康耐視深度學習的缺陷探測與分類工具使用許多不同合格與有缺陷的焊接連接變化進行訓練，並學習將功能性與塗裝瑕疵精準地分類和區分。不使用基於規則的傳統機器視覺，而改用基於範例的方法，可以縮短應用開發時間。

PTP 包材以透明 PVC 材質的泡殼結合鋁箔背膜為主，然而泡殼為透明材質，在快速運作的包裝產線中極易反射光線影響視覺判斷，造成產品包裝瑕疵率偏高的情形。運用 SolVision AI 影像平台的 Segmentation 技術，以包裝良品及具各種瑕疵類型的影像樣本訓練 AI 模型。訓練完成的模型可即時且迅速地辨識每一泡殼的包裝及填充情形，並將偵測到的瑕疵予以標註並分類。

1. 全中文化一對多操作介面。
2. 一對多畫面微調整快捷頁面。
3. 各畫面獨立統計功能(總檢測量/合格品數量/異常品數量)。
4. 獨立畫面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800pcs/分鐘。
8. 分站式獨立機構。

康耐視視覺系統利用多維成像驗證瓶蓋高度和傾斜度。In-Sight 視覺系統搭配邊緣檢測技術，測量瓶蓋最上方與瓶頸之間的距離，以及瓶蓋最上方的水平位置，確認符合預先制訂的限制。如此一來，視覺系統可以判斷瓶蓋是否牢牢地旋緊，達到安全密封狀態。瓶蓋高度與傾斜度檢測不合格的瓶子都會遭到剔除。

此套視覺檢測系統，除了解決製造商原有的包裝方向及計數問題之外，另識別出許多錯誤，包括：果汁盒的歪斜、遺失、壓扁、掉落、轉動或多餘、整箱包裝後產品缺漏、倒置或倒轉、損壞的標籤等等。

康耐視 In-Sight 系列等獨立 2D 機器視覺系統嵌入了 BeadInspect 等進階軟體，以快速分析膠珠形狀、尺寸和外觀。如果需要更強大的檢查，許多 2D 系統可配備 VisionPro 深度學習，這是一種影像分析軟體，使用人工智慧 (AI) 透過比較數千個「好的」和「壞的」影像來將缺陷與可接受的膠珠分開。當檢測系統需要測量膠珠的高度或輪廓時，如 In-Sight 3D-L4000 等 3D 機器視覺系統是最有效的解決方案，使用無斑點藍色雷射來捕捉高品質影像並將眩光降至最低。

由於 BGA 銲點集中於封裝下方，銲接後無法以目視或傳統光學檢測方法確認銲接品質，必須透過 X 光(X-ray)設備穿透取像以檢測是否發生假銲瑕疵。X 光影像係具背景雜訊的灰階影像，成像上不具明顯邊緣，難以撰寫邏輯來辨識影像中的瑕疵。 運用 SolVision AI 影像平台的 Segmentation 技術，將 X 光影像中錫球重疊的假銲瑕疵予以標註並藉以執行 AI 模型的深度學習。經訓練後的 AI 即可在具背景雜訊、無明顯影像邊緣的條件下，將假銲瑕疵精準檢出。

全自動檢查設備、全自動入出料、高速高精密檢測、精準瑕疵標記、即時良率統計圖、權限管理、尺寸確認、外觀檢查、智慧化檢測資料統計、不良品分析、報表輸出、支援遠端校正管理

汽車車頂係一流線造型，其銲道具有高低落差，以致各位置取像的亮度不一，隨機生成的氣孔瑕疵也因此具有特徵上的差異，難以針對此類情形訂定規則以檢測銲道氣孔瑕疵。 運用所羅門 SolVision AI 影像平台的 Segmentation 技術，將各種亮度的銲道氣孔瑕疵影像進行標註，藉以訓練 AI 模型，即能不受影像亮度影響檢測出銲道上各處的氣孔瑕疵。

1. 解像及缺陷檢出能力範圍可達 10um~100um
2. 可對應單板未切割前尺寸、切割後“12~75”基板尺寸及異形產品
3. 檢出區域可同時涵蓋面內區域及玻璃切割邊緣
4. 缺陷分類功能

可檢測槽孔形狀、阻塞、搓牙歪斜、不良、螺紋大小徑、節距、螺絲頭部寬度、厚度、螺絲彎曲、表面磨傷等瑕疵，並提供智慧化檢測資料統計、不良品分析、報表輸出及支援遠端校正管理

Cognex Deep Learning 能可靠地驗證組裝的輪圈螺栓正確無誤。組件定位工具可使用位置與角度各異的各個螺栓範例圖像進行訓練。完成之後，隨即能在複雜且不易分辨的視野中，可靠地識別各個輪圈螺栓存在與否，確認螺栓數量正確且位於輪圈的正確位置。

