TW202006344A - 基於人工智能的皮革檢測方法以及皮革製品生產方法 - Google Patents

基於人工智能的皮革檢測方法以及皮革製品生產方法 Download PDF

Info

Publication number
TW202006344A
TW202006344A TW107132719A TW107132719A TW202006344A TW 202006344 A TW202006344 A TW 202006344A TW 107132719 A TW107132719 A TW 107132719A TW 107132719 A TW107132719 A TW 107132719A TW 202006344 A TW202006344 A TW 202006344A
Authority
TW
Taiwan
Prior art keywords
leather
artificial intelligence
data
raw material
defective
Prior art date
Application number
TW107132719A
Other languages
English (en)
Inventor
張育斌
Original Assignee
卓峰智慧生態有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 卓峰智慧生態有限公司 filed Critical 卓峰智慧生態有限公司
Priority to EP18197544.2A priority Critical patent/EP3594666A1/en
Priority to US16/156,621 priority patent/US20200020094A1/en
Priority to PH12018000459A priority patent/PH12018000459A1/en
Priority to KR1020180166241A priority patent/KR20200013217A/ko
Priority to JP2018242078A priority patent/JP2020012808A/ja
Publication of TW202006344A publication Critical patent/TW202006344A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • C—CHEMISTRY; METALLURGY
    • C14—SKINS; HIDES; PELTS; LEATHER
    • C14B—MECHANICAL TREATMENT OR PROCESSING OF SKINS, HIDES OR LEATHER IN GENERAL; PELT-SHEARING MACHINES; INTESTINE-SPLITTING MACHINES
    • C14B5/00—Clicking, perforating, or cutting leather
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • G01N2021/8864—Mapping zones of defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Treatment And Processing Of Natural Fur Or Leather (AREA)

Abstract

一種基於人工智能的皮革檢測方法以及皮革製品生產方法，首先取得皮革原材料的皮革數據，然後將皮革數據輸入至人工智能模組演算與判斷出皮革原材料的缺陷區與非缺陷區，進而運用在後續生產方法於非缺陷區建立出皮革原材料的區域資料，區域資料可定義出多數保留區，藉以作為裁切皮革原材料產生出對應各保留區的皮革部件。

