深度學習技術

FabGoalie AI 利用深度學習技術與神經網路架構，透過大量布料影像資料進行訓練，使系統能夠識別各種不同類型的瑕疵。如今，FabGoalie AI 不僅能突破人工檢查的限制，還大幅提升了檢測的準確度與效率。

自動化檢測與無縫整合

FabGoalie AI 從一開始就不是一項純粹的學術研究計畫。實際上，開發團隊從零開始就以實際應用為目標，並進行了大量的實地測試。因此，該系統能夠在生產環境中進行連續且即時的布料檢測，並以即插即用的方式提供給業界使用。布料製造商可將其無縫整合至布料生產的最終品管階段中。

硬體設備包括伺服控制系統、張力控制系統與專用工作站。此外，團隊所設計的各項元件也能滿足現代化製造環境的需求。

多樣化瑕疵識別

該系統能檢測多種常見的布料瑕疵，包括油漬、色漬、假紗、破洞、斷紗或鉤紗以及皺摺。隨著開發的持續進行，系統對瑕疵類型的支援也在不斷擴展。例如，團隊新增了一項功能，能偵測布料不同區段的色差。

此外，FabGoalie AI 還會為每個瑕疵分配一個可自訂的「罰分」，以量化瑕疵的嚴重程度。根據此罰分，布料製造商可以採取針對性的修正措施，例如移除有瑕疵的布料區段。使用者也可以調整這些罰分，以符合特定的品質標準。

智慧適應與客製化

FabGoalie AI 是一個具備模組化設計的自適應系統。其單階段偵測方法支援即時運作，同時也允許未來進行調整。隨著持續的數據輸入，系統能夠不斷演進與自我優化，進一步提升偵測準確度、效率，以及對特定生產需求的反應能力。

AI 軟體演算法

系統核心是一套用於偵測布料中物件並將其分類為特定瑕疵類型的 AI 軟體演算法。工程師採用了一階段（one-stage）偵測方法，專為即時效能優化。

此外，來自國立陽明交通大學（NYCU）的團隊訓練此 AI，讓其能處理多種布料類型和顏色。透過複雜的機器學習流程，軟體能支援多樣的織物結構、紗線與材料。

FabGoalie AI 提供比傳統人工檢測更高的偵測準確度。此外，它還提供更精確且一致的缺陷識別解決方案。這些成果得益於先進的 AI 模型以及對神經網絡行為的深入理解。該軟體架構即使在相對較小的數據集和有限的計算資源下，也能保持良好的表現。

系統介面與報告功能

為了支持在生產環境中的實際應用，FabGoalie AI 配備了圖形使用者介面（GUI），確保操作的便捷性與易用性。使用者可從多個地點存取該介面。此外，系統內建預設的表格及多種圖表，方便清晰且高效地解讀數據。

此應用程式經過行動裝置優化，提供多項報告功能，為生產管理者與決策者帶來流暢且直覺的使用體驗。

同時，系統支援跨裝置無縫切換，並預設多種語言，包括中文、英文與越南語。使用者只需掃描 QR Code，即可在現場查看特定圖表與報告，且無需任何 IT 專業知識即可全面使用系統功能。