META-aivi 的 AR + AI 解决方案提高自行车车架生产的管材计数准确性和效率，减少错误并提升生产力。

借由Solvision AI视觉检测技术，快速、准确识别汽车引擎上的字符，减少人工目视识别错误，提升效率。

巡检制度是否落实、管理执行效率高低、异常讯息上报速率等因素，都与企业生产效率与安全性息息相关，也因此巡检、维修成为各行业工厂，最重要的工作之一，越来越受管理单位的重视。但由于长期以来机电设施的维护还存在规范不足、制度不清晰、涵盖范围不完全等问题，为了满足设备管理单位对机电设备管理日益增加的需求，将运行中的机电设备的仪表数值建入设备维护管理系统，已成为厂务设施能否进行智慧化管理的重要过程。

运用META-aivi快速进行设备仪表数值监控，改善人工抄写的失误率及低效，一举提升仪表数据数字化。

大型抽水站是供给工业与民生用水的基础设施，如何确保人员的操作步骤是否正确以及确保机台设备的状态、数值，是否在正常范围内并妥善整合可靠的安防警示系统，使厂区人员能即时得知厂内信息并且在第一时间了解机台异常状况以便进行抢修，是公共工程的首要之务。

目前仍采用人力进行自行车车身号码的辨识与登录，耗费人工且效率低，若使用AOI进行字符辨识，因不锈钢管表面为圆弧曲面，打光容易造成反射，不论以人工或者AOI检测，针对曲面、反光不锈钢管上字样的辨识皆较为困难。所罗门结合机器视觉与人工智能，对于光学字符识别可以得到极佳的辨识效果。

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。

轮胎在制程的环节经历许多高压、高负荷与高温差的工序，使内胎表面字迹模糊且刷色深浅不齐，影响内胎编码的辨识度，不利于人工辨识与传统AOI检测。利用SolVision工具，针对轮胎内胎编码的数字与形状进行拍摄，进行AI模型训练，能成功辨识，有效改善编码辨识的正确率。