可檢測線缺陷、區域缺陷、異物、刮傷、起泡等瑕疵，並提供智慧化檢測資料統計、不良品分析、報表輸出及支援遠端校正管理

1. AI 即時缺陷檢測；高速拍照，即拍即檢即分類
2. 自動線寬距/孔徑量測

可依據不同客戶在生產製造流程需求上提供適合的 AI 缺陷分類判定解決方案

使用 Solomon 的核心 AI 機器視覺系統 SolVision，一個 AI 模型能夠迅速而精確地識別每個朝鮮薊的方向和角度，使用其莖部作為參考點，而不管莖部本身的大小。SolVision 還允許通過各種通訊協議匯出 AI 檢測結果。

1. 完美的檢測功能：AOI 玻璃破片在線檢查系統擁有 CCD 玻璃視覺線上檢測功能，專門用於檢測各類玻璃在生產過程中出現的破片、缺角、裂邊等常見缺陷，保證產品品質。
2. 即時的缺陷檢測：系統可以在生產過程中及時發現產品表面的瑕疵點資訊，時刻反映生產線表面的缺陷訊息，隨時掌握產品品質狀況，即時調整生產流程。
3. 完全取代人眼檢測：系統完全取代人眼進行表面檢測，大大節省了人力成本，同時提高了檢測的準確性和效率，讓生產線運行更加順暢。
4. 節省生產成本，提高品質：系統不僅節省了生產成本，提高了產品的品質，讓客戶滿意度和市場競爭力得到提升！

1. 康耐視 AI 視覺系統與軟體是肉類品質檢測的有效解決方案。它們可針對加上標籤的每塊分切肉品或禽肉部位圖像組進行訓練。然後，分類工具便可接受一系列自然變化，同時精確地將每一塊分類，確保其可獲得應有的分級，讓產品能以最高的合理價格出售。
2. 無論來自破損包裝、機械或其他來源，缺陷探測工具都可迅速發現任何一丁點的實體汙染物，並在產品送交出貨之前予以標示。如此可確保出貨的所有分切部位都經過正確地分類和定價，進而提高客戶滿意度和營收。

使用所羅門 SolVision 的 Segmentation 技術針對各類瑕疵進行學習，同時可設定 OK 類別避免錯殺誤判，並以資料擴增功能增加 AI 學習的範圍，不僅能有效檢測出各類瑕疵，在雜亂或複雜的背景中，也能精確檢出邊緣凸起、黑邊或黑點，對較不明顯的缺陷也有很好的辨識效果。

運用 SolVision AI 影像平台的 Segmentation 技術執行缺陷檢測(Defect Identification)，在複雜的取像背景中偵測並標註多樣細微瑕疵，以利使用者即時監測並排除承載盤異常情形。

康耐視機器視覺執行香菸包裝檢測，協助菸草業製造廠商避免銷售有缺陷或空無一物的香菸包裝。In-Sight 7800 視覺系統會在香菸包裝繞著裝配輪高速移動時進行檢查，並在外覆紙遺失或遭扯破時，讓系統停下。集成光源搭配白光 LED，可讓成像系統達到最佳性能，而且幾乎不需要使用成本高昂的外部光源。使用分佈圖與對比度工具，在 In-Sight 資源管理器軟體中輕鬆設定，In-Sight 7800 即可解決此應用。

雷射銲接依功率密度大小區分為雷射熱傳導銲接、雷射深熔銲接兩類，具有不同的銲縫特徵。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銲縫的環狀分布、漏銲等成品樣態，因此產線終端皆是以人工方式執行檢測，常造成銲接品質不一的情形。 應用 Solomon SolVision AI 影像平台的 Classification 及 Segmentation 技術，能夠以銲縫特徵影像訓練 AI 模型，辨識銲接功率及漏銲瑕疵，並可透過深度學習，精準偵測銲縫的魚鱗紋數量及分布。

所羅門結合機器視覺與人工智慧，運用 Solomon SolVision AI 影像平台的 Segmentation 技術執行缺陷檢測(Defect Identification)。在快速且大量生產的油炸食品加工產線中，辨識多種不同的瑕疵樣態，進而將不良品即時檢出。

1. 解像及缺陷檢出能力範圍可達 1um~5um
2. 可對應 G3.5~G10.5基板尺寸
3. 檢出區域零死角，可達100%面板全區域覆蓋
4. 卓越的自主影像檢測技術可支援所有尺寸、不同圖像設計及任意形狀的面板產品
5. 缺陷智慧分類功能
6. 提供專業及客製化服務

1. 康耐視 In-Sight 3D-L4000 搭配使用 In-Sight 軟體與三維視覺工具，能迅速完成金屬罐品質檢測、減少重工並提高生產力。
2. 二維與三維視覺均以點雲測量值為基礎，並不只是高度圖，In-Sight 3D-L4000 可為先進的機器視覺應用測量斑點 (Blob) 與特徵之間的距離，並能比傳統的雷射掃描解決方案達到更高準確度。由於採用先進的光學設計，並可使用 In-Sight 軟體環境輕鬆設計程式，其中包括三維邊線、三維斑點 (Blob)、平面尋找和許多其他功能，因此還具備其他優勢，包括更出色的性能與安全。

