解决方案 · 按应用 —

瑕疵检测

人工智能缺陷检测解决了规则无法解决的问题:两次看起来都不一样的缺陷、移动位置以及隐藏在背景纹理中。这些部署表明制造商从少量标记图像中训练检测,然后在新缺陷类型出现时保持准确性。

AI 鸡蛋检测:自动化蛋壳缺陷检测与质量分级

自动化蛋壳检测帮助生产商在高速生产线上保持一致的质量分级标准。SolVision 利用深度学习技术检测蛋壳裂纹和气孔,根据蛋壳状况进行质量分级,减少对人工检测的依赖。

食品饮料加工

‧

Quality & Defect Inspection

基于AI的输送线加工食品检测

SolVision采用基于AI的机器视觉技术,对输送线上移动的加工食品进行检测。即使产品的外观和位置存在差异,系统仍可识别过度烹制、烧焦、油脂过多及产品粘连等外观缺陷。

食品饮料加工

‧

Quality & Defect Inspection

AI 渐变色玻璃瓶缺陷检测

了解 SolVision 如何利用基于 AI 的视觉技术,在自动化质量检测过程中识别渐变色香水玻璃瓶上的不规则表面缺陷。

Pharmaceuticals & Medical

‧

Quality & Defect Inspection

基于 OCR 与缺陷检测的 AI 产品标签检测

SolVision 结合基于 AI 的 OCR 与缺陷检测,对电子产品标签进行检测,识别受损字符,并将印刷信息数字化,用于生产和库存管理。

电子产品组装

‧

OCR & Character Recognition

用于检测缺失元件和组装错误的 AI PCB 检测

SolVision 可检测组装完成的 PCB 是否存在缺失元件和组装错误,支持对不同电路板布局进行一致的质量检测。

电子产品组装

‧

Quality & Defect Inspection

使用 AI 进行织带质量检验的织物缺陷检测

一家织带制造商使用 SolVision 检查不同颜色、图案和纹理的织带,识别破洞、打结和断线缺陷。基于 AI 的织物缺陷检测有助于提高质量检验的一致性和生产追溯能力。

纺织与制鞋

‧

Quality & Defect Inspection

利用 AI 进行可回收玻璃瓶检测

SolVision 通过基于 AI 视觉检测的自动化可回收玻璃瓶检测,在瓶体回收再利用过程中识别并分类瓶身表面异常。

食品饮料加工

‧

Quality & Defect Inspection

利用 AR + AI 进行连接线缆分类

META-aivi 利用 AR + AI 对 USB、HDMI、Lightning 和 RJ45 线缆进行识别、分类与计数,适用于电子制造环境。

电子产品组装

‧

视觉分类识别

使用AI进行瓶盖检测

基于AI的瓶盖检测利用SolVision在高速生产线上对反光铝制瓶盖进行实时OCR识别,读取批号与生产日期。

食品饮料加工

‧

OCR & Character Recognition

基于AI的安全针质量检测

基于SolVision AI的安全针检测可提升安全型针具的缺陷识别能力,加强医疗器械生产中的质量控制。

Pharmaceuticals & Medical

‧

Quality & Defect Inspection

使用 AI 的石膏板检测

使用 SolVision AI 的石膏板检测可实现自动化质量控制,识别石膏板制造过程中的污渍、划痕及压纹缺陷。

建筑施工行业

‧

Quality & Defect Inspection

使用 AI 的精密加工零部件缺陷检测

基于 SolVision 的 AI 精密加工零部件缺陷检测,可实现对划痕、刀痕及表面不规则缺陷的可靠检测。

金属加工行业

‧

Quality & Defect Inspection

使用 AI 的 CMP 质量检测

SolVision 基于 AI 的 CMP 质量检测可检测晶圆划痕与污染,突破半导体检测中基于规则的 AOI 系统限制。

半导体制造业

‧

Quality & Defect Inspection

使用 AI 的药用小瓶检测

SolVision AI 实现药用小瓶检测自动化,可检测沉淀、变色及杂质,确保质量控制的一致性。

Pharmaceuticals & Medical

‧

Quality & Defect Inspection

运用 AI 进行笔记型电脑组装验证

SolVision AI 确保笔记型电脑组装验证的一致性,透过即时侦测缺陷来维持品质并优化生产流程。

电子产品组装

‧

装配完整性检查
SolVision · Defect detection
Run your own parts through SolVision —
Bring your defect images, get a trained inspection model back.