智慧對色檢驗系統 Intelligence color inspection system

（一）產業現況

我國紡織產業以石化工業提供原料為基礎，積極發展聚酯及耐隆等人造纖維，再結合中、下游的紗廠、假撚廠、織造廠至下游染色定型及整理加工廠，形成完整的產業群聚及供應鏈。然而紡織製程鏈十分冗長，各片段製程均已發展各別的次產業，且各次產業製程又細分為各種工序與類型產品，以致紡織品快速開發成為業界心中難以觸及的理想，但隨著智慧製造與數位技術的成熟度提升，從需求端回溯的數位檢驗快速開發成為可行方案。近年來，臺灣紡織布料出口比重約占紡織品總額2/3，顯示其關鍵地位，並為國際品牌主要供應源，因此品質要求格外嚴謹。除在生產端控制品質外，在終端檢驗更需加強把關，然而近年來面臨勞工短缺的嚴峻課題，人工檢測率偏低，效能也不佳，因此紡織品數位檢測技術的發展逐漸成為產業殷切期盼的焦點，中國大陸、瑞士、英國…等國家競相投入研發，少數業者已開始引進。

（二）技術發展方向

開發紡織品數位檢驗技術，以高速精準瑕疵辨識結合智慧對色檢驗技術，透過智能比對辨識等應用技術服務與線上生產設備串連，將既有機械設備產業能量導入數位智能化生產設備與製程。透過數位品檢技術，進行線上瑕疵檢測、色差數位規格化、色差影像智慧學習模組、預測建模與AI深度學習，達到瑕疵高檢出率。藉由AOI感測技術搭配AI深度學習分析色差與瑕疵特徵，並決策與回饋至前製程達到品質改善目的，並於染整工段控制染色生產參數，達到品質控制之再現性，加速新製程與產品開發，提升虛實整合應用系統開發效率，期望藉由此創新技術驅動服務，開創高值、敏捷、人性化的智慧製造模式（參見圖1）。

圖1 研發示意圖

資料來源：紡織所提供，2021.3

（三）產業化關鍵績效指標

現行紡織品的製程耗時長，且需仰賴經驗工作者之經驗，造成品質控制不易、經驗傳承困難、無法快速反應、人力資源短缺，亟需以數位化開發角度建構紡織品快速開發流程，使服裝開發與生產可以更貼近客戶端的精準製造。導入紡織品數位開發概念，將所收集到的參數運用深度學習、參數分析及演算法，找出最重要的參數，運用主成分分析再加上專家意見找出最重要的參數，避免統計分析忽略到重要參數。同時透過收集紡織各階段人才的專業知識，將這些專業資訊納入到平臺的設計考量，並讓各家廠商可依照自家的產品特色與生產機台，調整模組參數。

透過機器視覺建置色差樣數位資訊，藉由色差樣數位資訊進行分析、預測建模並使用梯度演算法(Boosting)與類神經網路 (Neural Networks)演算法來進行深度學習，進而達到高檢出率90%以上。

開發AOI機械視覺色差辨識AI生產解決方案，因應高品質與穩定交期的快速反應，精進生產品質提升，運用AI演算色差與線上生產設備資訊串流技術，快速提升線上即時異常處理，並且整合生產設備物聯網系統，協助產業擁有更完整的生產資訊與檢測系統。

整合織物開發、服裝生產鏈製造業者、品牌通路商組成跨領域之產業聯盟，建構數位化產業鏈模式與可生產量化參數製程，促成4~5家產業聯盟先驅業者，預期合作廠商有裕源、宏遠、旭寬、福懋、佳和、和明、達紡、美綸、聚紡等，預計6~10件專利佈局、減少驗布機檢驗時間，提昇品質檢出率達95%以上、預估4年產業投資≧10億元；預估4年產業產值≧12億元、提升產品開發速度提升≧50％。

（四）技術發展趨勢

臺灣成衣廠雖然生產基地大多外移到東南亞地區，但目前接單、研發、打樣、材料採購或較有技術性的產品還是留在臺灣生產與管控。藉由自動化結合智慧化檢出與智慧生產模式以迎合高品質與穩定交期，快速反應衝擊，自動化融合智慧化的「智慧數位檢驗」為布料檢驗品質奠基。將從【品質穩定】與【交期穩定】作為臺灣廠商數位化轉型的基礎，希望可透過保有臺灣在機能性布料高品質的競爭優勢。

