跳到主要內容
VSK 威視康 — Cognex 官方授權 PSI 系統整合商
民生用品 2018/12/19

民生運動用品 羽毛球毛邊 / 球頭瑕疵 AI 視覺檢測 - Cognex In-Sight 3800

機器視覺系統│民生運動用品業│羽毛球毛邊 / 球頭瑕疵 AI 視覺檢測│

COGNEX IN SIGHT 3800 應用於民生消費品產線視覺檢測,協助達成品質追溯、降低召回風險、提升檢出率與產能釋放。

KEY RESULTS · 關鍵成效

外觀瑕疵檢出

導入前

85-90%

導入後

99.0-99.5%

+9-14.5 pp

檢測速度

導入前

300-500 件/分

導入後

800-1,500 件/分

2-3 倍

人力配置

導入前

2-3 名 QC

導入後

0.5 名

年省 NT$ 80-130 萬(視個案評估)

上架退貨

導入前

0.3-0.8%

導入後

< 0.05%

降低 85% 以上

VIDEO · 類似應用影片

類似應用影片

影片來源:VSK 威視康 YouTube 頻道(同類應用參考,非本案實機影像)

CHALLENGE · 產線挑戰

羽毛球(鵝毛 / 鴨毛 / 尼龍)製造每顆需 16 根羽毛排列均勻,毛邊瑕疵(羽毛斷裂、彎曲、毛屑、球頭膠水溢出、軟木裂痕)形狀不固定、變異大;傳統規則式 AOI 漏判率 10-15%;專業比賽用球單顆售價 NT$ 50-200,不良品流入造成品牌信譽損失。

SOLUTION · 應用方案

本案採用 Cognex In-Sight 3800(5 MP 高解析)+ Edge Learning + ViDi Analyze 無監督異常檢測整合產線:相機俯拍 + 側拍羽毛球、AI 學習「正常羽毛球外觀」概念,任何偏離正常的瑕疵(毛邊 / 斷羽 / 球頭異常)均判 NG,PROFINET 即時剔除。

RESULT · 導入成果

  • 外觀瑕疵檢出:99.0-99.5%(+9-14.5 pp)
  • 檢測速度:800-1,500 件/分(2-3 倍)
  • 人力配置:0.5 名(年省 NT$ 80-130 萬(視個案評估))
  • 上架退貨:< 0.05%(降低 85% 以上)

TL;DR · 一分鐘看懂本案

  • 場景:ISO 9001 認證民生運動用品廠(羽毛球 / 桌球 / 網球等)羽毛球(鵝毛 / 鴨毛 / 尼龍)製造產線最後品質檢測站,800-1,500 件/分高速產線
  • 痛點:每顆羽毛球 16 根羽毛排列均勻度 + 毛邊 / 斷羽 / 球頭膠水溢出 / 軟木裂痕等形狀不固定瑕疵,傳統規則式 AOI 漏判率 10-15%;專業比賽用球單顆售價 NT$ 50-200,不良品流入造成品牌信譽損失
  • 方案:Cognex In-Sight 3800(5 MP 高解析)+ Edge Learning + ViDi Analyze 無監督異常檢測 + PatMax 16 根羽毛角度量測 + PROFINET 即時剔除
  • 關鍵成效:外觀瑕疵檢出 85-90% → 99.0-99.5%(+9-14.5 pp)、檢測速度 2-3 倍、上架退貨 0.3-0.8% → < 0.05%(降低 85% 以上)、年省 NT$ 80-130 萬人力(視個案評估)
  • 關鍵決策點:形狀不固定的毛邊瑕疵建議用 ViDi Analyze(無監督),需 VisionPro Deep Learning 軟體 + 外接 PC,預算與整合複雜度高於 Edge Learning 一體機

資料說明:本案例 A 廠 / B 廠等為代號標示,KPI 數字為類似專案的典型成效範圍,實際依專案有所差異;資料來源:VSK 內部 POC 紀錄。如需細部資料,請聯絡 VSK 業務

客戶背景

A 廠(民生運動用品業):ISO 9001 認證的羽毛球 / 桌球 / 網球 / 運動護具製造商,主力產品為鵝毛 / 鴨毛 / 尼龍羽毛球,供應專業比賽 / 訓練 / 入門市場。產線特性 800-1,500 件/分鐘(依羽毛球等級而定),三班制運轉。品質壓力包含 16 根羽毛排列均勻度直接影響飛行軌跡與比賽公平性,毛邊瑕疵造成上架退貨 + 品牌信譽損失;專業比賽用球(鵝毛)單顆售價 NT$ 100-200,不良品成本高。

常見的羽毛球瑕疵類型可分為:

