技術簡介
完成支援布面品質智慧檢驗技術開發，結合YOLO模型與轉移式學習的EfficientNet骨幹的CNN模型，實現最佳的運算效能，於布面異常檢驗速度達40公尺/分。
Abstract
The project has completed the development of support for Fabric Surface Quality Intelligent Inspection Technology, integrating the YOLO model with the EfficientNet backbone of CNN model featuring transfer learning, to achieve optimal computational performance. This technology achieves a fabric anomaly inspection speed of 40 meters per minute.
技術規格
可支援線上檢驗速度40m/分，以2種非監督式AI分析進行訓練，每張檢測影像處理時間小於0.1秒
Technical Specification
The proposed module can provide two type unsupersived learning to achieve image detection time less than 0.1 seconds at fabric inspection speed of 40 m/min.
技術特色
本方法可透過兩階段管道式預測機制，達成快速且準確的布面品質檢測，降低人工複判作業時間以增加生產效率，提升國產紡織設備價值與國際市場同步。
應用範圍
新產品於AOI取像所需線上檢驗之場域
接受技術者具備基礎建議（設備）
Windows 10 x64 PC ＋ GPU顯卡
接受技術者具備基礎建議（專業）
資工相關背景
聯絡資訊
聯絡人：周茂良 數位轉型技術組
電話：+886-6-3847128 或 Email：norman＠itri.org.tw
客服專線：+886-800-45-8899
傳真：-