目前位置: 首頁 > 最新消息
:::

最新消息

機器視覺改變紡織業製造生態 [趨勢新知]
種類:其他公告  發布單位:技術處  發布日期:2019-09-11 13:30
作者:陳冠宇/紡織所

一、機器視覺技術提升紡織品瑕疵檢測效率

品質與成本向來是紡織工業首要考量的生產因素,製造商能否以低成本持續提供高質量的紡織品,是紡織廠維繫競爭力的關鍵,此時內部的品管流程就至關重要。現今布廠的質量控管多以生產後人工檢驗為主,不僅耗費人力、漏檢率高,瑕疵品送回重修也浪費材料使用,甚至拖延到交期。因此,倘若在紡織品生產過程中即投入布料檢測,不僅可及早發現織品的表層或結構瑕疵,確保製造時的產品質量,亦可即時找出並糾正製程上的錯誤,避免瑕疵點重複發生,並減少於物料的浪費。

然而,紡織品原料的種類繁多,分為為天然纖維(如:棉花、羊毛、蠶絲、麻),以及合成纖維(如:耐隆、聚酯、彈性纖維、嫘縈等);應用範圍也非常廣泛,可作為服飾、保暖/防護材質、醫療材料、汽車內裝或居家裝潢等用途,其製造方式各有不同,大大提高品管的難度與瑕疵品產生的風險。布料可見或不可見的瑕疵,其背後的成因複雜且難以追溯,可能出自原物料的不良材質,或是製造過程的缺失。瑕疵可能出現在織造(整經、漿紗、併經、織造)、染色、整理等過程,面對紡織產業的長供應鏈,過程中只要有一個環節或一條紗線出錯,製成的產品就會是不良或次級品,輕則減損布料的美感、機能,重則引起後續客訴、賠償、信譽等問題。

為此,許多系統商提出自動化布料檢測解決方案,運用機器視覺系統(Machine vision systems)協助紡織廠確保製造時的產品質量。機器視覺使用工業相機鏡頭與圖像處理軟體協作,來辨識布料的品質,作為廠商生產決策的依據。由於布料在生產線上的移動飛快,速度有時高達每分鐘120公尺,因此更適合使用機器視覺來輔助檢測。此外,機器辨識全年無休,減少大部分生產後人工檢驗的需求,可維持高度的性能與品質一致性,確保廠商的穩定營運。

二、機器視覺應用發展

1.Uster

瑞士全球領先的纖維到織物質量管理解決方案的供應商Uster,於2018年4月收購自動化織物視覺檢測系統供應商Elbit Vision Systems(EVS),將EVS視覺辨識技術整合入Uster品管系統中,推出三個自動化解決方案:Uster EVS Q-Bar(織物質量監控系統)、Uster EVS Fabriq Vision(織物質量保證系統)、Uster EVS Fabriq Shade(織物色澤優化系統)。

2.Shelton Vision

Shelton Vision推出機器視覺和檢測系統WebSPECTOR,可以自動化檢測織物缺陷並提高回報率。Shelton Vision採用最新高端CCD(Charge-coupled Device,電荷耦合元件)和CMOS(Complementary Metal-Oxide-Semiconductor,互補式金屬氧化物半導體)芯片的工業線陣、面陣高清相機,最高可以達100~120米/分鐘車速自動檢測,相機具有自動補光功能,使成像在暗色中表現一樣卓越。每個攝像頭設置26種演算法識別出布面上的異常,並以多形式的過濾機制消除檢測時發生的錯誤與誤判,提高檢驗的準確性,再透過機器學習完成對瑕疵點的定義、分級與打分。

3.香港理工大學

香港理工大學(Hong Kong Polytechnic University, PolyU)結合大數據、人工智慧(AI)與深度學習,研發出一套智能布料瑕疵檢測系統「WiseEye」,協助紡織業者進行品質控管,減少產出不合標準的布料。

三、結語

機器視覺系統幫助紡織業者在生產階段即開始監控,減少大部分生產後人工檢驗的需求,並確保後續產品的生產質量,大幅降低次级品的產生和減少材料損失。據統計,高效的在機自動瑕疵檢測能節省45~65%的成本投入,不僅幫助紡織製造業者保持市場競爭力,也有助於推行永續產業生態。此外,機器視覺系統產生的全息圖將織造時的品質資訊完全透明化,實現訂立可視化品質標準的可能,減少與客戶間對品質理解的差異,避免誤會與糾紛的發生。

機器視覺的紡織檢測,會是紡織業踏入AI領域的起頭,預計相關投資能幫助紡織業者提升生產品質,同時壓低成本,可有效回收成本,並吸引更多業者嘗試AI技術。然而,機器視覺影像處理系統仰賴大量的原始資料累積,才能進行完善的機器學習;另一方面,同時精通紡織領域與機器視覺(以及AI)的雙專業人才非常缺乏,且AI與不同系統間的整合,也會是個大工程,必須持續投入大量時間、金錢和專業人力,才能真正落實機器視覺檢測與AI技術於紡織業的應用。

完整內容請詳見:機器視覺改變紡織業製造生態


點閱數13
更新日期:2017-08-08

回上一頁 回首頁