  • 毛邊(Burr):羽毛邊緣毛屑、撕裂、毛糙
  • 斷羽 / 缺羽:16 根羽毛中有 1-2 根斷裂或缺失
  • 排列不均:羽毛角度間距偏離標準 22.5° ±2°
  • 球頭膠水溢出:軟木球頭與羽毛接合處膠水過量
  • 軟木裂痕:球頭軟木表面裂紋
  • 羽毛色澤不均:同一批不同批次原料造成的色澤差異

這些瑕疵的共同特徵為「形狀不固定 / 變異大 / 樣本難窮舉」,傳統規則式 AOI(PatMax + 面積閾值)漏判率 10-15%。Cognex ViDi Analyze 無監督異常檢測採「學習正常 → 偵測異常」策略,對形狀不固定的瑕疵辨識率可達 99% 以上。

系統配置

本案採用 Cognex In-Sight 3800 高解析機器視覺系統 + ViDi 深度學習整合羽毛球產線最後品質檢測站,完整配置如下:

  • 視覺主機:Cognex In-Sight 3800(5 MP 高解析智慧相機,內建 Edge Learning + ViDi EL Read AI OCR + HDR Multi-exposure);複雜應用搭配 VisionPro Deep Learning 軟體 + 外接 PC 執行 ViDi Analyze
  • 光學設計:環形 RGB 多色光(不同羽毛色澤對比優化)+ 同軸光(羽毛表面均勻照明)+ 偏振片(抑制亮面反光)
  • 觸發機制:羽毛球到位光電開關觸發 Strobe LED 凍結畫面(曝光 50-200 μs)
  • 多角度配置:俯拍(羽毛排列)+ 側拍(球頭 + 軟木)雙相機協同
  • 通訊介面:PROFINET / Ethernet/IP / Modbus TCP 與產線 PLC 對接,NG 訊號傳遞延遲 < 10 ms
  • 影像追溯:NG 影像 + 瑕疵類別 + 批號 + 時間自動歸檔

演算法組合:

  • PatMax 形狀對位:定位羽毛球輪廓 + 16 根羽毛軸線,量測羽毛角度間距
  • ViDi Analyze(無監督異常檢測):學習「正常羽毛球外觀」概念,任何偏離正常的區域均判 NG,適合形狀不固定的毛邊 / 斷羽
  • Edge Learning AI:學習特定瑕疵類別(球頭膠水溢出 / 軟木裂痕),每類 10-30 張起步
  • 規則式量測:羽毛角度間距、球頭直徑、軟木高度等量化指標

商業價值

  • 品質提升:外觀瑕疵檢出 85-90% → 99.0-99.5%(+9-14.5 pp),上架退貨降低 85% 以上
  • 產能提升:檢測速度 300-500 → 800-1,500 件/分(2-3 倍)
  • 產能釋放:自動化檢測釋放 2-3 名 QC 人力
  • 品牌保護:高端比賽用球品質一致性提升,市場競爭力強化
  • ROI 回收:依產線複雜度 6-15 個月回收期

羽毛球毛邊檢測的失敗模式分析

羽毛球毛邊 / 球頭瑕疵 AI 視覺檢測在高速產線的失敗模式可歸為四類。第一,羽毛色澤批次變異 — 不同批次原料造成的色澤差異可能誤判為瑕疵,POC 階段需收齊所有色澤變異樣本。第二,毛邊瑕疵的邊界值定義 — 「可接受毛邊」與「需剔除毛邊」的邊界主觀,需與品保工程師共同建立明確邊界樣本作為訓練資料。第三,16 根羽毛部分遮擋 — 多角度拍攝下部分羽毛可能被相鄰羽毛遮擋造成 PatMax 對位失敗,需 POC 階段優化視野與角度。第四,軟木球頭立體結構量測 — 軟木裂痕屬於 3D 立體瑕疵,2D 視覺需依靠陰影與多光源時序切換才能突顯。

降低失誤的工程實務:POC 階段須收齊邊界樣品(輕度毛邊、不同色澤批次、不同遮擋角度)作為容差設定基準;光源 over-design 30-50%;ViDi Analyze 策略可降低瑕疵樣本收集難度;定期維護每月清潔鏡頭與光源、追蹤辨識率趨勢;ISO 9001 對追溯的要求由整合方主導。

為什麼選擇 Cognex PSI 系統整合商

機器視覺導入的成敗,遠超過「相機規格表上的數字」。VSK 威視康累積在台灣食品飲料 / 製藥 / 汽車 / 半導體 / 民生用品製造業 10 年以上的整合經驗中,反覆觀察到三個關鍵失敗點:第一,沒做 POC 直接下單,產線上線後才發現形狀不固定的瑕疵辨識不穩、節拍跟不上、邊界樣品判定不穩。第二,光源沒有 over-design 餘量。第三,視覺與機構 / I/O 分工模糊。Cognex PSI(Premier Solution Integrator)認證的訓練重點,正是上述三項。

