紡拓會LOGO

用服務

類查詢
即時訊息
字級切換

研究人員開發以人工智慧為基礎的紡織質控系統

2018/11/02
香港理工大學(Hong Kong Polytechnic University, PolyU)開發了一種智慧布料瑕疵檢測系統,該系統採用先進技術,包括人工智慧(ArtificiaI Intelligence, AI)和深度學習(Deep Learning。
 
「WiseEye」的設計旨在用來改善紡織品的品質控制過程。該系統有效地降低90%劣質布料產生的機會,大大減少了生產中的損失和浪費。
 
香港理大表示,該項研發有助於人力的節省,以及增強紡織製造業的自動化管理。
 
Calvin Wong教授解釋道:「WiseEye是唯一以人工智慧為基礎的檢測系統,可滿足紡織品製造商的要求」。「它是一個具有許多元組件整合系統,可在檢測過程中執行不同的功能」。
 
該系統嵌入了高功率LED燈管和一個高分辨率感光耦合元件(charge-coupled device)攝像鏡頭,它是由電子馬達驅動,並安裝在軌道上,在布料的編織過程中可捕獲梭織布全幅生產的圖像。
 
攝像鏡頭所捕獲的圖像會被預作處理,並提供人工智慧機器視覺演算系統進而檢測布料的瑕疵。在整個檢測過程中所收集的即時訊息將被送到電腦系統,並且在需要時能夠產生及顯示統計分析和發送警示。
 
在以AI為背景的機器視覺技術的支持下,WiseEye可被安裝在織機中,幫助布料製造商在生產過程中即時監控瑕疵。透過自動檢測系統,生產線經理可以輕鬆檢測出布料的缺陷,從而幫助他們找出問題的所在並立即修復。
 
紡織品製造商目前是依靠人類用肉眼隨機檢查布料。香港理大表示,這部分會由於疏忽或身體疲勞等人為因素,導致人工瑕疵檢測產生不一致且不可靠。紡織品製造商也曾嘗試使用其他布料檢測系統,但這些系統似乎無法滿足行業需求。
 
由紡織成衣人工智慧(Textile and Apparel Artificial Intelligence, TAAI)研究團隊所開發的新系統,由香港理工大學紡織暨服裝學院時尚學系教授Calvin Wong及Cheng Yik Hung教授帶頭推動。
 
該研究團隊採用大數據(Big Data)和深度學習(Deep Learning)技術應用在WiseEye系統中。透過將數千碼布料數據輸入系統,該團隊已訓練該系統可以檢測大約40種常見布料的缺陷,並有高達0.1 mm /像素的極高精確度分辨率。
 
Wong教授表示:「鑑於布料結構眾多,布料組成和瑕疵類型有很大的差異,自動布料瑕疵檢測在過去二十年中一直是一項具有挑戰性且未完成的任務」。「我們以創新的方式將人工智慧、大數據和深度學習技術引入WiseEye,不僅是一項可以滿足行業需求的技術突破,也標誌著傳統紡織行業在質控自動化的製程上有著重要的里程碑」。
 
該系統已在實際的生產環境中試用了6個多月。其結果表明,當與傳統的人工視覺檢測相比,該系統能夠減少製造過程中90%的布料損失和浪費。根據香港理大表示,這意味著該系統有助於降低生產成本,同時提高生產效率。
 
目前,WiseEye可應用在多數具有不同編織結構和單色的布料。該研究團隊計劃進一步培訓和擴展該系統,用以檢測更具挑戰性圖案的布料瑕疵,例如複雜的帶材和圖案檢查。最終目標是在5年內涵蓋到所有常見的布料類型。
 
Wong教授和TAAI研究團隊自2012年以來一直專注於人工智慧、電腦視覺和機器學習基礎和應用方面的研究,特別是時裝和紡織行業。該團隊早期開發了'FashionAI Dataset',該系統透過AI的使用,整合了時裝和機器學習,可對時裝圖像進行系統分析。
 
其他計畫涉及的領域包括智慧紡織材料和成衣品質的檢驗,大型布塊樣品和時裝圖像搜索以及時尚銷售預測。
 

回列表

TOP