快速定位與讀取影像中的實心文字，同時可以容忍一定程度的傾斜與對比度變化，具備足夠的靈活性來克服字元建立且背景模糊的問題。另一方面，如果文字夠清晰，String reader 就會進行檢測，而如果文字基於意外被遮蓋，Matrox DA 也能自動切換到存在/不存在的檢查模式，能有效因應產線上的變化。

運用 SolVision AI 影像平台的 Segmentation 技術，將影像樣本中的瑕疵特徵予以標註並藉以訓練 AI 模型，完成訓練的 AI 模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

運用所羅門 SolVision AI 影像平台的 Segmentation 技術，將影像樣本中球桿頭上的細微瑕疵逐一標註，藉以訓練 AI 模型，訓練完成後的 AI 模型即能不受品牌商標、設計紋路及金屬光澤的影響，定位並標註所有細微的表面瑕疵。

可快速檢測杯子，並檢查出瑕疵出來，分別有四站檢查右側、左側、杯底及杯口等部位，確保其完整性。

對於探測螺紋玻璃瓶頸的微小缺陷問題，Cognex Deep Learning 就是絕佳解決方案。其透過可接受的玻璃容器頸口圖像組進行訓練。然後，缺陷探測工具便可識別缺口、內含物及裂縫等異常，同時接受廣泛多樣的潛在玻璃頸口外觀。

漸層玻璃瓶皆經過噴砂製程霧面處理，製作過程常見的瑕疵類型為色澤不均或者瓶身出現黑點，而這些瑕疵因無法明確定義且樣式不固定，難以採用自動光學檢測 AOI 方法進行檢測。 所羅門結合機器視覺與人工智慧使用 SolVision 以玻璃瓶瑕疵影像訓練 AI 模型，運用 Segmentation 技術找出並學習瑕疵影像的特徵條件，在拍攝所有角度之瓶身影像後，以訓練完成的 AI 模型即可快速檢出玻璃瓶身各角度之瑕疵分布，並標註出缺陷位置。

康耐視配備彩色與形狀識別工具的視覺產品可以加速分類流程並防止出錯。利用彩色與圖案匹配工具來識別元件，並檢測有無缺陷，包括損壞的元件和缺少的特徵。

1. 對應產品:G+G、TP+LCM。
2. 檢測解析度:10μm。
3. 檢測精度:長或寬,30μm 以上檢出。
4. 檢測項目:盒內氣泡、異物、貼合精度。
5. 特別功能:可作產品分層，以僅檢出盒內缺陷。
6. 機台軟體建立基本 AOI 框架，可規劃機台可自我學習軟體，客戶端可自行建立缺陷 code，讓機台可深入辨識學習，以達到最終智慧判定分類檢查機。

1. 使用 Matrox Imaging 的軟體、硬體零件及深度學習系統。深度學習技術擴展了圖像處理的領域，透過系統化的建置，大大地省去了成本、時間及人力，同時產品品質得到了極大的提升。
2. 團隊透過收集8000張以上的零件影像，手動標記分類出 OK 及 NG 後，使用 MIL CoPilot 的互動式環境來進行訓練及建立模型，最後將模型導入 Matrox DAX 進行新圖像的自動判讀分類。

康耐視深度學習是以角度與旋轉方向各異的一系列不同圖像訓練，而且分類工具可以穩健地將烤漆色彩分類。接著，在進行選擇時，康耐視深度學習會檢查整個圖像，適當加權計算圖像內的各項變化、反光、折射、粒度及色度，以選出最符合者。

1. 全彩/多頻譜掃描 (RGB CCD 感測器)，瑕疵檢出範圍廣
2. 多重閃頻曝光技術，可同時檢出不同光源瑕疵
3. 模組線性度校準 (CCD) ，可有效檢測寬幅的色差瑕疵
4. 可做瑕疵拼接，達到大瑕疵的檢出可能
5. 整合 encoder，可輸出瑕疵地圖

1. 獨有 AI 即時量測及檢測解決方案
2. 可對應“8/12” Wafer/Frame form
3. Chip 重置後位置偏移/旋轉量測
4. 可同時支援 Bumping damage/Die chipping 檢知

食品生產線製程中可能產生雜質異物，如橡皮筋、塑膠物、鋼絲、機台零件、碎骨、魚刺等，食品衛生客訴案件除了造成品牌名譽受損外，更可能被要求巨額的賠償。安口跨域合作推出食品應用 X 光檢測機，適用於食品業、製藥業和化工廠，能檢測出人眼難以辨識的微小汙染物，如鋼絲、不鏽鋼削屑、塑膠片等，並兼具檢核食品數量及缺損的功能。

