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
  • black and white labeled box

    自动化导线架品质检测

    导线架表面的各类瑕疵,包含边缘毛边、黑点杂质、刮痕等。若使用传统的AOI检测,当检测背景与瑕疵较为相近时,容易发生漏检的情形。使用SolVision AI瑕疵检测工具进行学习,以扩增功能增加AI学习范围,能有效检测出各类导线架瑕疵,在杂乱或复杂背景中,也能精确辨识有很好的辨识效果。
  • multicolored electronic part

    电源供应器内部线材组接解决方案

    电源供应器内部组件及线路多元且复杂,检测接点时容易受到背景干扰而影响视觉判断。额外使用人工及AOI传统光学检测皆不易执行,难以于产线端有效管控产品质量。经训练的AI模型可以精准地侦测并定位线材错接的电源供应器接线瑕疵,实时将不良品检出。
  • Man in Black Jacket and Black Knit Cap Inspecting Car Engine

    汽车发动机号码快速读取解决方案

    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。
  • 饮品包装印刷讯息品质检测及溯源讯息存留解决方案

    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。