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
  • 封装晶片边缘微裂瑕疵检测解决方案

    由于晶粒边缘崩裂瑕疵出现的位置及型态不固定,以致传统光学检测无法精准地将瑕疵检出,影响整体产品良率。运用SolVision AI影像技术,将影像样本中的瑕疵特征予以标注,完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置,大幅降低芯片在后续封装制程中断裂的风险。
  • presence/absence detection of PTP using SolVision AI inspection software

    泡壳包装品质管理解决方案

    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。
  • 商品外包装印刷瑕疵检测解决方案

    做为商品外包装材料,软质的铝箔袋常在印刷过程中产生印刷错误、歪斜、脱落及漏印等情形。统光学检测和人工的方式出错率高。运用SolVision的Anomaly Detection工具,训练完成的模型即可针对印刷文字、图案上的形状、颜色等特征差异执行比对,侦测并标注瑕疵所在位置。
  • 医疗口罩制造品质管控解决方案

    口罩产品瑕疵种类繁多,包括掉线、皱褶、鼻垫片缺漏及穿透、破洞、角切、脏污、侧边凸出及过滤层破损等。难以透过AOI方式检出全部的瑕疵。运用SolVision AI影像技术,将影像样本中各类型瑕疵予以标注,AI经深度学习后即可于品管端精准辨识口罩上是否有瑕疵,进而将不良品汰除。