Технология за откриване на дефекти в нетъкан текстил

Нетъканите текстилни материали винаги са били широко използвани като суровини за медицински консумативи за еднократна употреба, като хирургически маски, медицински шапки и хирургически капачки в производството. Качеството на медицинските консумативи за еднократна употреба зависи главно от качеството на нетъканите текстилни материали. Поради факта, че производственият и транспортният процес на нетъканите текстилни материали не може да гарантира абсолютна чистота на околната среда, а самите те имат силна електростатична адсорбционна способност, те често адсорбират малки примеси във въздуха. Следователно, чужди предмети могат да съществуват в много малко области на нетъканите текстилни материали. Нетъканият текстилен материал, изследван в тази статия, се използва директно за производството на маски. След анализ на избраните проби с дефекти, беше установено, че делът на дефектите от чужди предмети, като насекоми и коса, е най-висок. Наличието на този дефект директно води до нестандартно качество на последващите продукти и дефектните продукти също са строго забранени за навлизане на пазара. Следователно, производителите трябва да отстранят някои от тези дефекти, в противен случай това ще причини огромни икономически загуби.

В момента повечето големи компании в индустрията използват вносно оборудване за визуална инспекция за откриване на дефекти. Въпреки че резултатите са добри, това оборудване обикновено е скъпо по отношение на разходите и поддръжката и не е подходящо за малки предприятия и работилници. Повечето малки компании в Китай все още използват традиционна ръчна визуална инспекция за откриване на дефекти. Този метод е сравнително прост, но изисква по-дълго обучение на работниците, ниска ефективност и точност на откриване и разхищава много човешки ресурси, което е значителен разход за управлението на предприятието. През последните години областта на откриването на дефекти се разви бързо и собствениците на фирми постепенно използват нови технологии, за да заменят традиционните методи за ръчна визуална инспекция.

От гледна точка на тенденциите в развитието на индустрията, проектирането на устройство за автоматично откриване, което може автоматично да получава и анализира изображения на дефекти в производствения процес на нетъкани текстилни материали, е необходимо средство за насърчаване на развитието на производството, гарантиране на качеството на продукта и намаляване на разходите за труд. От 80-те години на миналия век много инженери се опитват да използват съответните знания за компютърно зрение за откриване на дефекти в нетъкани текстилни материали. Някои изследвания използват методи за анализ на текстурата, за да характеризират дефектите и да постигнат откриване на дефекти, докато други използват оператори за откриване на ръбове, за да определят първо контура на дефекта и да зададат разумни прагове въз основа на статистическа информация за дефектите в сивата скала, за да постигнат откриване на дефекти. Съществуват и изследвания, които използват методи за спектрален анализ за откриване на дефекти въз основа на високата периодичност на текстурата на тъканите.

Горните методи са постигнали определени резултати в приложенията при проблеми с откриването на дефекти, но все още има определени ограничения: първо, формата и размерът на дефектите в реалните производствени среди варират. Алгоритмите за откриване на дефекти, базирани на машинно обучение и статистическа информация, изискват задаване на прагове, базирани на предварителни знания, които не могат да бъдат ефективни за всички дефекти, което води до недостатъчна устойчивост на този метод. Второ, традиционните методи за компютърно зрение обикновено са бавни за изпълнение и не могат ефективно да отговорят на изискванията на производството в реално време. От 80-те години на миналия век областта на изследванията в областта на машинното обучение се развива бързо и прилагането на съответните знания е движило развитието на много индустрии. Много изследователски теми показват, че прилагането на алгоритми за машинно обучение, като BP невронна мрежа и SVM, при откриване на дефекти в тъканите е ефективно. Тези методи осигуряват висока точност на откриване и определена степен на устойчивост и не е трудно да се открият чрез внимателен анализ на процеса на обучение на машинното обучение. Производителността на този тип алгоритъм зависи главно от избора на ръчни характеристики на дефектите. Ако ръчните характеристики не са достатъчно пълни или дискриминативни, производителността на модела също ще бъде лоша.

С непрекъснатото усъвършенстване на компютърната изчислителна мощност и горещото развитие на теорията за дълбокото обучение през последните години, все повече хора започват да прилагат дълбокото обучение за откриване на дефекти в тъканите. Дълбокото обучение може ефективно да избегне непълнотата на ръчно проектираните характеристики и има висока точност на откриване. Въз основа на това съображение, тази статия използва компютърно зрение и знания, свързани с дълбокото обучение, за да проектира система за автоматично откриване на дефекти в нетъкан текстил, която ефективно подобрява точността на откриване на дефекти и има добра устойчивост.