標準機器視覺系統能成功計算藥瓶與安瓿瓶數量，不過康耐視深度學習更靈活有彈性，更能識別出藥瓶或安瓿瓶中的非計數錯誤，例如倒下、顛倒，或容器封蓋色彩錯誤的產品混淆問題，提升整體作業效率 (OEE)。組件定位工具以朝向各種方向的容器進行訓練，然後即可從所有可能的角度成功加以辨識，產生較一貫且可靠的計數方法。進行識別時，也會將視野最外緣的畸變情形考量在內。

光學字元辨識 (OCR) 與字元驗證 (OCV) 能讀取和確認印刷資料，並驗證規定要印刷的各式元素品質，例如標誌、日期/批次資訊及其他圖形。廣泛多樣的康耐視 Cognex In-Sight 視覺系統都提供這些讀碼工具。

使用康耐視深度學習解決這類型的應用非常有效。組件定位工具可輕鬆處理許多複雜的疫苗套組檢測，例如組件朝不同方向放置、彼此重疊、遺失，或套組的品項組合不同。訓練深度學習系統從各種不同的角度識別套組的組件，以及識別和區分新的組件，甚至是外觀類似的組件，輕而易舉。

Cognex Deep Learning 是相當可靠的醫用貼片檢測解決方案。其根據量測的藥物劑量與指定的位置，透過貼片上一系列可接受的液滴大小與形狀的圖像組以及不可接受液滴的圖像組進行訓練。接著，分類工具會建立可接受液滴形狀與大小的類別，然後將所有其他變化放入要剔除的類別。

所羅門結合機器視覺與人工智慧，運用 SolVision AI 影像平台的 Classification 功能創建 AI 學習模組，從資料庫中的影像特徵判斷沉澱情形。透過深度學習技術，可辨識不同顏色液體的沉澱情形，並精準分辨7種不同的沉澱樣態，進而判斷內容物的品質。

康耐視 Cognex 視覺系統搭配 OCR 技術，可偵測條碼存在與否，以及驗證其字母與數字鏈是否正確。面對要求嚴苛的 OCR，包括雷射標識或 DPM 文字，康耐視深度學習解決方案可確保會精準地讀取和驗證條碼。深度學習可使用 OCR 與字元驗證 (OCV)，將變形、歪斜及蝕刻不良的字元解碼。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。

自動檢查中藥丸、中藥錠、保健丸等外部瑕疵和尺寸，如形狀、破損、裂痕、異色、異物、污點等高精度篩選要求

Cognex Deep Learning 能以高精準度解決檢測大量藥片時的問題。透過從許多不同角度拍攝的可接受藥片圖像進行訓練。然後，即使是原始訓練組中所未包含的任何異常藥片，缺陷探測工具也可以探測出來，同時將所有可接受的藥片送交進行主要包裝。

1. 全中文化操作介面。
2. 適用於各種外型藥錠。
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)。

藥錠膠囊檢查篩選機可自動精準檢測藥錠、片劑、硬膠囊、軟膠囊等藥劑。只需簡單設定，即可輕鬆準確檢查各種形狀、顏色、異物、污點等外部瑕疵。

康耐視深度學習具備高動態範圍 Plus (HDR+) 技術，可提供均勻照明，還有較深的景深，不需要複雜且昂貴的照明，即可讓活塞擋止器上對比度較低的缺陷更清楚明顯。HDR+ 和標準 HDR 之間的不同，在於其能針對移動中的組件高速完成單次採集，而標準 HDR 需要其靜止不動，而且要擷取多張圖像，才能獲得相同的結果。

康耐視深度學習的缺陷探測工具以一小組樣本圖像進行訓練，學習針套的正常外觀。然後，就能認出針套中代表有針尖突出情況的少許變化，同時可接受針套表面的外觀變化。

康耐視深度學習可探測許多不同的微小斜面針尖缺陷。缺陷探測工具使用一小組樣本圖像進行訓練，以高倍率放大呈現可接受的斜面範圍。光線上的任何變化都可顯露針頭表面結構，高反射性表示表面光滑，而暗淡無光澤表示可能存在瑕疵。這個相同的程序也可讓針頭尺寸檢測顯露針尖的內徑與外徑。

