部落格

安全氣囊紗線品質控管——AI 瑕疵檢測自動化

背景與客戶需求 一家在工業、運動及釣具領域享譽盛名的線捲製造龍頭企業，近期啟動了一項策略性計畫，旨在提升其安全氣囊紗線生產的品質管控。該計畫的核心目標是優化檢測流程，以滿足汽車零組件嚴苛的安全標準。其主要目標是實現「毛羽 (Fuzz)」檢測的自動化（即紗線捲上的纖維起毛或瑕疵）。該生產線要求在每 8 小時的班次中檢測約 650 捲線捲。由於確保高產能與良率至關重要，客戶希望從人工製程轉型為自動化 AI 解決方案，以確保瑕疵檢測的可靠性。 面臨挑戰 紗線捲的檢測具有獨特的視覺複雜性，使得傳統基於規則（Rule-based）的視覺系統難以應付：瑕疵型態多樣： 「毛羽」瑕疵的形態差異極大，需要一個具備彈性、能學習多種瑕疵形式的檢測系統。高視覺雜訊： 纏繞紗線的紋理會產生背景雜訊。若無先進處理技術，標準視覺系統容易將正常繞線誤判為實際瑕疵。景深與對焦問題： 由於相機是檢測圓柱體線捲的側面，位於弧度邊緣的瑕疵常顯得模糊或失焦，導致潛在的漏檢風險。標記歧義： 人工標註者與 AI 預測在瑕疵精確區域的認定上存在差異，難以建立「完美」的標準基準（Ground Truth）。 解決方案 為了應對上述挑戰，達明機器人運用 AI 技術結合高階視覺硬體進行了概念驗證（PoC）。 檢測架構包括：視覺硬體： Basler acA2500-14gm 相機，搭配 OPTART 25mm 定焦鏡頭與 CCS LDR2-50SW2-JD 光源。配置參數： 系統設定物距為 30 公分，捕捉線捲側面影像。機構策略： 為解決線捲弧度導致的失焦問題，評估結論建議必須導入旋轉機構，將瑕疵帶入焦平面以進行精確檢測。  AI 模型訓練 本專案利用 TM AI+ (版本 2.22.1700) 打造強健的瑕疵檢測模型。數據集構成： 訓練集包含 98 張影像以捕捉多樣化的瑕疵形狀，另保留 17 張影像用於測試。標籤標註： 團隊對數據集中的瑕疵 (NG) 進行標註，初始訓練涉及 59 個標註實例。持續優化： 由於瑕疵外觀變異大，初期驗證損失（Validation Loss）難以降低。團隊認定 「Auto AI Training」 為關鍵功能，能自動收集負樣本並強化模型對過失標（False Positive）的抵抗力。 成果與效益 在達明機器人實驗室環境下的評估證明了 AI 解決方案的可行性：有效檢測： TM AI 系統在受控的實驗室環境中成功偵測到瑕疵。解決過失標問題： 儘管紗線紋路複雜，AI 仍能分辨正常繞線與實際的毛羽瑕疵。釐清機構需求： 測試顯示靜態取像會因模糊導致漏檢（某一測試集中 59 個標籤中漏檢 3 個）。分析證實，導入旋轉機構確保瑕疵位於焦點內，即可解決漏檢問題。透過 Auto AI 實現擴展性： 針對變化無窮的毛羽形狀，團隊建議實施 Auto AI Training，持續精煉模型並減少人工與 AI 判斷之間的歧義。 結論 針對 此項評估證明，AI 檢測能克服安全氣囊紗線等複雜紋理上的細微瑕疵偵測難題。雖然環境因素（如燈光與對焦）至關重要，但透過 TM AI+ Trainer 與合適的機構設計相結合，可確保自動化品質控管流程的可靠性。藉由導入 Auto AI Training，系統具備了適應新瑕疵變異的未來擴展性，確保長期的品質一致性。

知名機車大廠鑄造自動化

背景與客戶需求 一家國際知名的機車製造大廠，在其鑄造製程的原料端面臨嚴峻挑戰。產線需要處理交錯堆疊高達 21 層、單塊重達 7 公斤且尺寸細長的鋁錠。客戶急需一套能結合自動化與 AI 視覺的解決方案，以取代傳統人力，解決高昂的人力成本並提升定位與取放的精準度。 面臨挑戰 高強度勞動與工傷風險： 頻繁搬運 7 公斤重物並需長期彎腰，導致人員職業傷害風險極高，且缺工問題嚴重。物理視野限制 (FOV)： 由於鋁錠尺寸過長，單一鏡頭的視野範圍 (FOV) 難以在近距離內一次涵蓋整支鋁錠。堆疊複雜度： 鋁錠採 21 層交錯堆疊，且表面反光，傳統視覺難以精確辨識深度與位置。成本考量： 客戶希望避免使用極其昂貴的 3D 相機系統，尋求更高性價比的解決方案。 解決方案 我們導入了具備高運算能力的 AI 視覺方案，成功以軟體實力突破硬體限制：AI Instance Segmentation (2D 取代 3D)： 捨棄昂貴的 3D 相機，改用 AI 實例分割技術。透過深度學習模型，在 2D 影像中即可精準辨識堆疊鋁錠的輪廓與層次，大幅降低硬體建置成本。獨家定位演算法： 針對 FOV 無法全覽長條鋁錠的問題，開發特殊演算法分別定位鋁錠的「上端」與「下端」特徵，再自動計算出中心座標，確保機器手臂能精準抓取重心。  成果與效益 產能效率大幅提升： 單一機械手臂即可支援四個棧板的作業範圍，搬運效率達到 100 條/小時。高性價比建置： 透過先進的 AI 演算法取代昂貴硬體，為客戶節省了可觀的設備投資成本。實現零工傷場域： 協作機器人取代人力進行重物搬運，徹底杜絕了員工因長期負重與彎腰而造成的職業傷害，實現人機協作的最佳安全典範。 結論 本案例成功證明了「AI 軟體技術」能有效彌補硬體物理限制。透過精準的演算法與高性價比的 2D 視覺方案，我們不僅解決了高難度的鋁錠取放問題，更協助客戶在鑄造製程中達成了產能效率與員工安全的雙贏局面。