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 瑕疵檢測

民生用品 瑕疵檢測 解決方案

4 個 案例參考。AI 瑕疵檢測 — Edge Learning / VisionPro ViDi 處理變異瑕疵(氣泡 / 刮傷 / 汙染 / 缺陷)。

DEEP DIVE · 消費品瑕疵

消費品瑕疵 · 6 大類與 AI 對應

1 · 印刷瑕疵 (Print Defect)

包裝印刷偏色 / 缺墨 / 錯位 / 髒污。傳統色差判定精度有限、AI 可訓練多類瑕疵分類。

2 · 包裝缺件 / 位置偏 (Presence · Position)

紙盒缺角 / 標籤位置偏 / 內容物缺件。In-Sight 2800 Edge Learning 快速訓練多包裝規格。

3 · 標籤瑕疵 (Label Defect)

標籤起泡 / 皺褶 / 翹起 / 錯貼 / 髒污。ViDi EL Segment pixel-level 標記異常區。

4 · 顏色 / 色差判定 (Color Consistency)

化妝品 / 洗劑色度一致性、批次間色差控管。傳統 RGB 判定 + AI Classify 混合方案。

5 · 密封性檢測 (Seal Integrity)

瓶蓋密封 / 泡殼熱封 / 塑膠袋熱封瑕疵。含皺褶 / 未熔 / 異物夾入。搭配專用光源 + AI 判定。

6 · 異物 / 髒污偵測 (Foreign Object)

產品內混入異物 (毛髮 / 塑膠碎片 / 昆蟲)。低頻但高風險、AI Anomaly Detection 專長。

TECH · Edge Learning

Cognex Edge Learning vs 傳統 AI · 定位差異

維度 傳統雲端 AI (需 GPU) Cognex Edge Learning
運算位置雲端 / 邊緣 GPU 伺服器相機內建 (無需外接)
部署複雜度高 (需 GPU + 網路 + 模型部署)低 (相機開箱即用)
延遲網路傳輸延遲相機端毫秒級
網路依賴需穩定網路離線可運作
訓練門檻需 AI 工程師 + 大量樣本產線工程師 + 少量樣本
產線適配需整合 PLC + 網路架構直接接 PLC / I/O

〔Source · Cognex In-Sight 2800 / In-Sight 3800 Datasheet · Edge Learning 章節〕

COMPLIANCE · 消費品標準

消費品業標準對照

消費品產業 AI 檢測依產品類別對應不同標準:

  • ISO 22716 (化妝品 GMP) — 化妝品良好製造規範、對包裝檢測 + 批號追溯有要求。
  • 21 CFR Part 111 (FDA 保健食品) — 保健食品 GMP、含線上品質檢測要求。
  • ISO 9001:2015 — 通用品質管理、多數消費品客戶要求。
  • GS1 標準 (條碼追溯) — 消費品條碼 / QR / DataMatrix 印製 + 品質驗證。
  • HACCP (食品安全) — 若涉食品接觸包裝、需符合 HACCP 危害分析。

〔實際適用標準依產品類別 + 上市地區為準、細節請與 VSK 工程師 + 客戶端 QA 討論〕

FAQ · 常見問題

消費品 AI 瑕疵檢測 · 常見問題

Q1 · Cognex Edge Learning 適合小廠 (無 AI 工程師) 導入嗎?
A:適合。Edge Learning 定位為 example-based 訓練、產線工程師即可操作、無需 AI 專業。訓練流程:上傳 OK / NG 樣本 → 系統自動訓練 → 現場驗證。無需外接 GPU / 雲端 / AI 平台。〔Source · Cognex In-Sight 2800 Datasheet · Edge Learning 章節〕
Q2 · 化妝品 / 洗劑 / 個護產品有色差問題、AI 能判別嗎?
A:可以。ViDi EL Classify 可訓練多類色差 (色相 / 明度 / 飽和度) 分類。實務常配合校色標板 + 標準光源、確保跨批次色度一致。實際準確率依樣本可分度 + 訓練樣本量、可與 VSK 工程師實測評估。
Q3 · 產品混線 (多 SKU 快速切換)、AI 需要每個 SKU 分別訓練嗎?
A:看瑕疵共通性:若瑕疵類型跨 SKU 共通 (如所有紙盒都是紙材瑕疵) → 一個通用模型;若 SKU 幾何差異大 → 分別訓練 + 快速切換。In-Sight 2800 支援多 job 儲存、產線切換時載入對應 job。
Q4 · AI 誤判 (誤放 / 誤拒) 如何處理?
A:典型策略:(1) 誤判樣本收集 → 加入下次訓練集持續改進 (2) 設定 confidence threshold、低信心樣本人工複核 (3) 建立 audit trail 追蹤誤判來源。實際策略依產線良率 + 客訴成本 trade-off 設計。
Q5 · 產線速度快 (每分鐘幾百件)、AI 跟得上嗎?
A:Cognex Edge Learning 為相機內建、AI 推論延遲毫秒級、通常可跟上多數消費品產線。若產線超高速、可用In-Sight 3800 Line Scan線掃描版本。具體速度上限依應用複雜度 + 影像解析度、可與 VSK 工程師實測評估。
Q6 · 異物 / 髒污偵測、AI 沒看過的異物能認出來嗎?
A:可以用 Anomaly Detection (異常偵測) 模式、只訓練 OK 樣本、AI 自動找 "不像 OK 的異常"、不需要事先看過所有可能異物。適合罕見但高風險的異物污染檢測、如毛髮 / 塑膠碎片 / 昆蟲混入。
DISCUSS YOUR APPLICATION

想做 民生用品 瑕疵檢測應用?

VSK 工程師依您提供的 OK / NG 樣品評估,免費可行性評估與選型建議。