本研究透過紡織品數位檢驗布料色差影像數位資料擷取，完成紡織產業不管是在對色品質或瑕疵品質管控之數位化需求，並同步發展機械視覺CCD瑕疵／色差辨識AI生產解決方案，為因應產業內所面臨高品質與穩定交期的快速生產反應，透過紡織品數位檢驗來精進產品對色品質提升，導入智慧深度學習生產技術，提供產線生產決策與品質管理，進而對接全製程數位供應鏈整合系統。

（五）成果運用

傳統檢測都是以人工檢測為主，瑕疵、色差皆是靠自身的經驗、人眼去做辨識，常常會發現品質上會因人而異、且沒有一致的檢驗標準，效率上也大打折扣。故本技術開發快速反應布面品質檢驗系統，搭配嵌入式機構，應用高效視覺辨識並具有AI智慧檢驗之功能。透過影像辨識系統建立布料色差機器學習資料，藉由演算法開發應用於布料的瑕疵辨識與色差比對，達到布料相對色差檢出率95.3%、色差檢出速率7毫秒，並建立光源幾何不勻補正率93%，以解決人工檢測肉眼無法判別的色差瑕疵。

目前國內外發展的辨識技術都已逐步走向AI人工智慧，但尚無將瑕疵與色差做結合，並同時應用在瑕疵與色差辨識上。故本計畫之智慧對色檢驗技術不只是將AI人工智慧運用在色差／瑕疵辨識，也著重在布料色彩資訊數位化與布料色彩數位資料建立，並且透過紡織品數位檢驗開發技術結合紡織品數位設計開發，精進產品品質提升，解決因顏色差異產生的布料利用率問題。本計畫研發流程如下圖所示（參見圖2）：

圖2 智慧對色檢驗技術流程圖

資料來源：紡織所提供，2021.12

要讓AI演算學習出好的成果，必須透過資料前處理技術。故在做影像擷取與特徵分類時，則需運用線下檢驗設備來進行，從影像拍攝擷取、光源自動調整、標記／分類、資料數位化儲存，全以它一台包辨（參見圖3），多虧此機器的協助才能減輕在資料前處理上的負擔。

圖3 線下檢驗設備

資料來源：紡織所提供，2021.12

智慧對色檢驗系統結合線上嵌入式機構設計，藉由軟硬體整合測試驗證，將驗證成果導入至實際現場的作業環境，搭配現場人員操作與使用，此目的不僅僅是要測試技術成果，更要藉此讓技術實際被運用甚至推廣至全國。目前線上嵌入式機構設計已裝設至定型機與驗布機上如圖所示（參見圖4）

圖4 線上嵌入式機構設計

資料來源：紡織所提供，2021.12

智慧對色檢驗同時運用在色差辨識與瑕疵辨識，也著重在布料色彩資訊數位化與布料色彩數位資料建立，並且透過紡織品數位檢驗開發技術結合紡織品數位設計開發，精進產品品質提升，解決因顏色差異產生的布料利用率問題。目前智慧對色檢驗技術可以同時檢出色差與瑕疵種類如下圖所示（參見圖5）：

圖5 檢出種類

資料來源：紡織所提供，2021.12
 

（六）結論

後續推動發展策略以數位雲端平台服務，促成價值鏈的串流與整合：臺灣紡織品高品質、不斷推陳出新及彈性快速反應，在過往深具國際競爭力，極受國際品牌信賴，惟面對新興國家競爭者崛起，優勢差異逐漸被追趕拉近，因此唯有導入新科技元素與新製程重新設計，才有重塑競爭力的契機；其中臺灣在運動與戶外機能性紡織品市場仍具優勢，所需精進的係在前端顧客需求介面與後端供應鏈彈性產線間的快速精準整合，因此以智慧製造、數位控制、雲端服務為核心的平台服務便極具重要性；準此，本技術投入雲端平台技術，相關推動策略如下（參見圖6）。

圖6 投入數位檢測與開發技術之推動策略

資料來源：紡織所提供，2021.3

（七）參考文獻

1. 《紡織趨勢272期》，智慧驗布系統，紡織所 許文正

2. 《紡織趨勢275期》，精準色差比對辨識系統，紡織所 廖育佐

欲瞭解更多資訊，請透過下列聯繫方式洽詢：

廖育佐
+886-5-551-9899 #5308
yzliao.1421@ttri.org.tw