[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
陶瓷磚自動化品質檢測是利用相機和AI視覺模型實時監控產線,在不合格瓷磚到達包裝前將其標記。系統替代過去站在分選臺旁的第二雙眼睛,為產線提供跨班次和裝飾系列的一致品質基準。陶瓷磚領域的特殊性在於表面本身:釉面瓷磚的反光與坯體不同,裝飾印刷產生的圖案噪聲讓簡單的規則式視覺難以與真實缺陷區分,而高速連續傳送帶要求線掃描採集與傳送速度保持同步。
AI主導的檢測勝過人工目檢和傳統規則式視覺的原因在於,模型學習你特定的裝飾圖案與釉面外觀,在你推出新系列時無需任何人重新程式設計規則集即可適應。陶瓷磚AI缺陷檢測已經從試點狀態走向新建瓷磚產線的標準做法,生產商每推出一個新系列,AI主導檢測與人工分選員之間的差距就會進一步拉大。
燒製時氣泡爆開形成的微小彈坑,在釉面上留下可見的黑點或白點。它們隨機出現,常聚集在某一模具周圍,人工分級員一旦疲勞就會漏檢。Enao的模型在漫射穹頂光下捕捉區域性紋理不規則與陰影特徵,即便在對比度最弱的深色釉面上也能識別。
裝飾或坯體顏色在兩次燒製之間出現幾個delta-E點的偏移,有時一天之內就發生。逐片看不出來,一旦兩個批次出現在同一面牆上就一目瞭然。模型為每個SKU保留顏色基準,在整托盤以錯誤色調出貨前標記色差。
切割邊緣上的小型斷裂,通常由金剛石刀片磨損或傳送對位偏差引起。在傳送帶的視覺混亂中容易漏檢。模型監控每片瓷磚的四個邊緣並標記區域性不連續,包括位於俯視檢測員看不到的下表面倒角處的崩邊。
橫貫坯體的細絲狀裂紋,常從某個角輻射或沿壓機的應力線延伸。只在特定角度才可見。側面掠射光將其清晰呈現給相機,模型對裂紋長度和方向打分,使產線可以將嚴重件路由到廢品,輕微件路由到二級品。
裝飾圖案錯位一到兩毫米,在期待完美網格對齊的修邊瓷磚上留下肉眼可見的不匹配。人工分級員能發現最嚴重的情況,但放過臨界案例。模型將裝飾與每個SKU的主影像比較,持續捕捉亞毫米級偏移。
超出公差的長度、寬度或對角線,使瓷磚落出其商業規格倉。傳統上由下游專用規格站測量。視覺模型在檢測點增加一道檢查,使規格不合格瓷磚在昂貴的分選機之前就被剔除,而不是之後。
陶瓷磚產線上讓這一切運轉的照明配置是漫射穹頂或同軸光源,中和釉面上的鏡面眩光。高速連續傳送帶採用線掃描配置,使每片瓷磚的解析度在傳送速度變化下保持穩定。低吞吐量的批次分選,iPhone級面陣感測器無需額外硬體即可處理完整缺陷分類。組合方式因產線段而異,我們會在上線時幫你調校。

整套硬體設備成本低於1,000歐元,由翻新iPhone、環形燈或穹頂光源、USB-C資料線和安裝臂組成。首次部署不需要PLC整合,設備裝在飛行箱裡,你設定時產線照常執行。
上線是自助式的。你的車間團隊安裝設備、開啟Enao應用,在下次更換裝飾系列時開始採集基準幀。第一天無需任何先驗標註即可返回80%精度,到第十四天模型在已見缺陷上的表現已超過人工分選員,產線每次確認或拒絕標記瓷磚,模型都會改進。
每條產線教自己的模型識別其裝飾、釉料和坯體的外觀。當你在同一產品系列中增加第二條產線時,第二個模型從第一個模型的經驗出發,邊際成本急劇下降。當你推出新裝飾系列時,你用一個下午重新教導模型,而不是用一週時間在多個規則集上重新程式設計。
陶瓷磚產線上的自動化視覺檢測意味著不合格托盤停止出貨,你的檢測員獲得八小時的注意力去做仍需要人來做的工作。
對陶瓷磚生產商而言,對比在五個維度上更加清晰。
陶瓷磚產線上的設定時間。 — 人工目檢:每位檢測員數小時培訓。傳統規則式視覺:三到九個月的整合與規則程式設計。Enao:從應用安裝到首次檢測只需幾小時。
每條產線的硬體成本。 — 人工目檢:無前期投入,但有持續人工成本。傳統規則式視覺:每條產線數萬歐元加上整合商費用。Enao:翻新iPhone、燈具與支架,合計低於1,000歐元。
應對新裝飾系列。 — 人工目檢:重新培訓檢測員,接受最初幾周的衰減。傳統規則式視覺:重新程式設計規則集,排期整合商。Enao:用新樣本在一個下午重新教導模型。
對釉面針孔與裝飾偏移的檢測精度。 — 人工目檢:班次開始時高,隨疲勞下降。傳統規則式視覺:在已知缺陷上穩定,對新缺陷盲。Enao:第一天80%,隨每片標記瓷磚攀升。
由誰來執行。 — 人工目檢:訓練有素的檢測員。傳統規則式視覺:視覺系統整合商。Enao:車間操作員。
裝飾圖案的更新速度快於規則集的重新程式設計速度,而退回托盤的成本遠高於一套基於iPhone的檢測設備。Enao就是為這個差距而生的。
