。探索已在与您相似的环境中实际部署并验证的 AI 视觉与机器人解决方案。
跨行业AI应用
— 应对各行业独特的挑战、标准与市场需求
工业领域
光电业
制造业
半导体产业
汽车业
电子业
石化业
纺织业
金属加工业
基础设施与能源
公用事业
可再生能源业
建造业
物流业
航天业
航空行业
民生消费与医疗
化妆品
奢侈品
食品业
零售
生技医疗业
酒店、娱乐与休闲业
SOLOMON
公司信息
所罗门通过全球据点、应用工程团队与合作伙伴网络,提供从可行性评估、概念验证到项目导入的完整支持,协助客户加速自动化落地。
关于我们
关于我们
台湾所罗门集团成立于1973年,由电子零件起家,逐步迈向自动化、电力能源,与AI驱动的3D机器视觉解决方案。
消息与活动
展会活动
看所罗门在 Automate、COMPUTEX 与 GTC 等全球大展呈现 AI、机器人与 3D 视觉技术。
资源中心
博客
从 AI 与 AOI 的差异到机器视觉、AI 视觉检测、机器人与工业自动化,深入了解智能制造专业知识。
客户评价
了解全球客户为何信赖并持续选择所罗门。
新闻稿
掌握所罗门最新的企业消息与技术发展动态。
视频
观看所罗门各项解决方案的实际应用视频。
联络我们
与我们的工业自动化专家深入交流需求。
获奖记录
探索所罗门屡获国际大奖肯定的创新成果。
产品手册
下载所罗门各项产品与解决方案的完整手册。
基于3D视觉的机器人随机抓取与自动化拾取放置
SolVision 的实际部署案例展示制造商如何在 PCB、晶圆、冲压金属、包装、制药与纺织产线上发现表面缺陷、零部件缺失、字符误读和封口失效。当缺陷形状与光照条件不断变化时,基于规则的 AOI 往往难以有效判断;每个案例均完整说明所用样本、AI 工具和实际检出率,帮助制造与质量团队了解各项检测场景、判断难点及案例结果。
成功案例
AccuPick
SolVision
META-aivi
SolMotion
使用 AI 进行 HVAC 焊接品质检测
SolVision AI 可执行 HVAC 焊接检测,即时识别焊接缺陷,确保稳定一致的质量,并降低错误与返工风险。
使用 AI 进行 BGA 焊接检测
SolVision AI 可检测 BGA 焊接缺陷,提升 PCB 与半导体生产中的检测一致性、准确性以及产线实时质量管控。
安规认证标章印刷缺陷检测
國內外安規認證的標章眾多,例如CE、EAC等,各有不同的標章圖示。過多的版面資訊在大量印刷過程中不易檢出多印或漏印的情形,可能影響商品的販售及使用。應用SolVision AI影像工具,訓練AI模型。訓練完成的AI模型即會自動檢出並標示所有差異地方,即為版面的印刷瑕疵。
使用 AI 进行车牌辨识和海运货柜号码识别
META-aivi 的 AR + AI 解决方案提高自行车车架生产的管材计数准确性和效率,减少错误并提升生产力。
使用AI进行培林螺纹瑕疵检测
Solvision AI视觉检测技术,清晰检验培林螺纹瑕疵,确保培林产品质量,解决人力肉眼无法目视瑕疵的问题,并提升产线生产力。
使用人工智能进行碳纤维布料瑕疵检测
利用Solvision AI的视觉检测技术,可以快速准确地识别碳纤维布料上的瑕疵,减少人工目视辨识的错误,提高效率。
高尔夫球杆头品质检测解决方案
高尔夫球杆头是球具组合中最重要的部份,消费者十分重视杆头完成面的细致程度。运用SolVision AI影像技术,将影像样本中高尔夫球杆头上的细微瑕疵逐一标注,藉以训练AI模型,训练完成后的AI模型即能不受商标、纹路及金属光泽的影响,定位并标注所有细微的表面瑕疵。
透明点滴袋打印标签辨识分类解决方案
各式输液皆以透明点滴袋包装,点滴袋上都会清楚注明种类、浓度及容量信息。由于各式点滴袋体上打印卷标位置不一,在产线尚无法以一般光学检测取代人工进行品项分类。所罗门运用SolVision技术,针对点滴袋体上的名称、浓度、容量等影像信息训练AI学习影像特征,可以快速辨识并分类各式输液品项。
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。
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。
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。
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。
晶圆切割刀体外观品质控管解决方案
晶圆切割系半导体及光电业界非常重要的制程,若无法在切割制程中维持高良率、高效率并保有芯片特性,将大幅影响整体产能。晶圆切割刀的质量控管主要透过外观瑕疵的检测,常见的外观瑕疵包括刀体上的不规则纹路、多钻等情形。由于有环状条纹,形成复杂影像背景,严重影响机器视觉对于瑕疵的侦测。
LED PCBA瑕疵检测解决方案
