AOI 與 AI 驗布差在哪裡？

布料驗布長期依賴人工經驗。驗布人員需要在布料移動的過程中，辨識破洞、油污、色點、異纖、橫條、勾紗、染痕與其他布面異常，並判斷瑕疵是否影響後續裁剪與成衣品質。

這項工作需要高度專注。隨著驗布時間拉長、布卷數量增加或檢驗速度提高，人工判斷容易受到疲勞、經驗差異與記錄方式影響。對每天需要處理大量布料的紡織廠、染整廠與成衣工廠而言，如何讓瑕疵檢查更一致，並讓結果能留存於後續品質管理流程中，已成為導入視覺驗布技術的重要原因。

自動光學檢測（AOI）與人工智慧（AI）驗布都使用相機與影像資料進行布面檢查，但兩者處理瑕疵的方式並不相同。理解差異，才能判斷工廠應採用哪一種方法，或如何將視覺檢測與人工經驗搭配使用。

為什麼人工驗布會遇到限制？

人工驗布的優點，是經驗豐富的人員能依布種、用途與客戶標準作出判斷。面對特殊布面、複雜花紋或首次出現的問題，人員也能立即進一步查看。

然而，人工驗布有幾項難以避免的限制。

首先，檢查結果會受到專注程度與工作時間影響。驗布工作需要持續觀察移動中的布面，細小、低對比或短時間出現的瑕疵容易被忽略。

其次，不同人員對同一個瑕疵的判斷可能不同。例如，同一個色點或擦傷，可能因產品用途、位置或操作人員經驗而得到不同處理結果。

第三，人工記錄較難完整呈現整卷布的瑕疵分布。即使操作人員能在布邊標記缺陷，品質管理人員與裁剪端仍可能需要花時間整理瑕疵資料，才能安排後續處理。

因此，影像辨識技術的價值不只在於加快驗布，而是讓瑕疵位置、類型與檢查結果能更有系統地留下來。

什麼是 AOI 布料檢測？

AOI 是 Automatic Optical Inspection 的縮寫，即自動光學檢測。系統通常透過相機、照明與影像處理軟體，拍攝布料表面，再依設定好的規則或影像特徵找出異常。

在紡織驗布中，AOI 可用於辨識與正常布面規律不同的位置，例如：

• 規則紋理中的中斷；

• 明顯破洞或裂口；

• 可透過色階、亮度或形狀辨識的異常；

• 固定布種上反覆出現的表面問題。

當布料紋理穩定、瑕疵形式明確且環境控制良好時，AOI 可快速重複執行相同檢查標準。它不會因工作時間增加而疲勞，也能將檢查結果轉為影像或位置記錄。

AOI 在驗布中的優勢

1. 檢查標準較一致

完成參數設定後，AOI 會依相同條件檢查每一段布面。對需要維持固定判斷邏輯的生產線而言，這能降低不同操作人員之間的結果差異。

2. 適合固定布種與固定瑕疵

如果工廠長期生產相似的布種，且關注的異常形式較明確，AOI 可用於持續監看特定類型的布面問題。

3. 可留下影像與異常位置

相較於只以人工標記布邊，視覺檢測設備可保存影像或異常位置資料，讓品質問題更容易被回溯與整理。

AOI 的限制

AOI 並不是所有布料都能直接套用的固定方案。布料本身具有紋理、顏色、彈性、絨毛、光澤與表面變化，這些特性都可能干擾以規則或固定特徵為基礎的判斷。

例如，亮度變化可能被誤認為污漬；布面自然紋理可能被判定為異常；彈性布在張力不同時產生的變形，也可能影響系統對紋理的比較結果。

因此，AOI 通常需要穩定的照明、合適的相機配置與針對布種設定的判斷條件。當工廠經常更換新布種，或需要處理差異很大的布面外觀時，設定與調整工作也會增加。

什麼是 AI 驗布？

AI 驗布同樣使用相機拍攝布面，但其辨識方式不只依靠固定參數。系統會使用已標註的布料影像資料訓練模型，學習正常布面與各類瑕疵之間的差異。

例如，工廠可透過已標註的紗結、粗紗、破洞、油污、色點或勾紗影像，讓模型學習這些瑕疵在不同布面中的特徵。當新的布料經過系統時，模型便可根據已學習的特徵進行辨識與分類。

需要注意的是，AI 並不是在沒有資料的情況下自行理解所有新瑕疵。新的布種、新的瑕疵類型或與既有資料差異較大的表面狀況，仍可能需要補充影像、重新標註、訓練並驗證模型。

AI 驗布的優勢

1. 較能處理多樣化的瑕疵特徵

相較於主要依靠固定規則的視覺判斷方式，AI 模型可透過訓練資料學習較複雜的瑕疵外觀。對紗結、粗紗、異纖、破洞、污漬、油污或部分結構異常等問題，AI 驗布可將影像辨識與分類整合至同一流程。

