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。
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。
‧
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。
‧
鸡蛋蛋壳品质检测分级解决方案
运用所罗门SolVision AI影像平台的Instance Segmentation技术，定位、标注影像样本中鸡蛋蛋壳裂隙瑕疵位置并以训练AI模型，训练完成后即可透过AI检测蛋壳表面的孔隙及裂痕情形再予以分级，提升鸡蛋食用的安全性及商品价值。
‧
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。
‧
渐层玻璃瓶瑕疵检测
渐层玻璃瓶皆经过喷砂制程雾面处理，制作过程常见的瑕疵类型为色泽不均或者瓶身出现黑点，而这些瑕疵因无法明确定义且样式不固定，难以采用AOI方法进行检测。训练完成的AI模型即可快速检出玻璃瓶身各角度之瑕疵分布，并标注出缺陷位置。
‧