1. 光學薄膜常見外觀瑕疵檢驗：摺痕、手汗、殘膠、水汙、異物、黑線、油汙等
2. 可驗材料：上擴散膜、下擴散膜、複合膜、貼合膜以及增亮膜等

結合智慧相機與深度學習軟體一起使用，運用光學字元辨識 (OCR) 將受損的條碼解碼。由於有深度學習預先訓練的字型庫，軟體內的深度學習讀碼工具開箱即可使用，大幅縮短開發時間。使用者只需要定義目標檢測區，並設定字元大小即可。引進新字元時，不必具備視覺專業知識，也可以重新訓練這項穩健的工具，讀取傳統 OCR 工具無法解碼的應用特有條碼。

康耐視深度學習的文字與字元讀取功能可將變形、歪斜、受損或低反差代碼可靠並精準地解碼。只要以一組不同角度、光源、受損情況及有其他變化的 OCR 代碼圖像訓練即可。

SolVision 的 Segmentation 技術執行光學字元辨識 (Optical Character Recognition, OCR)，有別於傳統 AOI 的作業流程，不受物件底色、環境光線及字元種類多等限制，可精準識別個別編碼，而隨著學習件數的增加，亦能持續優化 AI 辨別字元的能力，使辨識字元不再困難。

Cognex Deep Learning OCR 工具能使用預先以一千個字元訓練的內建字型庫，讀取曲面字串、低對比字元，以及變形、歪斜及蝕刻不良的條碼。OCR 工具也提供重新訓練功能，讓使用者得以解決無法在第一回合自動識別的全新或特定字元。迅速又準確地讀取晶片的識別號碼，不僅可改善可追溯性，還可確保擷取到正確的資訊，以在未來需要時提供。

NGI 玻璃盤系列是利用玻璃透光特性，於玻璃盤上、下面皆可裝設鏡頭同時進行自動瑕疵檢測。

1. 即時自動對焦
2. Real Time 影像防震功能
3. Smart 量測功能
4. 明暗視野與 DIC 的全面性觀察
5. 超長景深合成功能
6. 超大範圍拼圖
7. 影像目標導航
8. AI 缺陷目標偵測
9. 3D Profile 量測

1. Die Bond / Wire Bond 多層 Chip 堆疊量測檢測皆可對應，再搭載人工智慧 AI 檢測系統，可提高檢出率準確率達99.99%
2. 距離:弧高、跨弧間之 Gap 間隙，線與線間距等任何平面或段差距離量測
3. 異常:線偏、球脫、斷線等外觀不良缺陷

1. Cognex Deep Learning 可迅速並可靠地解決 PCB 裝配驗證。透過合格與不合格 PCB 的圖像組進行訓練。三項不同的深度學習工具可在單一處理站以統一作業檢測這些電路板，而不會造成生產延宕。
2. 裝配驗證工具會檢查所有組件是否都出現在正確的位置。缺陷探測工具會標記任何焊料問題、電路板中組件、晶片的損壞處、或其他瑕疵。OCR 工具會讀取電路板與組件上所有文字的字元，並將讀取的字元輸出成文字字串。

1. 康耐視已為 MLCC 檢測專門構建塗裝光學檢測 (COI) 機器，其中結合自訂照明與深度學習視覺工具。首先，專為 MLCC 檢測自訂的照明模組可將電容器主體與端子上不相關表面變化減至最少，同時讓容易錯過的缺陷顯露出來。
2. 透過 AOI 機器檢測 MLCC 之後，再利用 COI 機器檢測，以減少誤報次數，以及減少從生產線撤下的合格組件數量。和人工檢測相比，這部機器可提供更快的速度、精準度，還可提供流程改善資料。

1. 圖像辨識率＞95%
2. 模型調整
3. 智慧分類
4. 可檢測氣孔、破洞、缺角、裂痕、細微裂裂痕、材料外表壓傷、髒污、刮傷、異物沾黏、材料變形

Cognex AI 技術幫助 MicroLED 製造商識別顯示器面板上的缺陷晶粒。這套系統使用代表良好與不良 (NG) 結果的一系列圖像進行訓練，讓軟體略過在誤差範圍內的變化，並且只標記重大缺陷。這套分析工具會在面板中的區域執行作業，可找出 MicroLED 中的細微缺陷。生產經理可以使用分類工具分類各種缺陷，使用這些資料最佳化上游流程並提高整體生產效率。在早期製程中識別和修復缺陷符合成本效益，可協助製造商為客戶提供高品質面板。

