【宏遠興業】智慧化織品瑕疵檢測服務


導入背景



【導入前產業現況】

國內歷經半世紀的化纖產業奠基,具備自原料合成至纖維紗線與布種開發之高水平產業能量,產品頗獲國際市場青睞。近幾年臺灣紡織業為擺脫大陸、印度等新興市場崛起,發展機能性布料,戰勝大量生產與價格競爭的市場,至今,甚至成為臺灣重要出口產業。除了技術研發創新,加強自動化生產更是關鍵所在。如今,面對全球如火如荼發展開來的工業4.0,臺灣紡織業也正加快腳步發展智慧製造,致力推動臺灣「織聯網」的產業升級;也希望能透過AOI的進化來提升品質,去技能化並具備更快速的應變力。

目前國外最知名的紡織AOI解決方案為EVS,Elbit Vision Systems(EVS)原為一家以色列公司,過去20年來一直致力於織物瑕疵光學量測;2018年4月由全球知名瑞士紡織檢測公司 UsterTechnologies 併購。系統最大特色可針對工廠品質需求,以高階攝影鏡頭動態拍攝織物於織造或成品定型時之外觀影像,經過適當織物瑕疵辨識訓練,系統會針對檢測到的瑕疵進行辨識存檔於電腦上,操作人員除可透過電腦螢幕進行瑕疵品質確認外,所有瑕疵的數量、大小與實際布軸位置皆會記錄,不僅大幅減少品檢人員負擔,同時降低後續與客戶的糾紛。

目前在宏遠興業中有此布疋瑕疵辨識的數位轉型方案,相信同業若應用AOI系統也會碰到與宏遠相同的問題,包括過篩率高、無法針對瑕疵進行辨識等等。自動光學檢測是運用機器視覺技術擷取影像進行分析,進而判斷是否存在瑕疵,不過AOI設備容易因敏感而出現過篩現象,因此,如何準確挑選出真瑕疵照片,去除過篩濾高的情形進而降低工作量,是本計畫的重點。



導入過程



【智慧化檢測服務】

傳統AOI做法,靠人類歸納瑕疵定義,AI辨識模組則是向人類的判斷結果學習。為降低不必要的人力消耗並加快產線檢測速度,宏遠與新創公司開必拓數據展開合作。讓過往需要仰賴人工進行瑕疵觀察、推敲瑕疵定義的工作,轉由AI來進行。透過機器視覺的輔助,針對對應瑕疵樣張進行特徵觀察,同時再結合專業目檢員的複判回饋進行認知學習。

 

資料來源:本研究整理

圖 1傳統AOI作法

資料來源:本研究整理

圖 2人工智慧作法

 



解決方案



本計畫將現有的瑕疵檢驗流程導入AI辨識技術與學習框架(針對模型重新訓練);大數據模型訓練資訊流架構如下圖,共分為影像採集、影像儲存、影像前處理、模型訓練等階段。

資料來源:本研究整理

圖 3大數據模型訓練資訊流架構

於計畫期間,結合專業的驗布師傅依照非瑕疵影像的特徵將資料集分成幾大類別,並交由瑕疵辨識演算法進行學習。總計完成18類瑕疵樣張標註,當中前五大瑕疵(占總瑕疵80%)分別為:

 

 表 1 5 大瑕疵對照表

資料來源:本研究整理

 

 



導入成果及今後展望



【導入後改善效益】

透過本計畫之快速導入AI成功經驗,確認藉由AI技術結合的確有助於改善過往紡織產業面臨的瑕疵過篩問題。故未來將分別從點、線、面三種構面進行技術擴散規劃:

