面向纺织行业的自动化质量检测使用一台相机和一个 AI 模型,在面料离开织机、针织机或整理线时进行监控,在布卷进入仓库之前标记出不合格的米段。模型不再依赖站在四分制验布机前的检验员,也不再依赖刚性的规则式机器视觉,而是从你产线上的合格与不合格面料图像中学习,并随着纱线、经轴和整理工艺的变化而自适应。
织布车间把这件事叫作在线验布、AI 缺陷检测,或者纺织 AI 视觉。技术家族都是同一个:固定相机、受控照明、用你产线样本训练的 AI 模型,再加上一份可追溯记录,证明每一米都经过检测,并按照四分制被接收、按疵点类别被标记,或被判退。
它不会替代你的织机机修工、整理工艺师或者客户审计。它要做的是确保你出货的米数与通过规格的米数一致,每个班次、每个品种都成立,并且当客户扣款回来的时候,你手上有可以拿给加工商看的记录。
一个小破洞、一根折断的经纱,或者一段缺少一根或多根纱线的面料。原因可能是断针、织机没有停下的挂经,或者织工没有发现的纱线断裂。带均匀背光的相机能在一根经纱缺失的瞬间就发现,而不必等到裁剪缝制工位在裁床上才看出破洞。
纺纱过程中带入的粗节、纱结、棉结和杂质,在织造或针织面料表面表现为可见的凸起。原因来自上游纺纱缺陷、接头打结不良,或棉包里的异性纤维。针对你具体纱支和光泽训练过的相机会标记超过你公差的粗节,并忽略本身就属于面料肌理的纹理;而规则式系统要么过度报警,要么直接漏检。
面料上的横向条带,缘于纬向张力、纬纱支数或纬纱染色亲和力在纬纱之间发生漂移。原因可能是换经轴、换纱筒或纬向张力漂移。持续监控同一品种每一米的相机,能在斜光下早于人眼在高棚灯下察觉之前发现淡淡的横档,并在下一根经轴让问题翻倍之前提醒车间。
针织面料上的纵向线条,原因是某根针被弯曲、漏掉一针或丢圈。成因包括磨损的织针、缺油的针筒,或纱线断裂后舌针没有恢复。装在圆机卷取处的相机能在几米内捕捉到这条线,而不会让生产持续几个小时,把二十公斤纱线变成次品。
来自机器油、手部接触或异物的痕迹,整理工序没能把它们洗掉。成因可能是漏油的轴承、脏的导布器,或者维修步骤在面料路径上留下了残留。经过正确色彩校准的相机能在浅色面料上识别细小的油痕,而人眼很可能直接走过去;并把这一米与布卷绑定,便于下游分拣。
在匹染或喷射染色卷上,沿长度方向出现的条纹、斑块或缓慢的色相漂移。它告诉你染浴化学组成漂移、温度曲线发生变化,或者一个循环喷嘴部分堵塞。装在整理线出口的相机能在色差刚开始的那一米就发现,比化验室拿到具有代表性的剪样早几个小时。
这是起步清单。上线阶段我们会校准哪些类别在你的具体产线上最关键,并据此调优模型。
在 Enao 上跑视觉检测的纺织工位,看上去和隔壁工位几乎一样,只多了一个组件。一部翻新 iPhone 装在支架上,从上方或斜方向对准从织机卷取、针织机卷取或整理线下来的面料,或者放在产线与仓库之间的专用验布架上。一根简单的 LED 灯条让相机在每一米都能拿到相同的光照。
面料从相机下方走过时,iPhone 按产线速度连续拍摄,模型把每一帧分类为合格,或者归入上面七大疵点家族之一,再把结果写入你的布卷档案。如果某一段连续二十米都被标记,操作员会收到告警;如果整理线在一天里出现缓慢的色差漂移,仪表板会比化验室更早把它标出来。
模型每天晚上基于前一天的标注重新训练,因此换纱、换经轴或换整理工艺会在一个班次内被吸收,而不是一个季度。新品种走的是同一个流程:操作员标注前一百米,从第一百零一米起模型接管,纺织工艺师在班次结束时复核标注。
无论纤维种类或面料组织如何,从人工四分制评级或规则式机器视觉切换到 AI 主导检测的产线,看到的提升步骤是一致的。
微小疵点的检出率 — 人工:到第三个小时眼睛开始疲劳。淡淡的横档和缓慢的色差会被漏掉。Enao:第八个小时的检出率与第一个小时一致。一米一米地捕捉细微的织造和染色疵点。
新品种或新面料的上线时间 — 人工:检验员培训、标准样、纸质 QC 单。两到四周才能让车间熟练判读新品种。Enao:标注一百米,模型就开始运行。当班次内完成上线,无需在每条产线更新纸质单。
客户退货时的可追溯性 — 人工:手写的四分制记录、覆盖不全、班次缺失。还原现场需要一周。Enao:每一米都有图像、分类和置信度记录。还原现场只需十分钟。
启动成本 — 人工:每条产线、每个班次都要再加一名检验员,并在培训之外产生持续的月度成本。Enao:每个工位硬件低于 1000 欧元。纺织厂规模扩张时成本保持平稳。
经轴或整理工艺漂移时的表现 — 人工:次品率逐步上升,直到客户提出问题。寻根究底要花几天。Enao:横档或色差刚出现的那一米仪表板就能显示。纺织工艺师拿到的是时间戳和图像。