1. 注射器凸緣檢測適合採用康耐視深度學習，原因是其以一系列不同角度的凸緣進行訓練；儘管其變化繁多、透明，而且幾何形狀複雜，甚至是以人工檢測都會疏漏的極細微缺陷，都能夠區分出可接受與不可接受的凸緣。
2. 康耐視深度學習缺陷探測工具可輕鬆適應因供應廠商改變而出現的些微形狀變化，讓遭到誤拒的合格凸緣減至最少，傳統機器視覺需要大規模重新設計程式才能做到。

所羅門結合機器視覺與人工智慧使用 SolVision 的 Segmentation 技術，針對白色與透明塑膠件的各種紋路與形狀做 AI 模型訓練，可有效檢出塑膠件的組裝錯誤，同時提高缺陷檢測的效率，使整體製程更為完善。

使用強大且小巧的 In-Sight 8505P 視覺系統，執行注射器的所有尺寸測量。In-Sight 8505P 具備 高動態範圍 Plus (HDR+) 技術，能克服玻璃的反光與折射，還有擋止器與液體的複雜度。這項成像系統技術可減少光暈與圖像雜訊，並提高邊線的對比度，改善尺寸精確度，同時維持低曝光時間。HDR+ 和標準 HDR 之間的不同，在於其能針對移動中的組件高速完成單次採集，而標準 HDR 需要其靜止不動，而且要擷取多張圖像，才能獲得相同的結果。

康耐視深度學習可處理變化繁多的缺陷，因此是此應用的理想解決方案。缺陷探測工具會學習注射筒曲面和反光表面上各種不同的墨水轉印問題，然後識別墨水是否過濃、過淡或有髒汙的情況。使用高動態範圍 Plus (HDR+) 技術與圖案匹配軟體，可減少眩光、改善對比度、提高自動化移印檢測的速度。HDR+ 和標準 HDR 之間的不同，在於其能針對移動中的組件高速完成單次採集，而標準 HDR 需要其靜止不動，而且要擷取多張圖像，才能獲得相同的結果。

宇瞻枕式瓶獨立機台檢測，可取代人力多項目檢，其特殊夾具設計取得專利發明設計。機台一機多用，使用９支精密光學鏡頭，可同時檢驗3種瓶內與4種瓶外瑕疵並支援15ml 以內5種枕式塑膠瓶藥水．配合檢測室的空間環境，採用 U 型設計，以利整體機台體積縮小．搭配轉盤夾具機構、視覺判讀軟體、人機介面資訊顯示。

康耐視 AI 技術結合使用高動態範圍 (HDR+) 技術，是微粒狀物質檢測的理想解決方案。康耐視 AI 解決方案會以出現在藥瓶與安瓿瓶中的各式微粒狀物質類型進行訓練，包括各種不同的形狀與大小、當中是否混有氣泡，以及透過玻璃藥瓶與安瓿瓶的一系列反光與折射所見到的外觀。

基於規則的視覺系統難以因應密封變化、透明度或 Tyvek 進而調整，Cognex Deep Learning 解決方案對此可作為附加與替代方案。深度學習能可靠地識別異物、無效密封、汙染、標籤，以及會影響包裝完整性的塗裝缺陷。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。

Cognex Deep Learning 能可靠地檢測已包裝醫療套組是否有缺陷。套組內含朝向各種不同角度的組件，還有構造各異的軟管，其可透過形形色色的完整套組圖像進行訓練。然後，組件定位工具就能找到並確認所有必要組件都存在，可能的外觀變化繁多難測，也不是問題。在組裝期間受損的組件不在允許的變化範圍之內，並會導致該套組無法通過最終檢測。

深度學習系統可以將定位、識別及分類單一圖像內多項特徵的工作自動化。其會依照各種不同品項的尺寸、形狀及表面特徵來歸納和區分其特徵。使用者能訓練組件定位與裝配驗證工具，找到所需找出的每一種品項。經過訓練之後，可將圖像分割成不同區域，讓工具檢查品項存在與否，以及驗證其種類是否正確。無論所朝方向和照明條件為何，深度學習還可以在盒中找到和識別插頁，避免發生產品召回並確保病患安全。