1. AI 即時檢測；檢測運算速度可達50 FPS 以上
2. 檢測項目：銅 Pad 缺損、偏移、LED Bonding 異常(晶粒位置位移/旋轉)
3. 依據客戶需求可支援不同尺寸基板/Panel

NCI 輸送帶系列為自動化檢測入門款，是預算較低者的首選，適用需單面瑕疵檢驗之產品。

1. 超高速 AI 即時檢測
2. 檢測項目：晶粒缺陷、損傷、髒污、刮傷、缺晶
3. 巨量轉移後晶粒位置位移/旋轉量測
4. 依據客戶需求可支援“4~8” wafer 及不同尺寸 Panel

1. 高速檢測 + AI 缺陷分類
2. 檢測項目：顯示區及外圍 Fan-Out 區線路 Open/Short、異物、髒污、刮傷
3. 依據客戶需求可支援不同尺寸基板/Panel

金屬機殼刮傷瑕疵相當細微，在一般光線下因為金屬材質容易反光，人員以目視方式難以檢出瑕疵，容易發生外觀品質不良的問題。 利用 SolVision 的 Segmentation 技術，針對瑕疵的外觀形狀建立瑕疵缺陷資料庫，分類特定缺陷例如：明顯瑕疵、細微瑕疵與極細微瑕疵等，以深度學習辨識明顯瑕疵，並忽略可接受的微小缺陷，有效提升檢測精準度及速率，確保產線成品能毫無缺陷地進入裝配程序。

金屬沖壓件上可能出現的瑕疵種類繁多且形態不一，油汙及水漬更是不易觀察。另一方面，工件在取像時的亮度也各有差異，造成瑕疵檢測的執行相當不易。 使用所羅門 SolVision AI 影像平台的 Segmentation 技術，以不同亮度的各式瑕疵影像作訓練，經訓練的 AI 模型可輕易檢出各式沖壓件上的瑕疵，例如：淺刮痕、油汙、水漬 、毛邊大幅提升產品的表面品質。

透過 Matrox DA 軟體在產線上即時定位，可進行外觀尺寸量測、孔洞有無辨識、孔徑大小檢測與產品計數等各式相關檢測的應用。

康耐視 AI 視覺系統和軟體可協助製造商識別並分類真正的 LED 晶粒瑕疵。這個先進的視覺解決方案使用代表良好與不良 (NG) 結果的一系列圖像進行訓練，讓軟體只會標示出重大缺陷。定位工具能夠識別目標檢測區 (ROI)。定義 ROI 之後，由缺陷探測工具識別該區域內的缺陷。接著，由分類工具將缺陷進行分類。使用這項資訊，生產經理不僅可提升成品 LED 的成品率，還能使用分類資訊解決並修正生產問題，進而提高盈利能力。

在組裝程序中偶有人為疏失，導致產品螺絲未完全鎖緊或配件有接縫瑕疵等情況。針對此種重複性高之組裝缺陷檢測，導入自動化將快速改善產品疏漏問題，更提高人力配置效能。 應用所羅門 SolVision 的 Segmentation 技術，針對螺絲與其他裝配位置進行影像定位，再進行初步辨識裝配卡榫程度並分類，進行 AI 模型的訓練，即可快速辨識電子零件之組裝完整度，而隨著學習的影像件數增加，亦能持續優化其檢測效力，有效提高產品的品質良率。

傳統上，搭配基於規則的視覺統使用自動光學檢測 (AOI) 系統無法運作良好。透過深度學習檢測疑似不良 (NG) 的情況，可強化檢測流程的可靠性。AOI 機器會使用 Cognex Deep Learning 工具，挑出疑似 NG 的情況並將圖像提供給系統。缺陷探測工具可動態擷取目標檢測區，而分類工具可將不同的缺陷分類，區分有缺陷與可接受的引線接合。將缺陷分類，不僅有助於發現流程中的問題，避免在生產線下游進行所費不貲的重工，同時還可成功識別微米級的缺陷，改善 IC 晶片成品率與壽命表現。

