【智能制造】打造智慧纺织服装工厂，助力工厂数字化改造

2019 年 11 月 10 日 产业智能官

打造智慧纺织服装工厂，助力工厂数字化改造

在数字化技术创新大潮中，纺织服装行业迎来了产业升级的新一轮契机。基于英特尔®视觉产品与技术，英特尔推出了纺织服装行业整体解决方案，充分发挥英特尔硬件平台的性能，加速面向纺织服装行业具体应用场景的算法开发，提升纺织服装行业的工作效率。

生产流程自动化：

从批量生产到个性化定制

双十一电商狂欢在即，纺织服装行业进入旺季，各大电商门店纷纷上新预售，低价促销、平台优惠持续吸引消费者买单。在这个“血拼”盛宴中，巨大的客流量与服装订单量给纺织服装行业带来收入机会的同时，也考验着其生产效率、供应速度、订单管理与资源配置等能力。

随着消费者偏好的快速变迁以及电子商务的爆发式成长，批量生产、千篇一律的传统服装生产方式已逐渐落后于市场变化，消费者越来越倾向通过个性化的服装来展现自己的审美与生活态度，小批量、多品种、短交期成了新特点。

市场流行元素更迭迅速，消费者口味也响应变化，加上大规模的电商活动带来的巨大服装订单量，势必要求纺织服装行业在服装的设计、生产流程必须做大扁、平、快，才能迎合消费者的需求。然而，传统服装生产人力成本高、生产效率低、服装质量不稳定，难以实现产品生产流程的自动化、精细化运转：

人力成本高：

作为典型的劳动密集型产业，人力成本在纺织服装产业中占据极大的比重，传统的纺织服装工厂的各个生产环节岗位都处于“超负荷”运转，人力缩减空间很小；

生产效率低：

在传统服装工厂中，生产及订单流程的流转皆由人工发起与处理，从服装的生产制作，到订单管理，都会耗费大量的时间，因此常常会因为处理不及时而导致服装生产延后，难以充分应对快节奏的市场竞争；

质量不稳定：

由于人的自然属性，工人难以避免地会受到倦怠、情绪波动、疏忽、注意力不集中等因素的影响，导致服装生产质量不稳定、不统一。同时，质检人员受自身技能与巡查时间的影响，不能及时、准确地发现服装缺陷，也会对服装的质量检测造成影响。

要实现纺织服装行业的生产流程自动化，减低人力成本投入并提高生产质量，机器视觉无疑是一个非常重要的方向。

英特尔纺织服装行业整体解决方案：

满足多种应用场景需求

伴随着人工智能算法与工业机器视觉技术的不断进步，传统的服装纺织行业迎来产业升级的新一轮的革命。英特尔聚焦纺织服装行业需求，联合生态合作伙伴，打造了适用不同应用场景的纺织服装行业整体解决方案。

该方案基于英特尔®视觉产品与技术，融合了英特尔®至强®和英特尔®酷睿™等处理器的硬件产品、EIS边缘端视觉智能软件平台、以及适用于不同场景的AI参考算法和OpenVINO™智能神经网络优化推理工具套件，充分发挥英特尔硬件平台的性能，加速面向纺织服装行业的具体应用场景开发，满足上游的纺织、中游的印染、下游的服装等行业对产品智能视觉识别、数据分析、自动化流程结转等需求。

纺织行业：减少物料浪费，提升生产效率

在纺织厂，传统的人工质检存在着人力成本高、检测时间长、物料浪费多等问题。绍兴山海纺织有限公司（以下简称：山海纺织）依托硬件供应商智微智能基于英特尔芯片打造了边缘计算节点，系统集成商应维创新与工厂紧密合作，开展系统集成、方案部署、调试和维护工作，并在织布流程中采用了基于英特尔®EIS平台的表面缺陷检测算法。

该算法在英特尔X86架构的处理器的基础上使用OpenVINO™进行定制开发，具体的检测方案为：

1	先将产品的缺陷通过图像抓取出来；
2	将标注好的图像数据录入系统；
3	通过边采集数据边更新模型的方式，检测平台利用数据训练算法模型；
4	待模型达到一定的准确精度后，再安装到产线上部分取代人工质检的工作。

该检测算法使用机器视觉系统对布料进行判断，实现了对产品表面缺陷的精确检测，及时发现布料生产过程中的缺陷，进一步提升纺织生产的良品率和经济效益。同时，该解决方案还能根据检测结果对样本和模型进行反复优化迭代，提高模型的检测精确度。

服装行业：提高订单透明度，实现产销协同

在服装厂，传统的订单管理方式存在订单透明度低和产销协调性差的问题。杭州点石服装有限公司（以下简称：点石服装）部署了硬件供应商英博达基于英特尔新品打造的边缘计算节点，以及自动化解决方案供应商步科打造的miniMES自动化管理系统，实现了自动化管理的落地。

英特尔解决方案与前端的工业摄像头结合，在边缘节点上实现了服装图片的采集与分析，搭建了订单自动化管理平台：

1	系统通过摄像头自动采集生产完成的样衣数据；
2	识别样衣的种类、图案、数量等信息；
3	在订单管理平台中更新样衣数据；
4	相关管理人员可以通过PC、手机等终端及时查看相关状态。

