最新消息

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