缺陷探測工具可以探測漏焊、橋接焊料、遺失組件、錯位組件缺陷探測，甚至是許多以人工檢測無法看到的其他微小錯誤，並會在圖像上加以強調顯示，以供進一步處理。

Matrox DA4.0軟體採流程圖式的使用者介面，使用者可以輕易地經由內製的軟體開發工具 SDK，做檢測寶特瓶檢測的需求，包括：液面高低檢測、瓶蓋、安全環與套標高低等檢測。

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。

Cognex Deep Learning 提供簡單的解決方案，甚至不必以「不合格」圖像進行訓練，就能識別所有異常特徵。相反的，工程師可在非監督模式中使用缺陷探測工具，透過「合格」圖像的樣本來訓練軟體。Cognex Deep Learning 可學會晶片引線與針腳的正常外觀與位置，以及將偏離常軌的所有特徵描繪為有缺陷。

Cognex Deep Learning 工具可協助驗證 OK 與 NG 探針標記之間的差異，能夠以更短的時間，更輕鬆地進行探針標記檢測。軟體用以進行訓練的圖像廣泛多樣，包括顯示正確探針標記的圖像與顯示不可接受探針標記的圖像。隨後即可將不可接受的標記分類為「壓力相關」或「偏離中央」。

1. 流水線 AI 即時檢測，快速精準省時
2. Chip 於 tray 盤內放片不正/傾斜/掉落/疊片均可檢出

1. 運用三台 Allied Vision 的 Guppy F-146B 的成像技術，無需連接顯微鏡便能檢查小於70微米的 IC 打線(Wire Bonding)。
2. 能用於計數、高度量測或是是否有斷裂情形等瑕疵檢測。

Cognex Deep Learning 工具可協助製造廠商識別和分類真正的封膠缺陷。這個先進的視覺解決方案使用呈現良好與不良 (NG) 結果的一系列圖像訓練，可讓軟體略過在誤差範圍內的異常，以及標示真正的重大缺陷。康耐視定位工具能夠識別目標檢測區 (ROI)。定義 ROI 之後，由缺陷探測工具識別該區域內的缺陷。接著，由分類工具將多種不同類型的缺陷分類。使用這項資訊，生產經理不僅可提升成品 IC 的成品率，還能使用分類資訊解決生產問題並加以修正，進而提高獲利率。

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。
4. 檢測相機採用2M 高速面相機，150張/秒。
5. 檢測精度相機搭配鏡頭解析度0.011mm。
6. 量測能力載帶 P2FEP0X0Y0等六個尺寸。依最大值，最小值，平均值排列存檔紀錄。
7. 分類詳細記錄各條載帶量測數據分別依載帶順序存入各個目錄檔案夾中依日期及各捲排序。自動依日期時間為建立檔名。
8. 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 時間文字條，可彈出該照片。
9. 即時量測趨勢圖可以顯示各軸的最近1000筆的 P2,E,F,P0數據，可選單軸或是四軸顯示。
10. 操作方式具有 A 作業模式(只顯示數據)，B 工程模式(含即時影像)，C 調機模式。
11. 即時顯示卷帶子已拍攝照片數，顯示 EFP2三個數據的公差值，做為動態調機的依據。
12. 品管等級可以選擇1-5各等級各有不同的公差級距。
13. 檢測模型針對數千種載帶只需10幾種檢測模型。點選合適模型即可套用各式載帶。
14. 整體品質管控可將 P2EF 及瑕疵檢出結果分項累計在一捲中發生的次數。作為整捲 OK/NG 品質判斷依據。

1. 利用 AOI 光學檢測系統，快速準確地檢查瓶胚是否有瑕疵問題。
2. 數據學習技術，適應多種瓶胚檢測需求。
3. 透過精確的檢測，迅速將有瑕疵的瓶胚排除，提高生產效率。
4. 集中的占地範圍，有效節省空間。

1. 可提供不同倍率拍照圖像
2. 複合拍照頭設計(可支援1~4組 Review Head)
3. 可對應不同 AOI 設備產出的缺陷資料
4. 缺陷智慧分類功能

康耐視 AI 型解決方案，可幫助高功率 LED 製造商辨識重大封裝瑕疵並進行分類。我們使用代表良好與不良 (NG) 結果的一系列圖像，對這個進階視覺解決方案進行訓練，讓軟體篩選在可接受範圍內的異常狀況，只標示出相應的瑕庛。定位工具能夠識別所要檢測的目標檢測區 (ROI)。定義 ROI 之後，由瑕疵探測工具識別該區域內的任何主要瑕疵。

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

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

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。