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
  • various colored yarn bobbins

    纱线瑕疵检测的最佳解决方案

    保有生产效益的同时兼顾纱线质量,是纺织业者最大挑战。现今纱场依以人工检测为主,漏检率高且工时长,不利实际质量要求,传统AOI面对不固定瑕疵时亦难以检测,误判率高。使用SolVision工具使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。
  • BGA Soldering Inspection Using SolVision

    球柵阵列封装假焊瑕疵检测解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下,将假焊瑕疵精准检出。
  • 利用机械手臂进行车门按钮自动化按压检测

    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。
  • Taco Gusto printed product label sticker roll on a table in a warehouse

    物料管理优化方案,提高产品标签辨识度

    电子产业中,如果料号标签无法辨识会大幅降低作业效率。卷标字体印刷不良卷标上的字体在印刷过程容易产生不规则的细微瑕疵,使得AOI难以辨识。利用SolVision进行缺陷以及字符辨识之AI深度学习,即便卷标字体出现不规则的缺陷仍能正确辨识,大幅降低物料管理的成本支出,提高库存管理正确性。