1. AI 即時缺陷檢測；高速拍照，即拍即檢即分類
2. 自動線寬距/孔徑量測

1. 量測渦輪葉片各種特徵
2. 檢查葉片上是否有瑕疵及缺陷
3. 驗證零件上的字元標記是否正確

在檢查產品的液位與瓶蓋位置正確之後，視覺系統會檢測閉合狀態，以驗證密封完整性，還會特別驗證防竄改帶與安全密封存在與否。機器視覺系統可檢測缺陷，並可透過精準且一貫的檢測，確認包裝完整性。三維雷射位移感測器可確保安全密封覆蓋整個開口，蓋緣周遭無氣泡或起皺，也無任何孔洞或穿孔。機器視覺技術可檢測安全密封的邊緣並測量其高度，寬度，相對位置及空隙尺寸 (若有的話)，來和預先制定的限制比較。竄改密封尺寸與預先制定的限制不符者都會遭到剔除，以減少產品召回的風險。

運用 SolVision AI 影像平台的 Segmentation 技術，定位、標註影像樣本中雞蛋裂隙瑕疵的位置並據以訓練 AI 模型，訓練完成後即可透過 AI 檢測蛋殼表面的孔隙及裂痕情形再予以分級，提升雞蛋食用的安全性及商品價值。

運用所羅門 SolVision AI 影像平台的 Segmentation 技術，將影像樣本中各類型瑕疵予以標註並藉以訓練 AI 模型，經深度學習後即可於品管端精準辨識口罩上是否有瑕疵，進而將不良品汰除。

運用所羅門 SolVision AI 影像平台的 Segmentation 技術，以各式 LED 基板上瑕疵影像樣本訓練 AI 模型，經深度學習的 AI 即可精準地將瑕疵檢出並標註。此外，透過 Detect Region 工具將視野分區，除了可遮罩無須檢測的區域，亦可指認瑕疵生成的所屬區域，達到分區檢測的目的。

有螺紋的金屬套件之側螺紋面，容易因搬運造成工件碰撞受傷，或在加工過程中車削刀的刀痕。由於圓柱體套件容易滾動，再加上體積小不易拿取，即使搭配強光與顯微設備，以人眼檢測仍屬不易，容易發生誤檢與漏檢。 運用所羅門 SolVision ，以金屬套件瑕疵影像進行 AI 模型的訓練，使用 Segmentation 技術，可學習刀痕與碰撞瑕疵的特徵，在 AI 模型訓練完成後便可輕易檢測出小型金屬套件上人眼不易辨識的瑕疵，挑出有瑕疵的物件，讓出貨的金屬套件整體品質更好。

晶片於晶盤中跳料的情形係屬隨機，所致的瑕疵型態多樣且難以預測瑕疵所產生的位置。對 AOI 而言，幾乎無法針對跳料瑕疵設定邏輯並據以檢測。 運用 SolVision AI 影像平台的 Segmentation 技術，以具疊料、空料、歪斜錯置、反轉等瑕疵的影像樣本訓練 AI 模型，AI 訓練完成後即可輕易且迅速地辨識並標註晶盤上產生收納異常的位置。

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於晶圓切割刀本身即具有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。 運用 SolVision AI 影像平台的 Feature Detection 工具，將影像樣本中的不規則紋路及多鑽瑕疵標註並訓練 AI 模型，AI 視覺便可即時檢出晶圓切割刀體上的各式瑕疵。

360°全角度的智動化 AOI 異檢機台，內含整合 AOI 技術的全新旋轉夾具，以利在切轉不同量測尺寸的瓶身時，能以無須更換治具與人力手動介入的全自動方式進行檢測；並搭配360度多角度拍攝，來達到精準檢測、降低整體檢測時間的效益。此外，搭配宇瞻智慧物聯所自主研發的智動光學檢測軟體，能快速辨別及標示藥瓶的不良區，有效率地協助品管人員進行下一步驗證。

1. 預測精確度>95%
2. P 判錯率<5%
3. 60秒內偵測100張影像(包含下載、預處理、預測及上傳)

結合 AI 影像辨識平台 AIWinOps 提供智慧製造解決方案，將 AI+AOI 技術應用於石化產業、高爾夫球產業、半導體產業、機械零件製造產業及紡織業等。

1. 研發和進料檢驗用的 AOI 機器
2. 能夠檢查彈簧探針的尖端磨損、不完整/損壞、異物
3. 探針直徑（針對針）：>=0.1mm，具有多種冠狀頭類型
4. 檢測範圍和速度：X 軸：至少 10 個探針；Y 軸：2.3 毫米/秒；Z 軸：手動調整

1. 能夠捕捉和檢查每個單元的具有 12 個面的六面體
2. 待檢查的缺陷：異物、凹痕、污漬、變形、污染、溢出和剝落
3. Microsoft Azure 雲端機器管理用於 AI 模型的訓練、再訓練、驗證和監控

1. 能夠以卷筒式方式檢查熱封標籤的缺陷
2. 待檢查的缺陷：印刷錯誤、位置錯誤、髒污、變形、污染、溢出和剝落
3. Microsoft Azure 基於雲端的機器管理，用於 AI 模型的訓練和重新訓練