该自动化管理系统，基于深度学习的图像检索方法，实现了对于服装在整个产线中流转的全程跟踪，以及订单的自动化管理，进而提高服装生产效率，显著缩短订单交货期，实现产销协同。

除了纺织和服装行业之外，英特尔®EIS平台内部还整合了多种工业场景算法以及软件，客户只需根据自己的应用场景需求自定义配置就可以快速完成整个场景搭建和软件升级。在平台的帮助下，客户也可以迅速完成原有系统到新系统的转换和导入。

提升企业整体竞争力

打造智慧工厂

英特尔纺织服装行业整体解决方案，有助于依托机器视觉能力实现持续、快速、精准、自动化的数据洞察，从而降低人力资源的投入，加快生产流程的运转，提升企业整体竞争力：

★ 实现生产流程精准化、自动化，加速纺织服装产品生产效率；

★ 提供从边缘到云端的人工智能洞察，辅助科学决策；

★ 减少人员投入，降低人力与运营成本；

★ 利用视频数据与用户互动，增加收入机会。

机器视觉系统可以快速获取海量的视觉信息，易于实现信息集成，因此成为自动化智慧工厂最重要的组建之一。英特尔与行业合作伙伴深入合作，借助机器视觉解决方案，以强大的洞察能力、持续的运行能力与可靠性，赋能产品质量检测、实时监控等应用，为打造面向未来的智慧工厂奠定坚实的基础。

延展阅读：

事关生命财产安全，轮胎的瑕疵检测就这么难吗？

类似的情况不只出现在轮胎制造业。在更广泛的工业制造领域，以机器视觉解决方案应对工业制造检测，还是一片亟待开发的蓝海。

轮胎，汽车与公路唯一的接触点，直接关系着汽车在道路上的行驶状态。如果轮胎有问题，将会怎样？

近年来，一些汽车的行车速度显著提高，尤其是在高速公路上。在快速行驶中，一旦轮胎出现瑕疵，轻则车辆受损花钱维修，重则车毁人亡、损失难计。

有关资料显示，我国在高速公路上46%的交通事故是在轮胎发生故障引起的，其中，因细小瑕疵导致爆胎的占轮胎事故总量的70%。

一个不久前发生的惨剧是，2019年9月28日上午，G25长深高速2154KM处一辆满载的大客车突然爆胎，冲破道路中央隔离带驶入对向车道并与一辆半挂货车相撞，造成36人死亡、36人受伤。整个搜救历经8个多小时，事故现场触目惊心……

轮胎瑕疵造成悲剧的情况就不能被“扼杀在摇篮里吗”？

小瑕疵的大挑战

轮胎瑕疵的检测难吗？

当前，我国大约有600家轮胎制造商，每年生产将近8亿个轮胎，占全球轮胎年产总量的三分之一。在这种规模上，要保证产品质量的一致，属实是一个巨大的挑战。

从业内整体情况来看，目前大多数公司都依靠人工检查。但这种方法既耗费人力财力，又不够可靠。

具体来说，培训一个检查员要花费3个月的时间，而检查工作最多占用他们80%的时间。并且，人力总归免不了漏洞，即使经过充分的培训，检查员们在显示屏上用肉眼观察时也免不了做出主观判断，通常只能保持90%到95%的准确率。

有消费者还表示，虽然轮胎质量鉴定检测在制造商处成本相对较低，但消费者方检测的费用却高达2000-3000元，这导致很多消费者在高费用和对厂商信任的“侥幸”心理下，跳过驾驶前对车辆轮胎的专业检测，为日后事故埋下隐患。

而这种情形导致的结果显然是两败俱伤。一方面，消费者的生命财产安全始终存在隐患；另一方面，一旦出现问题甚至事故，轮胎制造商的品牌信任度也难以维护。

为什么轮胎检测如此复杂困难，以至于训练有素的检查员都无法达到更高的准确率？

专业人士指出，汽车轴承中的轴套有5个面，每个面在生产过程当中都有可能会产生一些裂口；轮胎背面还会有一些凹坑，或者是在加工过程当中有烧伤，严重的时候5个面可能会有20几种缺陷。如果是人工来检测，一个人检测5个面20几种缺陷需要好几秒的时间，效率并不高，在效果层面也存在很大的隐患。

当然，也有部分轮胎企业从国外高价购买一些X光智能检测系统之类的工具设备，但由于很难适应我国轮胎智能检测的要求，大多数企业购买的设备未能实现智能检测，既造成浪费，又未解决提高质检准确率的难题。

另辟蹊径的探索者

行业困局中，总有尝试另辟蹊径的先行探索者。

一家大型轮胎制造商，在衡量成本效益、业务升级等各类因素后，决定向经验丰富的技术合作伙伴寻求更好的解决方案——他们找到了一家名为“上海深视科技”的公司，希望借助其深度学习、计算机视觉和图像处理等先进的AI技术产品，寻找到解决轮胎瑕疵的办法。

