Multi Colored Plastic Round Toy

SolVision成功案例

纱线瑕疵检测的最佳解决方案

纺织业者如何保有生产效益并兼顾纱线品质

纺织业者的大挑战:纺织业者对于纱线的高品质要求

面对缺乏上游自产优势及劳力成本相对高的困境,纺织市场针对生产效益的考量,已趋于寻求高品质低成本的走势,以因应国际竞争及作出产业差异化。如何在保有生产效益的同时兼顾纱线品质,是目前纺织业者最大的挑战。

人眼纱线挑选与自动光学检测检测之效力有限

现今纱场依旧多以人工检测为主,漏检率高且耗费工时长,纱线瑕疵如:纸管污点、变形、污纱、破纱、抛纱、毛丝、双色纱等种类众多,使人工检测不利于实际品质要求,自动光学检测(AOI)面对不固定瑕疵时亦难以检测,且误判率高,仍需人工复检。为使劳力成本配置于更有效益的工作上,纱线检测应寻求更高效率的检测解决方案。

运用人力或光学检测纱线瑕疵缺乏效率

使用SolVision的实例切割技术,针对纸管及纱线上多种瑕疵进行特征提取,做出AI模型的训练,使AI学习辨识瑕疵特征,快速且精准地找出各项缺陷,有效改善检测速率、成品良率并降低品检负担,随着学习件数的增加,能持续优化AI辨别瑕疵的能力,亦可将学习成果快速导入各项产线之中。

纱线检测案例

纸管污点

Automated Visual Inspection of Yarn Paper tube stain

纸管破损

Automated Visual Inspection of Yarn Broken paper tube

污纱

Automated Visual Inspection of Yarn Broken yarn

毛丝

Automated Visual Inspection of Yarn toss
AI Visual Inspection for Glass Bottles

Dirty yarn

Needle marks

Broken yarn

Automated Visual Inspection of Yarn

Distortion

AI Visual Inspection for Glass Bottles
Automated Visual Inspection of Yarn
相关文章
  • 透明点滴袋打印标签辨识分类解决方案

    各式输液皆以透明点滴袋包装,点滴袋上都会清楚注明种类、浓度及容量信息。由于各式点滴袋体上打印卷标位置不一,在产线尚无法以一般光学检测取代人工进行品项分类。所罗门运用SolVision技术,针对点滴袋体上的名称、浓度、容量等影像信息训练AI学习影像特征,可以快速辨识并分类各式输液品项。
  • 安规认证标章印刷瑕疵检测

    国内外安规认证的标章众多,例如CE、EAC等,各有不同的标章图示。过多的版面信息在大量印刷过程中不易检出多印或漏印的情形,可能影响商品的贩卖及使用。应用SolVision AI影像工具,训练AI模型。训练完成的AI模型即会自动检出并标示所有差异地方,即为版面的印刷瑕疵。
  • a close up of a blue and yellow background

    LED基板分区外观品质控管解决方案

    常见的LED基板瑕疵包括边缘毛边、焊垫氧化杂质、刮痕等,在瑕疵特征与背景相近的情况下,AOI检测不易将瑕疵检出。运用SolVision AI影像技术,以各式LED基板上瑕疵影像样本训练,经深度学习的AI即可精准地将瑕疵检出并标注。此外亦可指认瑕疵生成的所属区域,达到分区检测的目的。
  • 袜品外观缺陷检测

    袜品瑕疵形态多样,传统AOI适合用于整块布疋的检测,对于不固定的瑕疵检测有困难,且容易发生错杀,仍需人工进行复检。以SolVision工具完成AI模型的训练。可快速且精确地找出瑕疵、分类不同瑕疵并剔除不良品,把关产品质量、提升生产效率,透过对瑕疵进行分类与分析,更能够优化整体制程。