Tecnologia de detecció de defectes de teixits no teixits

Els teixits no teixits sempre s'han utilitzat àmpliament com a matèries primeres per a consumibles mèdics d'un sol ús, com ara màscares quirúrgiques, barrets d'infermera i gorres quirúrgiques en la producció. La qualitat dels consumibles mèdics d'un sol ús depèn principalment de la qualitat dels teixits no teixits. A causa del fet que el procés de producció i transport dels teixits no teixits no pot garantir la puresa absoluta del medi ambient, i ells mateixos tenen una forta capacitat d'adsorció electrostàtica, sovint adsorbeixen petites impureses a l'aire. Per tant, els objectes estranys poden existir en molt poques zones dels teixits no teixits. El material de teixit no teixit estudiat en aquest article s'utilitza directament per a la producció de màscares. Després d'analitzar les mostres de defectes seleccionades, es va trobar que la proporció de defectes d'objectes estranys, com ara insectes i cabells, és la més alta. L'existència d'aquest defecte condueix directament a una qualitat deficient dels productes posteriors, i els productes defectuosos també tenen estrictament prohibit entrar al mercat. Per tant, els fabricants han d'eliminar alguns d'aquests defectes, en cas contrari causarà enormes pèrdues econòmiques.

Actualment, la majoria de les grans empreses del sector utilitzen equips d'inspecció visual importats per a la detecció de defectes. Tot i que els resultats són bons, aquests equips solen ser cars en termes de cost i manteniment, i no són adequats per a petites empreses i tallers. La majoria de les petites empreses de la Xina encara utilitzen la inspecció visual manual tradicional per a la detecció de defectes. Aquest mètode és relativament senzill, però requereix una formació més llarga dels treballadors, una baixa eficiència i precisió de detecció i una pèrdua de recursos humans, cosa que representa una despesa important per a la gestió empresarial. En els darrers anys, el camp de la detecció de defectes s'ha desenvolupat ràpidament i els empresaris utilitzen gradualment noves tecnologies per substituir els mètodes tradicionals d'inspecció visual manual.

Des de la perspectiva de les tendències de desenvolupament de la indústria, dissenyar un dispositiu de detecció automàtica que pugui obtenir i analitzar automàticament imatges de defectes en el procés de producció de teixits no teixits és un mitjà necessari per promoure el desenvolupament de la producció, garantir la qualitat del producte i reduir els costos laborals. Des de la dècada de 1980, molts enginyers han intentat utilitzar els coneixements rellevants de la visió per computador per a la detecció de defectes de teixits no teixits. Alguns estudis han utilitzat mètodes d'anàlisi de textures per caracteritzar defectes i aconseguir la detecció de defectes, mentre que d'altres han utilitzat operadors de detecció de vores per determinar primer el contorn del defecte i establir llindars raonables basats en informació estadística en escala de grisos de defectes per aconseguir la detecció de defectes. També hi ha estudis que utilitzen mètodes d'anàlisi espectral per detectar defectes basats en l'alta periodicitat de la textura dels teixits.

Els mètodes anteriors han aconseguit certs resultats d'aplicació en problemes de detecció de defectes, però encara hi ha certes limitacions: en primer lloc, la forma i la mida dels defectes en entorns de producció reals varien. Els algoritmes de detecció de defectes basats en l'aprenentatge automàtic i la informació estadística requereixen establir llindars basats en coneixements previs, que no poden ser efectius per a tots els defectes, cosa que resulta en una robustesa insuficient d'aquest mètode. En segon lloc, els mètodes tradicionals de visió per computador solen ser lents d'executar i no poden satisfer eficaçment els requisits de producció en temps real. Des de la dècada de 1980, el camp de la investigació en aprenentatge automàtic s'ha desenvolupat ràpidament i l'aplicació del coneixement rellevant ha impulsat el desenvolupament de moltes indústries. Molts temes de recerca han demostrat que l'aplicació d'algoritmes d'aprenentatge automàtic com la xarxa neuronal BP i la SVM en la detecció de defectes de teixit és eficaç. Aquests mètodes garanteixen una alta precisió de detecció i un cert grau de robustesa, i no és difícil descobrir-ho mitjançant una anàlisi acurada del procés d'entrenament de l'aprenentatge automàtic. El rendiment d'aquest tipus d'algoritme depèn principalment de la selecció de les característiques manuals dels defectes. Si les característiques manuals no són completes o prou discriminatives, el rendiment del model també serà deficient.

Amb la millora contínua de la potència de càlcul dels ordinadors i el desenvolupament de la teoria de l'aprenentatge profund en els darrers anys, cada cop més persones han començat a aplicar l'aprenentatge profund a la detecció de defectes en teixits. L'aprenentatge profund pot evitar eficaçment la incompletesa de les característiques dissenyades manualment i té una alta precisió de detecció. Basant-nos en aquesta consideració, aquest article utilitza coneixements relacionats amb la visió per computador i l'aprenentatge profund per dissenyar un sistema automàtic de detecció de defectes en teixits no teixits, que millora eficaçment la precisió de detecció de defectes i té una bona robustesa.