تكنولوجيا الكشف عن عيوب الأقمشة غير المنسوجة

لطالما استُخدمت الأقمشة غير المنسوجة على نطاق واسع كمواد خام في إنتاج اللوازم الطبية الاستهلاكية ذات الاستخدام الواحد، مثل الأقنعة الجراحية وقبعات الممرضات والقبعات الجراحية. تعتمد جودة اللوازم الطبية الاستهلاكية ذات الاستخدام الواحد بشكل أساسي على جودة الأقمشة غير المنسوجة. ونظرًا لأن عملية إنتاج ونقل الأقمشة غير المنسوجة لا تضمن نقاءً بيئيًا مطلقًا، ولأنها تتمتع بقدرة امتصاص كهروستاتيكية عالية، فإنها غالبًا ما تمتص الشوائب الصغيرة في الهواء. لذلك، قد توجد أجسام غريبة في مناطق قليلة جدًا من الأقمشة غير المنسوجة. تُستخدم مادة القماش غير المنسوجة التي تمت دراستها في هذه المقالة مباشرةً في إنتاج الأقنعة. وبعد تحليل عينات العيوب المختارة، وُجد أن نسبة عيوب الأجسام الغريبة، مثل الحشرات والشعر، هي الأعلى. ويؤدي وجود هذا العيب مباشرةً إلى تدني جودة المنتجات اللاحقة، كما يُحظر تمامًا دخول المنتجات المعيبة إلى السوق. لذلك، يجب على الشركات المصنعة إزالة بعض هذه العيوب، وإلا ستتكبد خسائر اقتصادية فادحة.

في الوقت الحالي، تستخدم معظم الشركات الكبرى في هذا القطاع معدات فحص بصري مستوردة للكشف عن العيوب. ورغم جودة نتائجها، إلا أن هذه المعدات عادةً ما تكون باهظة التكلفة والصيانة، ولا تناسب الشركات الصغيرة وورش العمل. ولا تزال معظم الشركات الصغيرة في الصين تستخدم الفحص البصري اليدوي التقليدي للكشف عن العيوب. ورغم بساطة هذه الطريقة، إلا أنها تتطلب تدريبًا أطول للعمال، وكفاءة ودقة كشف منخفضة، وتُهدر الكثير من الموارد البشرية، مما يُمثل تكلفة كبيرة على إدارة الشركات. في السنوات الأخيرة، شهد مجال الكشف عن العيوب تطورًا سريعًا، وبدأ أصحاب الأعمال يستخدمون تدريجيًا تقنيات جديدة لتحل محل طرق الفحص البصري اليدوي التقليدية.

من منظور اتجاهات تطوير الصناعة، يُعد تصميم جهاز كشف آلي قادر على الحصول على صور العيوب وتحليلها تلقائيًا في عملية إنتاج الأقمشة غير المنسوجة وسيلةً ضروريةً لتعزيز تطوير الإنتاج، وضمان جودة المنتج، وخفض تكاليف العمالة. منذ ثمانينيات القرن الماضي، حاول العديد من المهندسين استخدام المعرفة ذات الصلة بالرؤية الحاسوبية للكشف عن عيوب الأقمشة غير المنسوجة. استخدمت بعض الدراسات أساليب تحليل الملمس لتوصيف العيوب وتحقيق الكشف عنها، بينما استخدم آخرون مشغلي كشف الحواف لتحديد محيط العيب أولًا ووضع عتبات معقولة بناءً على المعلومات الإحصائية لدرجات الرمادي الخاصة بالعيوب لتحقيق الكشف عنها. كما توجد دراسات تستخدم أساليب التحليل الطيفي للكشف عن العيوب بناءً على دورية الملمس العالية للأقمشة.

حققت الطرق المذكورة أعلاه نتائج تطبيقية معينة في مشاكل اكتشاف العيوب، إلا أنها لا تزال تواجه بعض القيود: أولاً، يختلف شكل وحجم العيوب في بيئات الإنتاج الفعلية. تتطلب خوارزميات اكتشاف العيوب القائمة على التعلم الآلي والمعلومات الإحصائية تحديد عتبات بناءً على المعرفة المسبقة، وهو ما لا يمكن أن يكون فعالاً لجميع العيوب، مما يؤدي إلى ضعف متانة هذه الطريقة. ثانياً، عادةً ما تكون طرق الرؤية الحاسوبية التقليدية بطيئة التنفيذ ولا تلبي بفعالية متطلبات الإنتاج في الوقت الفعلي. منذ ثمانينيات القرن الماضي، شهد مجال أبحاث التعلم الآلي تطوراً سريعاً، وساهم تطبيق المعرفة ذات الصلة في تطوير العديد من الصناعات. أظهرت العديد من موضوعات البحث فعالية تطبيق خوارزميات التعلم الآلي، مثل الشبكة العصبية BP وSVM، في اكتشاف عيوب النسيج. تضمن هذه الطرق دقة عالية في الكشف ودرجة معينة من المتانة، وليس من الصعب اكتشافها من خلال التحليل الدقيق لعملية تدريب التعلم الآلي. يعتمد أداء هذا النوع من الخوارزميات بشكل أساسي على اختيار ميزات العيب اليدوية. إذا لم تكن هذه الميزات اليدوية كاملة أو تمييزية بما يكفي، فسيكون أداء النموذج ضعيفاً أيضاً.

مع التطور المستمر لقوة الحوسبة الحاسوبية والتطور السريع لنظرية التعلم العميق في السنوات الأخيرة، بدأ المزيد من الناس في تطبيق التعلم العميق لاكتشاف عيوب الأقمشة. يتميز التعلم العميق بفعاليته في تجنب عدم اكتمال الميزات المصممة يدويًا، ويتمتع بدقة كشف عالية. بناءً على ذلك، تستخدم هذه المقالة المعرفة المتعلقة بالرؤية الحاسوبية والتعلم العميق لتصميم نظام كشف تلقائي لعيوب الأقمشة غير المنسوجة، مما يُحسّن دقة اكتشاف العيوب بشكل فعال ويتمتع بمتانة عالية.