分類辨識

電源供應器內部元件及線路多元且複雜，檢測接點時容易受到背景干擾而影響視覺判斷。額外使用人工及AOI傳統光學檢測皆不易執行，難以於產線端有效管控產品品質。經訓練的AI模型可以精準地偵測並定位線材錯接的電源供應器接線瑕疵，即時將不良品檢出。

電子元件製造過程追蹤為半導體之產出基石，辨識元件編號被視為生產重要環節之一。但較差環境下讓AOI辨識更加困難，對於提升產線效率以及降低字元的誤判度有很大改善空間。利用SolVision技術執行光學字元辨識，有別於傳統AOI，不受底色、環境光線及字元種類多等限制，可精準識別個別編碼。

各式輸液皆以透明點滴袋包裝，點滴袋上都會清楚註明種類、濃度及容量資訊。由於各式點滴袋體上打印標籤位置不一，在產線尚無法以一般光學檢測取代人工進行品項分類。所羅門運用SolVision技術，針對點滴袋體上的名稱、濃度、容量等影像資訊訓練AI學習影像特徵，可以快速辨識並分類各式輸液品項。

利用SolVision的瑕疵檢測工具，做出AI模型Training，針對瑕疵的形狀長相建立瑕疵缺陷資料庫，將複雜的缺陷人工檢測轉化成精準度高且規律的檢測系統，以深度學習辨識異常並忽略可接受的微小缺陷，有效提升檢測精準度及速率，兼顧產品嚴格的品質要求。

雷射焊接具有不同的焊縫特徵。由於產品的焊接位置、樣式不盡相同，無法透過傳統光學檢測辨別焊縫樣態，常造成焊接品質不一的情形。應用Solomon SolVision能夠以焊縫特徵影像訓練AI模型，辨識焊接功率及漏焊瑕疵，並可透過深度學習，精準偵測焊縫的魚鱗紋數量及分布。