Multi Colored Plastic Round Toy

SolVision成功案例

紗線瑕疵檢測的最佳解決方案

紡織業者如何保有生產效益並兼顧紗線品質

紡織業者的大挑戰:紡織業者對於紗線的高品質要求

面對缺乏上游自產優勢及勞力成本相對高的困境,紡織市場針對生產效益的考量,已趨於尋求高品質低成本的走勢,以因應國際競爭及作出產業差異化。如何在保有生產效益的同時兼顧紗線品質,是目前紡織業者最大的挑戰。

人眼紗線挑選與自動光學檢測檢測之效力有限

現今紗場依舊多以人工檢測為主,漏檢率高且耗費工時長,紗線瑕疵如:紙管汙點、變形、汙紗、破紗、拋紗、毛絲、雙色紗等種類眾多,使人工檢測不利於實際品質要求,自動光學檢測(AOI)面對不固定瑕疵時亦難以檢測,且誤判率高,仍需人工複檢。為使勞力成本配置於更有效益的工作上,紗線檢測應尋求更高效率的檢測解決方案。

運用人力或光學檢測紗線瑕疵缺乏效率

使用SolVision的Segmentation技術,針對紙管及紗線上多種瑕疵進行特徵提取,做出AI模型的訓練,使AI學習辨識瑕疵特徵,快速且精準地找出各項缺陷,有效改善檢測速率、成品良率並降低品檢負擔,隨著學習件數的增加,能持續優化AI辨別瑕疵的能力,亦可將學習成果快速導入各項產線之中。

紗線檢測案例

紙管汙點

Automated Visual Inspection of Yarn Paper tube stain

紙管破損

Automated Visual Inspection of Yarn Broken paper tube

汙紗

Automated Visual Inspection of Yarn Broken yarn

毛絲

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
相關文章
  • a group of square objects

    晶粒邊緣崩裂檢測解決方案

    由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定,以致傳統光學檢測無法精準地將瑕疵檢出,影響整體產品良率。運用SolVision AI影像技術,將影像樣本中的瑕疵特徵予以標註,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。
  • Car doors painted shiny gray color in assembling workshop

    利用機械手臂進行車門按鈕自動化按壓檢測

    AI視覺技術搭載機械手臂,快速優化車門按鈕檢測,減少人力需求並提升產線運作效益。
  • 使用AI進行碳纖維布料瑕疵檢測

    藉由Solvision AI視覺檢測技術,快速、準確辨識炭纖維布料上的瑕疵,減少人工目視辨識錯誤,提升效率。
  • SMT製程的回焊短路檢測解決方案

    SMT製程回焊過程中,過多錫膏量或是印刷偏移可能導致錫球間短路,過去以人工方式檢測,效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測,難以傳統AOI檢出。運用SolVision AI技術,將SMT製程影像樣本中的回焊短路瑕疵定位並標註,訓練AI模型。可輕易檢出錫球間短路情形。