1. 消弭非當層線路圖形干擾；當層線路缺陷有效檢出
2. 可對應4 Layer RDL 細微線路 L/S=2µm 線路產品
3. Die to Die & Die to CAD

1. 按客戶要求檢知孔徑尺寸，檢測精度:1μm
2. 表面外觀缺陷:異物、開口缺口、凹凸、鏽斑、斷開、開口遮蔽等

康耐視深度學習能可靠地識別會影響產品密封度的異物、無效密封、汙染，以及許多其他問題。採用 100% 視覺檢測，可以減少操作人員錯誤，並達到最高效率。深度學習還可進一步即時強調問題，讓操作人員或機器清楚指出問題，稍後再將問題分類。

康耐視深度學習可即時定位、分析及分類複雜的汙染問題，阻止大量生產線的汙染物進入供應鏈。深度學習結合如人類一般的檢測能力與電腦化系統的自動化、縮放及再現性功能。使用機器人，還可以增強這項能力，確保機器處理與視覺工具共同作業，檢測操作人員有時所沒看到的最複雜異常。最終結果就是能減少召回事件、降低重工成本，以及完整擷取產品影像與全程可追溯性。

此視覺系統可以透過區域網路串連到工廠的主 PC 系統，方便管理用戶登入、即時圖像、缺陷圖像及系統設置，而圖像亦可自動儲存到主 PC 上。，提供品保和其他部門查看。直觀的用戶界面搭配觸控螢幕，可用於監視和控制生產數據和檢查條件，亦可取得檢測結果及錯誤報告等資訊。

VisionPro 深度學習是高度可自訂的軟體，使用人工智慧 (AI) 分析數千張註釋影像，偵測具有挑戰性的環境中的缺陷，例如圓柱形和軟包電池芯表面。EtherInspect 是 VisionPro 支援的視覺軟體，可使用內建範本和工具加速部署。搭配 In-Sight D900 等模組化 2D 硬體使用時，這些解決方案可讓使用者快速處理 EoL 電動車電池檢查。當強大的缺陷偵測比速度更重要時，如 In-Sight 3D-L4000 等 3D 解決方案可提供更準確、更精確的測量和表面檢測。

線掃描康耐視工業用攝影機 (CIC) 的曝光時間短，非常適合電極塗層檢測等高速連續作業。結合 VisionPro 深度學習軟體，該解決方案可以隔離不良對比環境中的細微缺陷，如霧面黑色電極塗層。

康耐視深度學習使用彩色相機，精準地驗證捲繞流程已毫無錯誤地完成。缺陷探測工具可從一組訓練圖像學習，當中包含零錯誤的捲繞方式，還有針對許多不同重疊、錯位、交叉狀況和出現在各種不同位置的其他可能錯誤加上標籤的圖像。

1. 5-8inch≤12S，1-12inch≤20S，12.1-17inch≤35S。
2. 過檢率≤3%，漏檢率≤0PPM，以滿足客戶管控出貨量率。
3. 使用先進的演算法，可穩定檢測 ITO MICRO SCRATCH。
4. 可生成每日生產檢測明細及具備 MES 上傳功能，便產品資訊查詢。

ECS 渦電流篩選機用於檢測熱處理良否、硬度、材質混淆

Cognex Deep Learning 工具提供更簡單的方式，來學習和分類碎裂與毛邊痕跡，以及與切割流程後的正常切口痕跡區分。輕鬆訓練軟體，識別所有碎裂與毛邊，分類為可接受或不可接受，以及忽略在誤差範圍內的正常痕跡。

康耐視的 In-Sight 9912 視覺系統提供將此計數步驟自動化的解決方案。每個盒子都包含如標誌、產品名稱或數字代碼等標識。當料箱來到相機面前時，In-Sight 9912 會使用 PatMax 物件定位技術，迅速找到選擇的標識或圖案，然後計算在料箱中找到的數量。系統的大視野與高解析度光學件配置，最適合用於大型料箱與很遠的檢測距離。In-Sight 9912 會在平板電腦或膝上型電腦等的顯示螢幕或網頁式 HMI 上顯示結果，讓操作人員可以查看檢測結果。