康耐視深度學習會以許多已插入針頭的不同可接受噴嘴進行訓練。可接受範圍以外的針頭與注射器組裝特性，包括氣泡、裂縫、針頭接合黏膠不足、錐頭有問題，或有其他內含物，都會標示為缺陷並從生產線中剔除。由於可輕鬆以新的針頭長度與量測值訓練康耐視深度學習，製造廠商可避免像使用傳統機器視覺那樣，再次經歷冗長且複雜的程式設計流程。

康耐視深度學習的設計能夠區分真正的缺陷與可接受的塗裝異常，因此可解決這些複雜的檢測類型。缺陷探測工具以種類廣泛的玻璃藥瓶、各種不同角度來進行訓練，完整學習正常組件的變化，包括可接受的塗裝缺陷範圍。接著，對藥瓶進行掃描，分析並標示可接受範圍之外的任何特徵，同時減少由塗裝缺陷造成的誤報情況。

解決方案就是結合使用標準機器視覺與深度學習。視覺系統會從瓶頸下方和由上往下等許多不同角度檢測封蓋，確認尺寸正確、定位適當，以及有無其他問題。康耐視深度學習可檢測無法預測的刮痕、穿孔及其他缺陷，並能分辨單純的塗裝缺陷與功能性缺陷。同時採用這些技術，可改善品質、減少不必要的廢料，以及增加產量。

Cognex Deep Learning 解決方案可定位、分析並能分類複雜的檢測問題，阻止有缺陷的產品進入供應鏈。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和再現性功能。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，以及完整擷取圖像與全程可追溯性。

運用機器視覺和深度學習技術，製造廠商可確保以符合 ISO 標準的方式生產口罩，並在出貨之前發現有缺陷的口罩。康耐視 In-Sight 8402 視覺系統可檢測如耳帶和掛帶熔接處等的口罩組件存在與否，同時還測量口罩寬度，確保製造的尺寸正確。不過，許多缺陷都難以預測，也難以使用傳統機器視覺演算法撰寫程式。最少只要使用 50 個樣本圖像，即可訓練康耐視深度學習，輕鬆地找到如裂縫、汙點縫製錯誤等缺陷，並將之分類。

運用 SolVision AI 影像平台的 Segmentation 技術，針對點滴袋體上的名稱、濃度、容量等影像資訊訓練 AI 模型，學習影像特徵，藉此快速辨識並分類各式輸液品項。

1. 設計了一款位於玻璃螢幕下方、由兩個2D Basler 攝影機組成的創新自動光學檢測站，當 IV 袋內的異物下降到底部時，放置在 IV 袋上方的照明系統使 SolVision 的複雜人工智慧演算法能夠檢測到異物
2. SolVision 成功以100%的檢測準確率檢測到所有異物
3. 檢測週期為每個袋子500毫秒，超過了客戶設定的目標
4. 成功檢測並顯著減少整體檢測時間，超出客戶預期

1. AI 學習功能:可透過學習 OK 樣本，自動分析瑕疵位置，可大幅提升瑕疵的檢出率。
2. 多光場偵測:透過亮場/暗場兩種光源，提高對彩片圖紋檢測的能力，使軟體可檢出被圖紋遮擋的瑕疵。
3. 熱圖分析功能:可透過熱區圖分析瑕疵位置和嚴重程度，輔助人員分析和判斷檢測結果。
4. 瑕疵分類功能:可透過 AI 訓練不同瑕疵的圖片，將 NG 照片進行瑕疵分類，以利產線人員分析生產情況。
5. 報表功能:每次結批後可自動產出該批的生產報表，包含所有檢測結果、生產良率、瑕疵比例等數據。
6. 警報功能:可設定連續 NG 數量，自動停機並警報作業員，即時處理異常狀況。
7. 本系統能夠檢測以下瑕疵和不良狀況：邊缺、毛邊、氣泡、附加物、毛屑、圖紋少墨、圖紋印偏、裂紋等瑕疵。

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。

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。

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。

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。

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。

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。