运用SolVision AI影像平台技术,在影像样本中定位并标注铝基板上的刮痕、脏污等异常及瑕疵情形,透过AI深度学习,即可自动且实时地检出并定位铝基板上的各式瑕疵,大幅提升产线生产效率。
包装密封检测解决方案
除了判断包装是否密封之外,须进一步确认密封不完全的型态与原因,但因为密封缺陷的型态差异小,且对象表面呈高反光,不论是人眼或AOI皆不易找出缺陷并将之分类。所罗门使用 SolVision工具,由影像定义出密封完好的状态,并与多种缺陷作比较,可实时检出没有密封完整的包装并将缺陷分类。
不锈钢管字符辨识解决方案
目前仍采用人力进行自行车车身号码的辨识与登录,耗费人工且效率低,若使用AOI进行字符辨识,因不锈钢管表面为圆弧曲面,打光容易造成反射,不论以人工或者AOI检测,针对曲面、反光不锈钢管上字样的辨识皆较为困难。所罗门结合机器视觉与人工智能,对于光学字符识别可以得到极佳的辨识效果。
高尔夫球杆头品质检测解决方案
高尔夫球杆头是球具组合中最重要的部份,消费者十分重视杆头完成面的细致程度。运用SolVision AI影像技术,将影像样本中高尔夫球杆头上的细微瑕疵逐一标注,藉以训练AI模型,训练完成后的AI模型即能不受商标、纹路及金属光泽的影响,定位并标注所有细微的表面瑕疵。
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。
AI影像辨识 – OCR电子元件字符
电子组件制造过程追踪为半导体之产出基石,辨识组件编号被视为生产重要环节之一。但较差环境下让AOI辨识更加困难,对于提升产线效率以及降低字符的误判度有很大改善空间。利用SolVision技术执行光学字符识别,有别于传统AOI,不受底色、环境光线及字符种类多等限制,可精准识别个别编码。
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。
透明点滴袋打印标签辨识分类解决方案
各式输液皆以透明点滴袋包装,点滴袋上都会清楚注明种类、浓度及容量信息。由于各式点滴袋体上打印卷标位置不一,在产线尚无法以一般光学检测取代人工进行品项分类。所罗门运用SolVision技术,针对点滴袋体上的名称、浓度、容量等影像信息训练AI学习影像特征,可以快速辨识并分类各式输液品项。
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。
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。
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。
使用 AI 进行 BGA 焊接检测
SolVision AI 可检测 BGA 焊接缺陷,提升 PCB 与半导体生产中的检测一致性、准确性以及产线实时质量管控。
安规认证标章印刷缺陷检测
國內外安規認證的標章眾多,例如CE、EAC等,各有不同的標章圖示。過多的版面資訊在大量印刷過程中不易檢出多印或漏印的情形,可能影響商品的販售及使用。應用SolVision AI影像工具,訓練AI模型。訓練完成的AI模型即會自動檢出並標示所有差異地方,即為版面的印刷瑕疵。
使用AI进行培林螺纹瑕疵检测
Solvision AI视觉检测技术,清晰检验培林螺纹瑕疵,确保培林产品质量,解决人力肉眼无法目视瑕疵的问题,并提升产线生产力。
使用人工智能进行碳纤维布料瑕疵检测
利用Solvision AI的视觉检测技术,可以快速准确地识别碳纤维布料上的瑕疵,减少人工目视辨识的错误,提高效率。
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。
泡壳包装品质管理解决方案
运用SolVision AI影像平台的Instance 实例切割技术,以包装良品及具各种瑕疵类型的影像样本训练AI模型。训练完成的模型可实时且迅速地辨识每一反光或透明泡壳的包装及填充情形,并将侦测到的瑕疵予以标注并分类。
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。
晶圆切割刀体外观品质控管解决方案
晶圆切割系半导体及光电业界非常重要的制程,若无法在切割制程中维持高良率、高效率并保有芯片特性,将大幅影响整体产能。晶圆切割刀的质量控管主要透过外观瑕疵的检测,常见的外观瑕疵包括刀体上的不规则纹路、多钻等情形。由于有环状条纹,形成复杂影像背景,严重影响机器视觉对于瑕疵的侦测。
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。
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。
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。
