SolVision

常见的LED基板瑕疵包括边缘毛边、焊垫氧化杂质、刮痕等，在瑕疵特征与背景相近的情况下，AOI检测不易将瑕疵检出。运用SolVision AI影像技术，以各式LED基板上瑕疵影像样本训练，经深度学习的AI即可精准地将瑕疵检出并标注。此外亦可指认瑕疵生成的所属区域，达到分区检测的目的。

化学机械平坦化(CMP)是半导体制造中不可或缺的制程之一，然而，研磨液中过大颗粒及微粒凝聚体可能造成晶圆上的微划痕，是CMP制程中最主要的瑕疵类型。传统AOI检测即使耗费大量人力撰写算法，仍无法精准侦测整张晶圆影像瑕疵。运用所罗门SolVision解决方案来精准找到研磨瑕疵

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。

固晶是芯片封装制程中的重要技术，固晶的精准与否，是半导体封装产线中产品良率的成败关键。但是传统光学检测无法利用撰写逻辑的方式检测角度、位移偏差及缺漏等瑕疵，经常造成漏检、误判、错误定位等问题，大大影响封装产线的生产效率。

引擎号码系以烙印方式印刷在引擎上，容易受到干扰，字体、背景明暗不均的情形，不易在产在线快速识别引擎上的编码。运用SolVision AI技术，以不同亮度的影像样本训练执行光学字符识别(OCR)，将影像中引擎号码转为数值，实时登录至原厂数据库系统中与车身号码链接。

焊接过程中，气体饱和所形成的气泡无法在焊接过程中及时排出而残留在焊道中，形成焊道气孔瑕疵，可能影响美观及结构质量。运用SolVision AI技术，将各种亮度的焊道气孔瑕疵影像进行标注，藉以训练AI模型，即能不受影像亮度影响检测出焊道上各处的气孔瑕疵。

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。