  • 點:鑑於本次智慧織品瑕疵檢測服務導入效果良好,故隨後將針對多規格布料接續進行瑕疵影像採集與模型訓練等工作,逐步地讓整廠驗布作業均能導入AI瑕疵檢測應用。
  • 線:除了上述單點(驗布)的技術落地外,預計後續將擴大織品瑕疵辨識智慧應用,如結合瑕疵位置、類型、數量等相關資訊,透過系統最佳化演算分析向下延伸尋求最佳裁布與開疋規則,以作為人工開疋依據。進而結合自動裁布包裝機,將驗布、開疋、包裝連續工站之流程作業自動化。
  • 面:為求達到技術應用之擴散廣度,故預計將以宏遠興業臺南廠為全球運籌中心,將解決方案擴散至集團海外工廠(如:中國上海廠、美國北卡羅萊納廠、泰國拉佳布里廠等)。同時,亦秉持著紡織產業友善交流的態度,開放同業或公會成員進行實地訪視,透過訪查互動的協助讓相關技術應用得以拓展至其他產業夥伴。

資料來源:本研究整理

圖 4場域取像設備

資料來源:本研究整理

圖 5紡織驗報系統畫面-1

資料來源:本研究整理

圖 6紡織驗報系統畫面-2

同時,作業人員可在系統中確認是否同意辨識系統所標記之瑕疵位置及種類,若需更改可手動框選瑕疵位置及選取瑕疵種類。影像經過AI-based瑕疵辨識後,將結果儲存下來交給目檢員。根據目檢員的判斷,若有判斷錯誤的情況發生,則標記該筆影像,將該筆資料作為重新訓練的資料集,待累積至一定程度的誤判資料筆數後,系統將自動啟動辨識模型重新訓練功能,新模型產生後,透過容器化架構,將自動替換舊有的辨識模型容器,藉此達到模型更新的目的。

資料來源:本研究整理

圖 7瑕疵標注系統畫面-1

資料來源:本研究整理

圖 8瑕疵標注系統畫面-2

織品瑕疵檢測模型建立之後,應用AI模型來分辨EVS取像照片的瑕疵情況,驗證結果發現可去除95%~97%過篩照片,透過部署完成的瑕疵辨識系統,先前需透過人工過濾照片的工作將可由系統代為執行。另外,藉由智慧化織品瑕疵檢驗服務系統,目檢員可從系統取得瑕疵判別與位置資訊作為裁布開疋參考。在開疋過程中若發現有瑕疵判斷錯誤的情況,可重新標記該影像,回饋作為重新訓練的資料樣本,後續系統將可啟動模型重新訓練功能,以新模型替換舊模型,自動調校模型效能。

綜整本次智慧化織品瑕疵檢測服務導入之效益,說明如下:

表2智慧化織品瑕疵檢測服務導入之效益

資料來源:本研究整理

【未來技術擴散規劃】

透過本計畫之快速導入AI成功經驗,確認藉由AI技術結合的確有助於改善過往紡織產業面臨到的瑕疵過篩問題。故未來將分別從點、線、面三種構面進行技術擴散規劃:

  • 點:鑑於本次智慧織品瑕疵檢測服務導入效果良好,故隨後將針對多規格布料接續進行瑕疵影像採集與模型訓練等工作,逐步地讓整廠驗布作業均能導入AI瑕疵檢測應用。
  • 線:除了上述單點(驗布)的技術落地外,預計後續將擴大織品瑕疵辨識智慧應用,如結合瑕疵位置、類型、數量等相關資訊,透過系統最佳化演算分析向下延伸尋求最佳裁布與開疋規則,以作為人工開疋依據。進而結合自動裁布包裝機,將驗布、開疋、包裝連續工站之流程作業自動化。
  • 面:為求達到技術應用之擴散廣度,故預計將以宏遠興業臺南廠為全球運籌中心,將解決方案擴散至集團海外工廠(如:中國上海廠、美國北卡羅萊納廠、泰國拉佳布里廠等)。同時,亦秉持著紡織產業友善交流的態度,開放同業或公會成員進行實地訪視,透過訪查互動來協助讓相關技術應用得以拓展至其他產業夥伴。

 

延伸閱讀
作者相關文章