电子组件制造过程追踪为半导体之产出基石，辨识组件编号被视为生产重要环节之一。但较差环境下让AOI辨识更加困难，对于提升产线效率以及降低字符的误判度有很大改善空间。利用SolVision技术执行光学字符识别，有别于传统AOI，不受底色、环境光线及字符种类多等限制，可精准识别个别编码。

电子产业中，如果料号标签无法辨识会大幅降低作业效率。卷标字体印刷不良卷标上的字体在印刷过程容易产生不规则的细微瑕疵，使得AOI难以辨识。利用SolVision进行缺陷以及字符辨识之AI深度学习，即便卷标字体出现不规则的缺陷仍能正确辨识，大幅降低物料管理的成本支出，提高库存管理正确性。

所罗门利用 SolVision学习Tray盘所需辨识的定位点，执行光学字符识别 (OCR)，能够大幅优化传统AOI的作业流程，不受识别画面位移、歪斜及其字符缺陷等限制，精准识别个别料件来源，而随着AI深度学习件数增加，亦能持续优化AI辨别字符的能力，使辨识字符不再困难。

传统式的气体监控机台或仪器设备具有仪表板显示信息，惟其缺乏数字化接口，SolVision结合机器视觉与人工智能，运用AI影像平台技术执行光学字符识别(OCR)，将机台仪表影像中的数值转为数字化信息，以利统计、监控数据的异常情形，亦可进 % 一步作为后续智能化相关应用的基础。

运用SolVision AI影像平台的Instance 实例切割技术，以包装良品及具各种瑕疵类型的影像样本训练AI模型。训练完成的模型可实时且迅速地辨识每一反光或透明泡壳的包装及填充情形，并将侦测到的瑕疵予以标注并分类。