導入後的服務模式:VSK 設備保固 1 年(自出貨日起算),教育訓練依專案客製。

相關常見問題(連到完整解析)

與威視康技術團隊聯繫

👉 您的視覺檢測需求由威視康技術團隊接手|電話 +886 2-8809-3200線上聯絡查看完整 Cognex 產品線

延伸閱讀

本案例涉及之 民生運動用品視覺檢測、羽毛球毛邊 / 球頭瑕疵 AI 檢測、ViDi 深度學習、Edge Learning AI、ISO 9001、智慧工廠相關方案,VSK 威視康可依現場提供 Cognex 設備選型建議。民生用品視覺自動化導入請來電 +886 2-8809-3200。

FAQ · 客戶常見問題

關於這個案例的常見問題

羽毛球毛邊檢測 Cognex In-Sight 3800 方案多少錢? +
機器視覺方案(單站、含 5 MP 相機 + 微距鏡頭 + 多角度光源 + Edge Learning + 整合設計)整體投資在 NT$ 50-100 萬之間(視個案評估);若需 ViDi Analyze 深度學習補強 + PC + GPU,視整合複雜度而定。VSK 提供 POC 後客製報價。
羽毛球形狀不固定的瑕疵 AI 怎麼學? +
羽毛球瑕疵(毛邊 / 斷羽 / 毛屑)形狀變異極大,傳統規則式無法窮舉。Cognex ViDi Analyze 採無監督學習「正常羽毛球」概念,任何偏離正常的區域均判 NG;Edge Learning 補強特定瑕疵類型分類(球頭異常 / 軟木裂痕)。POC 階段以您的羽毛球樣品實拍量化辨識率。
16 根羽毛排列均勻度怎麼量測? +
Cognex In-Sight 3800 + PatMax 形狀對位定位每根羽毛軸線,輸出 16 根羽毛的相對角度。標準羽毛球每根羽毛角度間距為 22.5° (360° / 16),超出 ±2° 公差即判排列不均。實際公差由 VSK 工程師依您的品質規範設定。
Edge Learning / ViDi 訓練樣本需要多少張? +
Edge Learning 簡單瑕疵 5-30 張/類即可起步;ViDi Analyze 無監督學習需 100-300 張正常樣本;ViDi Classify 監督式分類每類 50-100 張。完整羽毛球品質檢測 POC 樣本收集與訓練週期依案情而定。
800-1,500 件/分產線速度相機跟得上嗎? +
搭配 Strobe LED(極短曝光 50-200 μs)凍結移動羽毛球,搭配 PROFINET 即時觸發。800-1,500 件/分 = 每秒 13-25 件,Cognex In-Sight 3800 30 FPS 綽綽有餘。實際節拍由 VSK 工程師依輸送速度、觸發方式現場量測。
鵝毛 vs 鴨毛 vs 尼龍羽毛球需要不同配方嗎? +
需要。鵝毛(高級比賽用,反光率高)/ 鴨毛(中階訓練用,色澤略深)/ 尼龍(入門用,材質均勻)光學特性差異大,建議建立獨立配方。Cognex In-Sight 3800 內建配方庫支援多 SKU 切換,操作員透過 HMI 10 秒換線。
AI 模型部署後會自己退化嗎? +
不會自動退化。Cognex Edge Learning / ViDi 是「離線學習」模型,部署後不會自動再訓練;但產線環境變化(光源老化 / 鏡頭髒污 / 工件批次差異)會讓辨識率漸進下降。建議每月清潔鏡頭光源 + 抽樣 100 件對照 AI 判斷,必要時補訓練。完整維護建議見 Edge Learning 詞彙頁
民生用品品質規範(如 ISO 9001 / 自有品保 SOP)如何符合? +
Cognex 提供影像保存 + 操作員簽章 + 配方版本控制,符合 ISO 9001 品質管理系統文件要求;自有品牌可建立內部 SOP 規範,VSK 協助制定 FAT 規格書與第一批量產驗收。
REFERENCES · 引用標準與規範

📚 案例引用標準

本案例涉及之國際 / 在地標準與規範(標準內容請洽各主管機關官方來源):

  • ISO 9001 品質管理系統
YOUR APPLICATION?

想做類似的應用?

每個產線狀況不同。歡迎與工程師討論您的應用條件,可規劃對應的 Cognex 機型測試與可行性評估。