2. 能建立較完整的布卷品質資料

AI 驗布的結果可包含瑕疵類型、位置與分布資訊。對品質管理人員而言，這不只是發現某一個疵點，也能更清楚了解整卷布的瑕疵分布情形。

當這些資訊能提供給裁剪端使用，工廠可在裁切前掌握問題集中區域，降低瑕疵進入重要裁片後才被發現的情況。

3. 可隨布料資料累積逐步擴充應用

若工廠持續整理正確的瑕疵影像、分類與結果回饋，AI 模型可在重新訓練與驗證後，逐步加入更多常見布種或瑕疵類型。這使 AI 驗布更適合希望長期累積品質資料的工廠。

AI 驗布的限制

AI 驗布的效果高度依賴資料品質。若訓練圖像不足、瑕疵分類不清楚，或樣本與實際量產布料差異太大，模型結果便可能受到影響。

此外，布料檢測並不只是軟體問題。布料在進入檢測區時是否平整、張力是否穩定、光源是否適合、相機是否能呈現細小瑕疵，都會影響辨識效果。特別是彈性針織布，若在送布過程中拉伸或變形，布面結構的變化本身便可能干擾判讀。

因此，AI 驗布的導入通常需要設備結構、布料處理方式、瑕疵分類與影像模型共同配合，而不是只安裝一套軟體便能立即完成。

AOI 與 AI 驗布有什麼差異？

在實際設備中，AOI 與 AI 可能結合使用，不一定完全分離。為了方便理解，以下將 AOI 視為以規則與影像特徵為主的檢測方式，AI 則視為透過資料訓練模型的辨識方式。

為什麼驗布師傅的經驗仍然重要？

導入 AOI 或 AI 後，工廠並不代表完全不再需要熟悉布料的人員。瑕疵分類本身仍需要專業判斷。什麼是油污、擦傷、張力不均、摺痕異色或可接受的小瑕疵，必須先由熟悉布料與客戶標準的人員定義清楚。

其次，不同品牌、布廠與成衣工廠對瑕疵的處理方式可能不同。相同位置與尺寸的瑕疵，在不同產品上可能有不同接受結果。系統能記錄與辨識問題，但如何將結果轉為生產處理方式，仍需要品質管理規則。當新布種、新花紋或少見瑕疵出現時，現場人員的判斷會成為補充資料與調整系統的重要來源。

因此，影像驗布技術更適合被視為將師傅經驗轉為可重複、可追蹤流程的工具，而不是單純取代人員的設備。

導入 AOI 或 AI 驗布前，工廠應先釐清三件事

1. 實際處理的是哪些布料？

平織布、彈性針織布、素色布、印花布、反光或特殊表面材料，在影像檢測上的難度不同。若工廠主要處理彈性布，設備是否能在較低變形狀態下完成送布與檢測，便會影響使用效果。

2. 最常發生的瑕疵是什麼？

工廠不需要一開始便涵蓋所有可能瑕疵。先整理最常出現、最容易影響裁剪或客戶驗收的問題，例如破洞、油污、異纖、紗結、勾紗、色點或橫條，再進行實際試布，通常更能看出系統是否適合現場。

3. 驗布結果之後要如何使用？

若工廠只需要在現場即時發現並標記瑕疵，設備功能可以相對單純。若品質管理人員需要保存布卷報告，或裁剪端需要瑕疵位置資訊，便應重視報告格式、瑕疵分布圖與後續資料使用方式。

歐西瑪AI驗布系統如何應用於布料品質控管？

歐西瑪 EagleAi/Plus 是針對成衣與紡織生產品質控管所設計的 AI 驗布系統，可應用於彈性針織與梭織布料。系統檢驗速度為每分鐘 10 至 40 公尺，實際速度依布料類型而定，並透過無張力與分段張力控制處理布料在檢測區的運行狀態。

系統可辨識的瑕疵包含紗結、粗紗、異纖維、經紗異常、緯紗異常、斷緯、停車痕、橫條、勾紗、破洞、接匹、摺痕異色、溶劑殘留、色點、色污、髒污、油污、彈性不均勻與擦傷等，並可輸出瑕疵分布圖與詳細報告。

對工廠而言，這些報告能將驗布結果從現場查看延伸到後續品質管理與裁剪前資訊使用。布卷中哪些區域瑕疵集中、哪些問題反覆出現、哪些布料需要進一步處理，都能透過記錄更清楚地被掌握。

AI 與 AOI 的價值，在於讓驗布更可管理

AOI 與 AI 都不是能立即解決所有布料問題的萬用工具。AOI 適合依固定條件重複識別異常；AI 則可透過標註資料與模型訓練，處理較多樣的瑕疵分類並建立更完整的布卷報告。

對紡織廠與成衣工廠而言，真正重要的不是追求最複雜的技術，而是選擇能配合常用布種、常見瑕疵與現場品質流程的驗布方式。

我們長期投入驗布設備開發，EagleAi/Plus AI 驗布系統亦結合紡織現場應用與影像辨識技術，支援彈性針織與梭織布料的品質檢查。若您的工廠正在尋找可產出瑕疵分布圖與驗布報告的布料檢測方案，歡迎索取驗布報告。