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
  • 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。
  • AI影像辨识– OCR电子元件字符

    电子组件制造过程追踪为半导体之产出基石,辨识组件编号被视为生产重要环节之一。但较差环境下让AOI辨识更加困难,对于提升产线效率以及降低字符的误判度有很大改善空间。利用SolVision技术执行光学字符识别,有别于传统AOI,不受底色、环境光线及字符种类多等限制,可精准识别个别编码。
  • assorted coffee capsules

    咖啡胶囊摆放顺序出货前检验解决方案

    咖啡胶囊不同口味代表不同颜色,以一盘咖啡胶囊作为标准组,另一盘咖啡胶囊作为对照组。使用SolVision学习各种咖啡胶囊的影像,若有任意一个咖啡胶囊的位置摆放错误,软件可立即将错误摆放之处以检测框标示出来,可成功分辨各式高反光且颜色差异小的咖啡胶囊。
  • Close-up Photography of a Power Tool

    金属加工冲压件表面瑕疵检测解决方案

    金属加工冲压件上可能出现的瑕疵种类繁多且形态不一,油污及水渍更是不易观察。另一方面,金属加工件在取像时的亮度也各有差异,造成AOI瑕疵检测的执行相当不易。金属加工品的品管助手:AI瑕疵检测,经训练的AI模型可轻易检出各式冲压件上的瑕疵,大幅提升产品的表面质量。