Description

基於人工智能的皮革檢測方法以及皮革製品生產方法
本發明與皮革有關，特別是指基於人工智能的皮革檢測方法以及皮革製品生產方法。
皮革可運用於各式各樣的民生用品，例如服飾、皮包、皮箱或裝飾配件等等，都是經常會使用到的日常物品。而且由於天然皮革(又稱真皮)具有良好觸感與經久耐用的特性，高價位與高價值的產品更是常常使用天然皮革作為主要材料。
天然皮革容易受到原始來源環境或製造過程等等因素，例如動物受傷、長黴，病蟲害、破裂，或運輸擦碰而讓皮革表面或是內部組織產生損傷與缺陷。為了讓皮革類製品在生產之前能夠事先檢驗出前述缺陷，目前大多是在皮革仍呈原料狀態的時候，先透過人力以目測或手檢的方式詳細檢查皮革，然後在皮革表面標示出發現到前述缺陷的部位，再依據製成產品的需求特性將標示完成的皮革裁切分類出可供後續生產的可用皮革部件。
然而，前述利用人力目測或手檢的檢驗方式不但耗費時間，而且必須要有充足經驗的檢驗人員才能判斷出缺陷，檢驗人員的訓練與養成過程較長而且困難，也因為判斷方式是依賴較為主觀的目視或手感檢視，容易受到個人情緒、環境或時空等因素而無法建立更具有一致性與通用的品質標準。
因此，本發明之主要目的乃提供基於人工智能的皮革檢測方法以及皮革製品生產方法，可大幅減少皮革檢驗時間，建立出具有一致性且通用的皮革品質檢驗標準，同時實現皮革製品的自動化生產流程，提高整體生產效率。
為了達成上述目的，本發明所提供基於人工智能的皮革檢測方法，包含先取得皮革原材料的皮革數據，然後將該皮革數據輸入至人工智能模組判定出該皮革原材料的缺陷區與非缺陷區。
更佳地，先取得該皮革原材料於不同部位的局部皮革數據，然後再整合所有該局部皮革數據成為該皮革原材料的完整皮革數據。
更佳地，建立該皮革原材料的區域資料，該區域資料用以將該非缺陷區定義出至少一保留區。
更佳地，朝向該皮革原材料投射出光線，該光線的照明特性可依該皮革原材料的材質特性而對應調整。
更佳地，該人工智能模組包含深度學習模型。
有關本發明所提供的詳細特點、步驟或應用方式將於後續的實施方式詳細說明中予以描述。然而，在本發明領域中具有通常知識者應能瞭解，該等詳細說明以及實施本發明所列舉的特定實施例，僅係用於說明本發明，並非用以限制本發明之專利申請範圍。
首先要說明的是，本發明所提供基於人工智能的皮革檢測方法與皮革製品生產方法，可以廣泛應用於檢測各種不同類型或表面處理的天然皮革或合成皮革，本領域技術人員應能瞭解本實施方式中有關於人工智能、操作說明用語與操作步驟都屬於不限制特定演算模型、技術領域，或是操作順序的上位式描述，而且對於數量用語“一”是包含了一個與一個以上的複數元件數量。
請先參閱第1圖至第4圖所示，本發明所提供基於人工智能的皮革檢測方法，主要包含以下步驟：
一、收集數據：將一皮革原材料10設置於一皮革檢測平台12，然後利用設於皮革檢測平台12的皮革數據收集裝置14取得皮革原材料10的皮革數據。
於本較佳實施例的皮革原材料10是以天然牛皮作為舉例，當然也可應用於其他種類的皮革，本較佳實施例的皮革數據收集裝置14是以包括可擷取皮革原材料10表面影像的光學式檢知組件作為舉例，皮革數據收集裝置14拍攝皮革原材料10的表面取得皮革表面的數位影像形成出皮革數據，用於判斷出皮革原材料10的邊緣與表面狀態。
如第2圖所示，皮革數據收集裝置14可包括多數呈陣列狀平均分佈擺設在皮革原材料10上方的檢知組件16，各檢知組件16分別取得皮革原材料10於不同位置的局部皮革數據。皮革數據收集裝置14另外包括光源17，光源17朝皮革原材料10投射出光線，讓檢知組件16可取得完整且清晰的數位影像皮革數據。光源17可以是點光源或是陣列式光源，而且為了配合不同種類、不同材質處理方式，或者是不同表面紋路的皮革原材料10，光源17還可依據不同皮革原材料10的材質特性投射出不同的照明特性，亦即光線的強度、照度，或亮度等都可配合皮革原材料10而調整。
二、處理數據：如第4圖及第5圖所示，當皮革原材料10呈平坦狀放置在皮革檢測平台12，並且由皮革檢測平台12上方的皮革數據收集裝置14取得影像皮革數據之後，皮革數據會輸入皮革數據處理裝置18進行演算程序，於本較佳實施例的皮革數據處理裝置18至少包含有圖像處理模組，其可將皮革數據收集裝置14取得的局部皮革數據拼接與整合成完整的皮革數據。
皮革數據處理裝置18另包含有人工智能模組20，於本較佳實施例的人工智能模組20(Artificial Intelligence Model)是以包括深度學習模型(Deep Learning Model)作為舉例，藉以演算與判斷出皮革原材料10表面的缺陷區22與非缺陷區24。
三、產生製程數據：如第1圖、第6圖至第8圖所示，完整的皮革數據透過皮革數據處理裝置18的人工智能模組20判斷出缺陷區22與非缺陷區24之後，再利用一排版模組30建立皮革原材料10的區域資料，區域資料用以將非缺陷區24定義出至少一保留區32，提供後續皮革製品生產方法可利用一裁切裝置40裁切皮革原材料10產生出對應各保留區32的皮革部件50。
藉由上述皮革檢測方法與皮革製品生產方法，本發明至少具有以下多個技術功效：
1. 利用具有深度學習模型的人工智能模組可以不用人工來判斷皮革的缺陷，大幅減少皮革的檢驗時間。
2. 不需要考慮檢測環境、時間或人力因素，本發明皆能夠快速完成檢測，而且建立具有一致性且通用的皮革品質檢驗標準。
3. 皮革檢測方法搭配後續的排版與裁切製程，更能夠有效的利用皮革原材料，提昇皮革原材料的運用率。
4. 本發明可以從皮革原材料的品質檢測步驟一體化整合到後續的裁切製程，實現皮革製品的自動化生產流程。
值得一提的是，上述皮革數據收集裝置也可為利用透射方式或以機械力對皮革原材料產生揉折效果的裝置取得皮革原材料的內部組織或材質狀態，例如藉由X光裝置朝皮革原材料照射X光，即可經由X光穿射過皮革原材料之後取得X光的訊號變化狀態，用以得知皮革原材料的內部組織等特性資料。
再如第3圖所示，皮革數據收集裝置14也能夠在皮革檢測平台12搭配隨著輸送帶13移動的皮革原材料10逐行掃描皮革表面而形成皮革數據，更可提昇整體檢測及生產效率。
另外，人工智能模組除了深度學習模型以外，更可以利用其他例如神經網路模型、卷積網路模型，或是循環神經網路模型等機器學習模型增強人工智能的判斷正確率與精準度，達成本發明的各項發明目的。
10‧‧‧皮革原材料12‧‧‧皮革檢測平台14‧‧‧皮革數據收集裝置16‧‧‧檢知組件17‧‧‧光源18‧‧‧皮革數據處理裝置20‧‧‧人工智能模組22‧‧‧缺陷區24‧‧‧非缺陷區30‧‧‧排版模組32‧‧‧保留區40‧‧‧裁切裝置50‧‧‧皮革部件
第1圖為本發明一較佳實施例的架構圖。 第2圖為本發明一較佳實施例的示意圖，主要顯示出皮革數據收集裝置。 第3圖為本發明一較佳實施例的示意圖，主要顯示出皮革數據收集裝置的另一實施態樣。 第4圖為本發明一較佳實施例的示意圖，主要顯示出皮革檢測平台。 第5圖類同於第4圖，主要顯示出皮革原材料設置於皮革檢測平台。 第6圖為本發明一較佳實施例的示意圖，主要顯示出皮革原材料的缺陷區。 第7圖為本發明一較佳實施例的示意圖，主要顯示出皮革原材料的非缺陷區排版後的狀態。 第8圖為本發明一較佳實施例的示意圖，主要顯示出皮革原材料裁切後的狀態。
10‧‧‧皮革原材料
12‧‧‧皮革檢測平台
14‧‧‧皮革數據收集裝置
18‧‧‧皮革數據處理裝置
20‧‧‧人工智能模組
30‧‧‧排版模組
40‧‧‧裁切裝置