简单来说，这套质检产品在轮胎生产线上的检测过程可以解释为，在轮胎前安置一个传感器，通过在轮胎外框、内框打很多点，自动采集产线和各个点的信号，就可以进行轮胎的定位，显示轮胎轮廓的检测，以及凹陷划痕等信息的识别，从而判断出这个轮胎是否合格。

很快，这个解决方案给企业带来了惊人的变化。此前，这家企业每天只能由人工进行多步骤的目视检查，但现在每天可以实时检查 20,000多个轮胎，检查一个产品的时间达到毫秒级，经过测试其准确率提高到了99.9% 以上，每条生产线的人工成本降低了大约 4.2万美元！

“这套解决方案运行速度很快，可以与原始生产线的速度相匹配，更让我们惊喜的是，在新的瑕疵出现时，它还能提供强大的可扩展性和加快的学习速度。”轮胎制造商说。

深视科技只是是一家刚创建一年多的企业，一个初创企业的AI技术为何能释放出如此巨大的能量？

据了解，深视科技的核心团队起源于英特尔实验室。为了获得最佳检测结果，深视科技转而与英特尔合作，后者不仅带来了关键技术，还带来了 AI、计算机视觉和深度学习方面的宝贵经验。英特尔使用英特尔分布式OpenVINO 工具包优化了算法。

并且，该工具包提供了针对英特尔处理器进行了优化的计算机视觉和深度学习推理工具，可以显著地提高性能。通过利用英特尔分布式OpenVINO工具包对英特尔硬件进行加速，深视科技得以让其检测模型算法在一台常规工业计算机上稳定运行。

而这种将硬件和软件的集成提高了整体性能，使得深视科技的检查软件可以更快地检测出瑕疵，这样就节省了优化和开发的时间，并加快了部署速度。

可以说，正式是英特尔的核心技术支撑深视科技提供了一套视觉解决方案，将轮胎的生产瑕疵扼杀在“摇篮状态”，可谓是助力轮胎制造商“识微见远”，防患于未然。

5%的巨大机遇

类似的情况不只出现在轮胎制造业。在更广泛的工业制造领域，以机器视觉解决方案应对工业制造检测，还是一片亟待开发的蓝海。

“中国每天在产线上进行目视检查的工人超过350万，其中仅3C行业就超过了150万人，大概15%-20%的工人他们不是在做体力工作，而是拿着一个产品看产品有没有问题，有没有瑕疵”，深视科技CEO李扬说，“质检市场当中，机器视觉覆盖率不到5%，即便是到最近几年覆盖率依然很低。”

当一个很小的缺陷会影响到整个制造商的生产效率和利润时，一切细节都是至关重要的。轮胎制造商的商业示范在前，5%，这显然是一个巨大的机遇，英特尔也早早地发现了这个机遇。

一方面，AI本身对整个社会带来的价值已经逐步体现，取代高难度、重复性工作是必然趋势；另一方面，这个行业存在诸多未被解决的问题，而这些问题有机会通过新技术的进步来得以解决。一个新的商业模式正在兴起！

从现有应用案例来看，借助英特尔酷睿处理器和英特尔分布式OpenVINO工具包和深视科技技术，制造业企业至少可以获得三个层面的收益：

★ 一是机器检查可以检测到人工检查员无法看到的瑕疵问题，将瑕疵检测准确率提高至99.9%以上；

★ 二是由于机器检查是客观的并且没有视疲劳困扰，因此它可以以更快的速度和更高的效率连续运行，使制造企业能够在降低总成本的同时最大化生产效率；

★ 三是更好的瑕疵检测本质上是在推动制造企业产品质量的提升，产品瑕疵问题在生产的过程中就可以尽早解决，有助于减少产品退货产生的高昂成本，提高盈利能力。

“三年前英特尔就坚信视觉计算技术以及摄像头创建数据的能力将会发挥催化剂的作用。”英特尔公司高级副总裁兼物联网事业部总经理Thomas Lantzsch相信，机器视觉与人工智能推理的结合，将诞生工业制造领域的“杀手级应用”。

英特尔视觉方案工程师李勇解释使用OpenVINO之后的优势：“一是提高性能，使用这个工具包可以最大发挥出英特尔计算单元的运算能力，性能可以得到提高。二是整合深度学习，深度学习是AI的一部分，视觉领域用的最多的AI就是基于深度学习的AI。三是加速开发，他们可以在产品落地时应用了OpenVINO之后，很短的时间里就可以将性能提高10倍部署到实际应用当中。四是创新和定制。”

从商业角度出发，这种助力制造业识微见远、防患于未然的商业行为，将是一个极具前景的商业模式，创造更多商业经济价值。

从宏观角度出发，当前我国正处于从中国制造到中国智造的关键时期，英特尔的技术和深视科技这类公司的产品相结合，赋能国内制造业企业，不仅将显著提高制造业企业的生产质量和质检水平，更能驱动中国制造企业数字化转型，助力中国制造。

文章转载自：财经国家周刊

先进制造业+工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

产业智能化平台作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生 新技术、新产品、新产业、新业态和新模式； 引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能化技术分支用来的今天，制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中， 利用工业互联网形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。