Cognex Deep Learning 最適合用來對組裝與包裝的裝置進行 X 光檢測與驗證。裝配驗證工具透過含有未受損組件且正確組裝的裝置圖像組進行訓練，並學會全系列的可接受位置變化與各種不同組件的位置。完成訓練之後，及可迅速識別和剔除那些出現彎曲、位置不正確或遺失組件，以及藥物量不正確的組裝，同時接受全系列正確組裝的裝置。

小巧卻強大的 In-Sight 8000 系列視覺系統可檢測電子菸，協助菸草業製造廠商確保其產品不含有害碎片。In-Sight 8402 搭配外部條形燈，可輕鬆架設在機器內，均勻地照明檢測區域，以及檢查濾嘴。由於興趣區相當小，因此縮小視覺系統的視野 (FOV) 提供 2MP In-Sight 8402 可清楚識別瑕疵的額外解析度，同時跟上高速運作的機器。和所有 In-Sight 一樣，In-Sight 8000 系列可使用 In-Sight 資源管理器軟體搭配直覺式 EasyBuilder 配置環境，迅速又輕鬆地設定和部署。

1. 組件定位工具可透過少量含有所需美式臘腸片數或其他配料量的披薩圖像組進行訓練。接著，即使彼此相接或重疊，也能識別、找到美式臘腸切片並計算數量，同時忽略底下的起司與醬料變化。如果配料數量不在規定的限制內，披薩就會遭到剔除。
2. 缺陷探測工具可透過可接受披薩的圖像組進行訓練，即使披薩上面有多種不同配料，也不是問題。接下來會探測任何實體汙染物，包括不適合此披薩種類的配料，同時忽略底下的起司與醬料變化。
3. 分類工具可透過一組為工廠內所生產全系列披薩種類加上標記的圖像進行訓練。之後便可區分各種不同差異，並加以分類，以便放入適當包裝，並精準地進入庫存。這些工具可以全部一起使用，幫助製造廠商自動化加工食品檢測，確保只有最高品質的產品會離開工廠，最終放在客戶的廚房餐桌上。

運用 SolVision AI 影像平台的 Segmentation 技術，以瓶蓋側文字及條碼影像樣本訓練 AI 模型並執行光學字元辨識(Optical Character Recognition, OCR)，即可於高速生產的飲品產線中精準辨識外包裝上的產品資訊，除檢出印刷不良的產品外，亦大幅強化產線溯源管理及紀錄存留的效率。

「 數位孿生 AI 檢測系統 」在現實世界與元宇宙中皆有一套相同的自動化系統，且即時同步運作。檢測系統採用兩個視覺相機，其中一台相機搭配 AI 檢測軟體做瑕疵檢測；另一台相機整合機器手臂及輸送帶追蹤系統，精準地夾起移動中的 PCB，並依照 AI 檢測結果分放到 OK 或 NG 區域。

1. 完整業界各式尺寸與產品檢測經驗
2. 可搭配各式暫存區、卡匣、人檢站、抽屜、高空輸送機、廢料車等需求規劃
3. 依客戶需求彈性化的軟體設計以符合客戶操作習慣
4. 可將統計資料電子檔上傳工廠製造系統或直接報表輸出
5. 完整的教育訓練與技術支援服務體系

1. 全中文化操作介面。
2. 產品微調整快捷頁面。
3. 統計功能(總檢測量/合格品數量/異常品數量)。
4. 異常圖片儲存及分類。
5. 檢測中可調整設定。
6. 完整剔除機構規劃(低,中,高速型/接觸及非接觸型)。
7. 設備最快可以處理1200pcs/分鐘。

In-Sight 視覺系統搭配 OCRMax 技術，可偵測日期和批代碼存在與否，以及驗證其字母與數字鏈是否正確。面對要求嚴苛的 OCR，包括雷射銘刻、打點或化學刻蝕的 DPM 文字，康耐視 AI OCR 工具可確保精準讀取和驗證條碼。這些工具可使用 OCR 與字元驗證 (OCV)，解碼變形、歪斜及蝕刻不良的字元。預先訓練的全方向字型庫無需設計其他程式或字型訓練，即可識別大部分文字。