Claims (9)

  1. 一種基於人工智能的皮革檢測方法，其特徵在於包含： a. 利用檢知組件取得皮革原材料的皮革數據；以及 b. 將該皮革數據輸入至人工智能模組判斷出該皮革原材料的缺陷區與非缺陷區。
  2. 如請求項1所述基於人工智能的皮革檢測方法，其特徵在於該步驟a是先取得該皮革原材料於不同位置的局部皮革數據，然後再整合所有該局部皮革數據成為該皮革原材料的皮革數據。
  3. 如請求項1所述基於人工智能的皮革檢測方法，其特徵在於另包含建立該皮革原材料的區域資料，該區域資料用以將該非缺陷區排版而定義出至少一保留區。
  4. 如請求項1所述基於人工智能的皮革檢測方法，其特徵在於該人工智能模組包含有深度學習模型。
  5. 如請求項1所述基於人工智能的皮革檢測方法，其特徵在於該步驟a利用該檢知組件取得該皮革原材料的影像形成該皮革數據。
  6. 如請求項5所述基於人工智能的皮革檢測方法，其特徵在於該檢知組件先取得該皮革原材料於不同位置的局部皮革數據，然後再整合所有該局部皮革數據成為該皮革原材料的皮革數據。
  7. 如請求項5所述基於人工智能的皮革檢測方法，其特徵在於朝向該皮革原材料投射出光線，該光線的照明特性可依該皮革原材料的材質特性而對應調整。
  8. 一種皮革製品生產方法，其特徵在於包含： a. 利用如請求項1至請求項7任一項所述的皮革檢測方法；以及 b. 裁切該皮革原材料而產生出可對應該缺陷區與該非缺陷區的皮革部件。
  9. 如請求項8所述的皮革製品生產方法，其特徵在於另包含裁切該非缺陷區而產生出多數皮革部件。
TW107132719A 2018-07-12 2018-09-18 基於人工智能的皮革檢測方法以及皮革製品生產方法 TW202006344A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP18197544.2A EP3594666A1 (en) 2018-07-12 2018-09-28 Artificial intelligence-based leather inspection method and leather product production method
US16/156,621 US20200020094A1 (en) 2018-07-12 2018-10-10 Artificial intelligence-based leather inspection method and leather product production method
PH12018000459A PH12018000459A1 (en) 2018-07-12 2018-12-19 Artificial intelligence-based leather inspection method and leather inspection equipment, and leather product production method
KR1020180166241A KR20200013217A (ko) 2018-07-12 2018-12-20 인공지능 기반의 피혁 검출방법 및 피혁제품 생산방법
JP2018242078A JP2020012808A (ja) 2018-07-12 2018-12-26 人工知能による皮革の検出方法及び皮革検出設備、並びに皮革製品の製造方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW107124164 2018-07-12
TW107124164 2018-07-12

