香港理工大学（理大）近日研发了一套名为「聪明眼」（WiseEye）的智能纺织品瑕疵检测系统，将人工智能（AI）和深度学习（Deep Learning）等先进技术引进于纺织工业的质量控制过程中。该系统可有效减少生产不合格纺织品（即是纺织品次货）的数量达九成，从而大大减低生产过程中造成的损失和浪费。该系统同时有助节省人力，并提高纺织制造业的自动化管理。
「聪明眼」是一个融合了人工智能和机器视觉技术的创新系统，安装于织布机上，在纺织过程中对完成的纺织品进行实时检测。透过这个自动化检测系统，生产线负责人可以轻易发现纺织品是否有瑕疵，尽快找出问题所在、并作出即时纠正。
负责研发「聪明眼」的是由理大纺织及服装学系郑翼雄时装教授黄伟强教授所领导的纺织及服装人工智能研究团队。
纺织品制造商一向依赖工人以随机肉眼目测模式检查纺织品的品质。由于工人长时间进行目测，难免会因身体疲劳或人为疏忽，而令肉眼目测方式得出的结果既不可靠、亦会出现参差。纺织业厂商也曾尝试使用一些纺织品检测系统，惟该类系统未能满足行业需求。因此，如何提升纺织品的质量保证成为行业的一大挑战。
黄伟强教授说：「『聪明眼』检测系统独特崭新，是由多个部件组成的集成系统，能够在检测过程中执行不同功能，符合纺织业厂商的要求。该系统嵌入了高功率LED灯条和高解像度的CCD (charge-coupled device) 相机。相机安装于轨道上、并由发动机驱动来回移动，可以在纺织过程中拍摄整幅纺织品的图像。所得图像会经过采用人工智能的机器视觉算法处理，以检测纺织品是否有瑕疵。整个检测过程中收集得来的信息以实时形式发送至电脑系统，并可以随时按需要提供分析统计和警报。」
研究团队在「聪明眼」系统中应用了大数据和深度学习技术，通过输入数以千码计的纺织品数据，「聪明眼」已被训练至可检测约40种常见的纺织品瑕疵，而且精确度极高，达到 0.1 毫米 /像素。
黄教授又说：「鉴于纺织品的结构繁多，纹理和瑕疵类型亦有很大差异。因此，要设计一款切合不同纺织品的自动化瑕疵检测系统，难度是相当高的，在过去二十年来，尚未有人成功研发出满足业界需求的自动化检测系统。我们在『聪明眼』中创新地引入人工智能、大数据和深度学习技术，不仅是技术上的一大突破，满足行业需要，而且在传统纺织业的自动化质量控制过程方面，也标志着一个重要里程碑。」
「聪明眼」在真实的工厂环境中已试行逾六个月；结果显示，相比传统肉眼目测方式，「聪明眼」系统可减低纺织品制造过程中产生的九成损耗和浪费，可见「聪明眼」系统可同时提升生产效率及降低生产成本。
目前，「聪明眼」可应用于大部份不同纹理的单色纺织品上。研究团队计划持续训练及扩展该系统，以检测更具挑战性的图案（如复杂条纹及格仔图案），最终目标是于五年内将「聪明眼」应用于所有常见的纺织品。
黄教授及纺织及服装人工智能研究团队自2012年开始一直从事有关人工智能、电脑视觉、机器学习的基础及应用研究，特别针对服装及纺织业上的应用。团队早前曾研发全球首个「FashionAI数据集」，此数据集结合服饰专业及机器学习的要求，旨在让机器能深入理解时装，推动时尚行业与人工智能 (AI) 融合，开拓时尚零售的新模式。
团队的其他研究项目涵盖：智能纺织品及服装品质检测、大型纺织品样本及服装图像搜索，以及服务销售预测。团队亦与多家本地及国际公司合作研发项目，其研究文章亦刊载于国际知名刊物，包括IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Cybernetics, 和IEEE Transactions on Image Processing 等，部份文章被基本科学指标 (Essential Science Indicators) 列为相关领域中最多人引用的文章首百份之一。
*****
