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。
晶圆不良品分类及瑕疵定位自动化解决方案
传统光学检测无法针对全幅影像进行分类，故无法于第一阶段汰除瑕疵过多的晶圆。应用SolVision AI影像平台技术辨识瑕疵特征。首先判断晶圆是否具有过多瑕疵，汰除无法修复的不良品。其次运用图像处理技术分割晶圆影像，并以工具侦测瑕疵，记录其特征、坐标、面积等信息，大幅提升后续修补的效率。
‧
半导体晶片封装制程接着剂瑕疵检测解决方案
固晶接着剂透明，易造成光源折射影响特征判断，且爬胶、溢胶不具固定位置及型态，无法创建规则执行传统光学检测AOI。运用Solomon SolVision AI影像平台技术建立AI学习模块，自动学习并侦测爬胶、溢胶的特征及位置。增加多项正确类别提升辨识强度，有效降低环境因素的干扰。
‧
自动化导线架品质检测
导线架表面的各类瑕疵，包含边缘毛边、黑点杂质、刮痕等。若使用传统的AOI检测，当检测背景与瑕疵较为相近时，容易发生漏检的情形。使用SolVision AI瑕疵检测工具进行学习，以扩增功能增加AI学习范围，能有效检测出各类导线架瑕疵，在杂乱或复杂背景中，也能精确辨识有很好的辨识效果。
‧
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。
‧
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。
‧
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。
‧