Publications (1)

Publication Number Publication Date
TW202006344A true TW202006344A (zh) 2020-02-01

Family

ID=69208750

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107132719A TW202006344A (zh) 2018-07-12 2018-09-18 基於人工智能的皮革檢測方法以及皮革製品生產方法

Country Status (2)

Country Link
CN (1) CN110715939A (zh)
TW (1) TW202006344A (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19824304A1 (de) * 1998-05-28 1999-12-02 Maass Ruth Vorrichtung und Verfahren zur Klassifizierung von Lederstücken
AT509382B1 (de) * 2010-01-18 2011-12-15 Wollsdorf Leder Schmidt & Co Gmbh Prüfeinrichtung zur bestimmung der qualität von leder
CN104751163B (zh) * 2013-12-27 2018-06-19 同方威视技术股份有限公司 对货物进行自动分类识别的透视检查系统和方法
CN205720017U (zh) * 2016-04-06 2016-11-23 上海陨臻视觉科技有限公司 皮革自动检测裁切一体机
CN206057059U (zh) * 2016-10-03 2017-03-29 深圳出入境检验检疫局工业品检测技术中心 一种用于天然皮革检验鉴定的皮革样品表面扩张装置
CN107607546B (zh) * 2017-09-19 2020-10-23 佛山缔乐视觉科技有限公司 基于光度立体视觉的皮革缺陷检测方法、系统及装置

Also Published As

Publication number Publication date
CN110715939A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
US20200020094A1 (en) Artificial intelligence-based leather inspection method and leather product production method
TWI673405B (zh) 皮革檢測設備
CN209081912U (zh) 基于人工智能的皮革检测设备与皮革制品生产系统
US10890537B2 (en) Appearance inspection device, lighting device, and imaging lighting device
CN106875373A (zh) 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法
CN103983190B (zh) 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法
CN103868935A (zh) 基于计算机视觉的烟支外观质量检测方法
CN106556611A (zh) 基于机器视觉的彩色印刷品缺陷自动检测系统及检测方法
TW202127014A (zh) 智能產線監測系統及監測方法
JP3220455U (ja) 皮革検出装置
CN112070747A (zh) Led灯珠缺陷检测方法和装置
JP2020012808A (ja) 人工知能による皮革の検出方法及び皮革検出設備、並びに皮革製品の製造方法
CN207636508U (zh) 一种单板缺陷检测系统及设备
CN118089546B (zh) 一种图像分析监测药品稳定性的方法及系统
CN113592813A (zh) 基于深度学习语义分割的新能源电池焊接缺陷检测方法
TWM596871U (zh) 智慧型光學檢測ai資料蒐集系統
CN110689477A (zh) 一种通用的瑕疵图像模拟方法
TW202006344A (zh) 基於人工智能的皮革檢測方法以及皮革製品生產方法
WO2021142603A1 (zh) 皮革检测设备
WO2021142606A1 (zh) 基于人工智能的皮革检测方法以及皮革制品生产方法
Lin et al. Enhancing the quality inspection process in the food manufacturing industry through automation
TWM569846U (zh) Image leather testing equipment
CN205904124U (zh) 一种适用于流水线的葡萄粒径分类装置
CN106648121B (zh) 一种键盘中橡胶泡的视觉检测方法
RU2619728C2 (ru) Способ определения изменения структуры трикотажного полотна при пространственном растяжении