紡織布料AI+AOI瑕疵檢測系統開發與導入分享

丁振卿
臺北科技大學機械系 教授 / 臺德科技協會 理事長
科技部[智慧製造結合AI科技應用開發]產學聯盟 主持人
筌晴科技股份有限公司(Chen-Ching Technology Co., Ltd.)
chchting@ntut.edu.tw // chchtingcct@gmail.com
https://cdg.com.tw // https://cctg.tw // https://cctg.com.tw
換頁風格：None - Fade - Slide - Convex - Concave - Zoom 簡報風格：Black - White - League - Sky(Default) - Beige - Simple - Serif - Blood - Night - Moon - Solarized

專案開發流程

專案開發流程

  1. 開發AI瑕疵檢測模型：收集瑕疵相片，建立與訓練模型

  2. 測試AI瑕疵檢測模型：訓練達到可接受之準確度的模型，先進行實際測試

  3. 導入AI瑕疵檢測系統：測試穩定辨識的模型，結合軟硬體導入產線應用

開發AI瑕疵檢測模型

  • 了解瑕疵產生原因及瑕疵樣貌
  • 歸類瑕疵及命名瑕疵
  • 瑕疵相片收集所需時間因個案差異不同，如果能到QC產線同步拍攝收集最佳


  • 相片上瑕疵外觀框列
  • 圖像擴增：模擬人眼辨識情形擴增圖像，減少圖片需求量與增加辨識準確度
  • 將資料轉化成有效資料所需時間大約1$\sim$2週


  • 資料分析
  • 建立模型架構
  • 模型參數調整


  • 將整理好的圖片放進AI演算電腦，以所建立的模型進行訓練
  • 模型訓練速度大約50$\sim$60張/分鐘



  • 評估模型是否有過擬和情形，如果有，必須重新調整模型參數重新訓練
  • 模型準確度達70%以上保留評估使用
  • 模型評估需要足夠瑕疵相片來提高準確度

相片上瑕疵外觀框列

圖像擴增 I

圖像擴增 II

測試AI瑕疵檢測模型 I

測試AI瑕疵檢測模型 II

導入AI瑕疵檢測系統

硬體設備

AI模型開發 AI模型實務應用
作業系統與環境 Ubuntu 18.04 Server & Apache 2.4 Web Server
程式語言 Python 3.6 Python 3.6 & HTML5 & JavaScript
開發工具 Tensorflow & Pytorch
硬體設備 CPU: Intel Xeon w3175x
RAM: DDR4-3200 16G*4
GPU: GTX1660 6G*3
CPU: Intel i7 8700
RAM: DDR4-3200 16G*4
GPU: RTX2070 8G
實務環境 物件速度：36cm/min
物件寬度： ~14cm
攝影機：Arducam IMX477 HQ Camer, 9fps
鏡頭:Telephoto Lens 16mm 10MP

三機一體網頁控制技術

虛擬CPU
： VirtualBox
系統 ： Ubuntu、Windows
網頁伺服器 ： Apache
資料庫伺服器 ： MariaDB
資料庫存取語言 ： PHP
網頁控制語言 ： HTML, PHP, CSS, JavaScript, Python
私有雲社羣視訊 ： Nextcoud, Talk, Jitsi Meet
遠端桌面操控 ： AnyDesk

網頁控制可以突破三機一體 (手機、平板、筆電)限制，達到監控 無距離、無作業系統、無設備限制的發展方向。
手機APP進不了工廠，特別是Iphone手機必須付高額上架費上架APP Store才能 下載安裝，不會有工廠會把私人的APP上架讓所有人下載安裝。

網頁版瑕疵檢測系統

Thanks for your attention!!