1. AI 即時檢測；檢測運算速度可達50 FPS 以上
2. Open/Short/Dent 缺陷檢出
3. 有效避免銅顆粒/異色/異物假點
4. 提供 SAP/mSAP 製程閃蝕蝕刻前電鍍銅線路

在相同的光源條件下，Cognex Deep Learning 可迅速識別孔隙，而其他方法卻還在設法檢測。工程師可用一組代表「合格」與「不合格」的汽缸圖像，利用遮罩篩檢程式調整興趣區，消除軸中鏤空的明亮圓平面，在數分鐘內完成訓練軟體。技術人員可在監視模式下使用康耐視深度學習缺陷檢測工具，對標記為「不合格」的圖像中的氣孔進行注釋，並調整參數，包括特徵尺寸，比例，寬高比和剪切模量，以確保所創建的參考模型充分考量所有外觀變化。描述正常汽缸的「合格」圖像可協助軟體學會可容許何種類別的些微鑄造異常與變化。工程師能重新訓練系統，調整參數並增加其他圖像，直到模型能歸納出正常的汽缸外觀並辨識出異常情形為止。在執行期間，基於深度學習的軟體可在毫秒內檢測每個圖像，將帶有孔隙的特徵描繪為缺陷，並將其他特徵視為正常。

1. 高速檢測檢測能力最高 1PCS/秒(2M)。
2. AI 深度學習辨識瑕疵。
3. 可調整檢測軌道。
4. 檢測面積 2mm2 -200mm2。
5. 檢測相機採用2M-25M 高速面相機。
6. 檢測精度相機搭配鏡頭解析度0.001mm-0.05mm 。
7. 量測能力每秒可檢測2M 60張/秒或5M 4張/秒。
8. 分類詳細記錄量測數據分別依相機順序存入各個目錄檔案夾中，依日期及排序。自動依日期時間為建立檔名。
9. NG 照片處理自動產生目錄檔案夾，並自動依日期時間為檔名建立。檢測中點選畫面中 NG 縮圖或圖塊，可彈出該完整照片。
10. 即時量測趨勢圖可以顯示各軸的最近1000筆的數據顯示。
11. 操作方式具有作業模式(只顯示數據)，工程模式(含即時影像)和調機模式。

康耐視 VisionPro 軟體提供快速準確的方法，在包裝 Mini LED 前對其進行計數。作業人員可以輕鬆訓練軟體，識別、定位和計算極微小的 LED 晶粒圖案。計數工具會尋找灰階像素值圖案定義的功能。無論影像之間的像素強度如何變化，它都能迅速準確地找到圖案。每次執行時，它可以定位成千上萬顆晶粒，並定位小至 4x4 像素的晶粒圖案。控制系統會儲存製造歷史記錄和貼附在成品包裝的條碼標籤的結果。

LEDA Monocle 是一套人工智慧自動光學檢查（AI-AOI）軟體，可用於隱形眼鏡缺陷檢測。結合凌華科技強大效能的 AI 機器視覺系統，它提供了完整的 AI-AOI 解決方案，可以設置產品缺陷標準，根據這些標準準確檢測產品，解決以往人工目檢中誤報率高的問題，幫助隱形眼鏡製造商，檢測智慧化，順利提高品質檢驗的準確性和速度。

許多現代三維視覺解決方案提供簡單易用的斑點 (Blob)、體積及邊線採集器工具，解決複雜的食品檢測應用。In-Sight 3D-L4000 智慧相機搭配使用康耐視 In-Sight 軟體可以精簡流程，以熟悉的試算表格式輕鬆使用這些工具。In-Sight 3D-L4000 提供最高品質的 2K 解析度與專利的無斑點藍光雷射光學件配置，為在線式測量值產生更準確的三維點雲。由於 In-Sight 3D-L4000 可產生完整的三維點雲，而不只是表面上方的高度圖，因此可以更準確地套用三維斑點 (Blob) 工具來識別不同但相接的物體，例如容器中的餅乾。In-Sight 3D-L4000 提供許多真正的三維演算法，可用來體積測量值，例如圓柱體之間的距離。

硬碟支架製造過程出現的瑕疵種類繁多，包括金屬的壓傷、表面白霧、孔批麟、孔黑等等，透過人工檢測不容易逐一檢出，然而微小的缺陷在組裝過程可能造成孔隙無法對齊等問題發生。 使用 SolVision 的 Segmentation 技術，針對金屬支架上瑕疵的形狀來訓練 AI 模型，AI 學習瑕疵特徵後，能夠快速檢測出硬碟金屬支架上的各類微小瑕疵。

