电子业
电子机器视觉可发现细微缺陷并验证 PCB 和组件装配。覆盖范围包括 BGA 焊接、MLCC 表面、电缆绝缘、笔记本电脑制造、包装内容、连接器分类和设备检查，针对导致手动重新检查的低对比度错误。
电脑零组件瑕疵检测解决方案
硬盘支架制造过程出现的瑕疵种类繁多，包括金属的压伤、表面白雾、孔批麟、孔黑等等，透过人工检测不容易逐一检出，然而微小的缺陷在组装过程可能造成孔隙无法对齐等问题发生。使用SolVision工具AI学习瑕疵特征后，能够快速检测出硬盘金属支架上的各类微小瑕疵。
‧
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。
‧
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。
‧
物料管理优化方案，提高产品标签辨识度
电子产业中，如果料号标签无法辨识会大幅降低作业效率。卷标字体印刷不良卷标上的字体在印刷过程容易产生不规则的细微瑕疵，使得AOI难以辨识。利用SolVision进行缺陷以及字符辨识之AI深度学习，即便卷标字体出现不规则的缺陷仍能正确辨识，大幅降低物料管理的成本支出，提高库存管理正确性。
‧
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。
‧