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
ℹ 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)
- 機器視覺方案投資成本? — 設備、整合、ROI 試算指引
- Cognex 視覺系統導入要多久? — 2-12 週分階段時程詳解
- VSK 設備保固與服務範圍? — 保固 1 年、原廠送修、技術支援細節
- Edge Learning / ViDi 需要多少訓練樣本? — 5-300 張起步、樣本收集要點
- 視覺系統 PLC 整合? — PROFINET / EtherNet/IP / Modbus 通訊配置
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
- Cognex In-Sight 3800 機器視覺系統(產品頁)
- 民生用品瑕疵檢測案例
- 醫材組裝異物 AI 視覺檢測案例
- VisionPro ViDi 深度學習
- Edge Learning 邊緣 AI
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。