1. 高速檢測具有檢測能力24公尺/分。
2. 同步檢測數量最多同時檢測6條。
3. 檢測帶寬8mm 及12mm。顏色透明，黑白均可。

Cognex Deep Learning 最適合用來探測微小且無法預知的缺陷。其透過巧克力的圖像組進行訓練，當中涵括所有可接受類型的變化範圍。隨後無論缺陷類行為何，缺陷探測工具都可將偏離可接受範圍的任何一顆巧克力標示為異常。這一些都要予以移除以維持品質標準。

Cognex Deep Learning 可輕鬆迅速地辨別咖啡豆的不同顏色、大小和特徵，所以很適合用來分類咖啡豆。其可透過每一種送來入倉的咖啡豆圖像組進行訓練。即使不同類型的豆種看起來非常相似，分類工具也能區分出不同的類型，同時接受每種類型本身的自然變化。缺陷探測工具可在一批咖啡豆送去調配之前，注意當中是否有任何實體雜質。

康耐視 AI 圖像分析軟體針對表面檢測外觀缺陷時，可靠度與人工檢測人員相當，但卻擁有電腦化系統的速度。缺陷探測工具能以訓練圖像為基礎，構成可靠的形狀與紋理模型，在標準照明下，即使圖像品質不良，也能發現粗糙材質上的缺陷。其再由此將表面紋理變化識別為異常，然後使用分類工具再分類為碰撞或掛擦。持續向市場提供優質產品，可提升客戶的滿意度，並改善品牌忠誠度。

康耐視的 In-Sight 7800 系列視覺系統可精準地讀取香菸稅章上的 OCR 代碼，協助菸草業製造廠商符合嚴格的菸草法規。In-Sight 7905 使用 PatMax 物件定位工具，尋找並定位稅章上的圖案。接著，使用曝光分布圖與 OCR 工具，找到字元並讀取 OCR 代碼。In-Sight 7905 能以很小的檢測距離完美無暇地運作，從高速進行列印的機器擷取和檢測高解析度、高對比度且沒有變形的圖像。

使用分佈圖工具，In-Sight 7800 可檢測代表包裝不良的反光不均與缺少反光的情況。安裝在外部條形燈後方的視覺系統，可提供所需的高解析度、速度及大視野 (FOV)，可靠地檢測繞著裝配輪高速移動的香菸拉紙。整合式鏡頭搭配 IP67 級別的鏡頭蓋，保護系統不受骯髒香菸製造機器中的碎片影響。使用 In-Sight 資源管理器設定的 In-Sight 7800，簡單易用且部署容易，並可輕鬆地與工廠自動化環境整合。

康耐視的 In-Sight 2000 視覺感測器可確保能確切依照規格切割香菸。使用邊緣檢測工具，In-Sight 2000 可找到香菸濾嘴紙的兩端，並識別應該切割香菸條的中點。In-Sight 2000 的規格尺寸小巧，可以安裝在香菸機器的狹小空間內。其還具備大功率的集成光源，提供必要照明，加上數個可提供大視野的鏡頭選項，可近距離工作範圍內擷取高解析度圖像。

康耐視的 In-Sight 2000 視覺感測器最適合用來解決此雙重檢測。其規格尺寸非常小，只有 92 x 60 x 52mm，可以安裝在狹小空間內。大功率的集成光源與光學件配置可在檢測距離很近時，提供高對比度、高解析度的圖像。使用此最佳圖像，感測器能夠檢測濾嘴紙對準情況並探測點膠。In-Sight 2000 會將檢測結果傳送至可程式設計邏輯控制器 (PLC)，可在發現缺陷時，迅速讓機器停下，以避免浪費和可能會在香菸製造機器中造成阻塞的情況。

採用 X/Y 龍門移動平台，可個別或整合搭載色度/膜厚/OD 光譜儀量測模組，應用於各塗佈製程後的色度/膜厚/OD 不均及異常的自動精密量測

Cognex Deep Learning 可以將大型出貨紙箱中的濾嘴數量 100% 計算出來，解決這個要求嚴苛的應用。康耐視將定位工具，安裝在頭頂上方的2900萬像素的攝影機及與箱子平行放置的功能強大的外部條形燈結合使用，可對裝有4,000多個過濾嘴的運送箱進行計數。使用一小組樣本圖像，即可輕鬆訓練 Cognex Deep Learning，識別各種類型濾嘴上的缺陷，包括白色、活性碳及內凹在內，確保無論濾嘴的尺寸、色彩及形狀為何，都能精準地計數。