制造业

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。

高尔夫球杆头是球具组合中最重要的部份，消费者十分重视杆头完成面的细致程度。运用SolVision AI影像技术，将影像样本中高尔夫球杆头上的细微瑕疵逐一标注，藉以训练AI模型，训练完成后的AI模型即能不受商标、纹路及金属光泽的影响，定位并标注所有细微的表面瑕疵。

国内外安规认证的标章众多，例如CE、EAC等，各有不同的标章图示。过多的版面信息在大量印刷过程中不易检出多印或漏印的情形，可能影响商品的贩卖及使用。应用SolVision AI影像工具，训练AI模型。训练完成的AI模型即会自动检出并标示所有差异地方，即为版面的印刷瑕疵。

金属加工冲压件上可能出现的瑕疵种类繁多且形态不一，油污及水渍更是不易观察。另一方面，金属加工件在取像时的亮度也各有差异，造成AOI瑕疵检测的执行相当不易。金属加工品的品管助手：AI瑕疵检测，经训练的AI模型可轻易检出各式冲压件上的瑕疵，大幅提升产品的表面质量。

电源供应器内部组件及线路多元且复杂，检测接点时容易受到背景干扰而影响视觉判断。额外使用人工及AOI传统光学检测皆不易执行，难以于产线端有效管控产品质量。经训练的AI模型可以精准地侦测并定位线材错接的电源供应器接线瑕疵，实时将不良品检出。

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。

笔电产品零件进入组合与包装程序后，利用人工方式进行配套零件的装配，在执行上下装壳与垂直螺丝组装等工序时，若有零件缺漏将直接影响最终产品质量，进入各通路贩卖后有损公司名誉。导入所罗门SolVision检测提高产品良率及稳定性，能持续优化其检测效力，有效提高产品的质量良率。

有螺纹的金属套件，容易因搬运造成工件碰撞受伤，或在加工过程中留下刀痕，即使搭配强光与显微设备，以人眼检测不易，容易发生误检与漏检。使用SolVisionl非监督式检测工具，可学习刀痕与碰撞瑕疵的特征，在AI训练完成后便可轻易检测出人眼不易辨识的瑕疵，挑出瑕疵对象，让出货质量更好。

空调及冷冻设备的制造过程中，热交换器的密闭容器所含的铁管、镜板、管帽、端板等部件皆需经过焊接工序，但由于焊接工厂属高温高热的场域，入内需穿着基本防护，且焊道的瑕疵缺陷复杂且不规则，凭借人工经验检测焊道，不容易维持质量一致，导入ＡＩ自动化检测势在必行。