Tecnulugia di rilevazione di difetti di tessuti non tessuti

I tessuti non tessuti sò sempre stati largamente aduprati cum'è materie prime per i cunsumabili medichi dispunibili cum'è maschere chirurgiche, cappelli d'infermiera è berretti chirurgichi in a pruduzzione. A qualità di i cunsumabili medichi dispunibili dipende principalmente da a qualità di i tessuti non tessuti. A causa di u fattu chì u prucessu di pruduzzione è di trasportu di i tessuti non tessuti ùn pò micca guarantisce a purezza assoluta di l'ambiente, è elli stessi anu una forte capacità di adsorbimentu elettrostaticu, spessu adsorbenu piccule impurità in l'aria. Dunque, l'uggetti stranieri ponu esiste in pochissime zone di tessuti non tessuti. U materiale di tela non tessuta studiatu in questu articulu hè adupratu direttamente per a pruduzzione di maschere. Dopu avè analizatu i campioni di difetti selezziunati, hè statu trovu chì a proporzione di difetti d'uggetti stranieri, cum'è insetti è capelli, hè a più alta. L'esistenza di questu difettu porta direttamente à una qualità inferiore di i prudutti successivi, è i prudutti difettosi sò ancu strettamente pruibiti di entre in u mercatu. Dunque, i pruduttori anu bisognu di rimuovere alcuni di questi difetti, altrimenti causerà enormi perdite ecunomiche.

Attualmente, a maiò parte di e grande imprese di l'industria utilizanu apparecchiature d'ispezione visuale impurtate per a rilevazione di difetti. Ancu s'è i risultati sò boni, queste apparecchiature sò generalmente care in termini di costu è manutenzione, è ùn sò micca adatte per e piccule imprese è i laboratori. A maiò parte di e piccule imprese in Cina utilizanu sempre l'ispezione visuale manuale tradiziunale per u screening di difetti. Stu metudu hè relativamente simplice, ma richiede una furmazione più longa di i travagliadori, una bassa efficienza è precisione di rilevazione, è spreca assai risorse umane, chì hè una spesa significativa per a gestione di l'impresa. In l'ultimi anni, u campu di a rilevazione di difetti s'hè sviluppatu rapidamente, è i pruprietarii di l'imprese utilizanu gradualmente nuove tecnulugie per rimpiazzà i metudi tradiziunali d'ispezione visuale manuale.

Da u puntu di vista di e tendenze di sviluppu di l'industria, a cuncepzione di un dispositivu di rilevazione automatica chì pò ottene è analizà automaticamente l'imagine di difetti in u prucessu di pruduzzione di tessuti non tessuti hè un mezzu necessariu per prumove u sviluppu di a pruduzzione, assicurà a qualità di u produttu è riduce i costi di u travagliu. Dapoi l'anni 1980, parechji ingegneri anu pruvatu à aduprà a cunniscenza pertinente di a visione artificiale per a rilevazione di difetti di tessuti non tessuti. Certi studii anu utilizatu metudi d'analisi di a struttura per caratterizà i difetti è ottene a rilevazione di difetti, mentre chì altri anu utilizatu operatori di rilevazione di bordi per determinà prima u contornu di u difettu è stabilisce limiti ragionevuli basati nantu à l'infurmazioni statistiche in scala di grigi di difetti per ottene a rilevazione di difetti. Ci sò ancu studii chì utilizanu metudi d'analisi spettrale per rilevà difetti basati nantu à l'alta periodicità di a struttura di i tessuti.

I metudi sopra citati anu ottenutu certi risultati applicativi in ​​i prublemi di rilevazione di difetti, ma ci sò sempre certe limitazioni: prima, a forma è a dimensione di i difetti in l'ambienti di pruduzzione attuali varianu. L'algoritmi di rilevazione di difetti basati nantu à l'apprendimentu automaticu è l'infurmazioni statistiche richiedenu l'impostazione di limiti basati nantu à cunniscenze precedenti, chì ùn ponu esse efficaci per tutti i difetti, risultendu in una robustezza insufficiente di stu metudu. Siconda, i metudi tradiziunali di visione artificiale sò generalmente lenti da eseguisce è ùn ponu micca risponde efficacemente à i requisiti in tempu reale di a pruduzzione. Dapoi l'anni 1980, u campu di a ricerca in apprendimentu automaticu s'hè sviluppatu rapidamente, è l'applicazione di cunniscenze pertinenti hà guidatu u sviluppu di parechje industrie. Parechji temi di ricerca anu dimustratu chì l'applicazione di algoritmi di apprendimentu automaticu cum'è a rete neurale BP è SVM in a rilevazione di difetti di tessuti hè efficace. Quessi metudi garantiscenu una alta precisione di rilevazione è un certu gradu di robustezza, è ùn hè micca difficiule da scopre per mezu di un'attenta analisi di u prucessu di furmazione di l'apprendimentu automaticu, A prestazione di stu tipu d'algoritmu dipende principalmente da a selezzione di e caratteristiche manuali di i difetti. Se e caratteristiche manuali ùn sò micca abbastanza cumplete o discriminative, a prestazione di u mudellu serà ancu scarsa.

Cù u miglioramentu cuntinuu di a putenza di calculu di l'urdinatori è u sviluppu crescente di a teoria di l'apprendimentu prufondu in l'ultimi anni, sempre più persone anu cuminciatu à applicà l'apprendimentu prufondu à a rilevazione di difetti di tessuti. L'apprendimentu prufondu pò evità efficacemente l'incompletezza di e caratteristiche cuncepite manualmente è hà una alta precisione di rilevazione. Basatu annantu à sta cunsiderazione, questu articulu usa a visione artificiale è e cunniscenze relative à l'apprendimentu prufondu per cuncepisce un sistema automaticu di rilevazione di difetti di tessuti non tessuti, chì migliora efficacemente a precisione di rilevazione di difetti è hà una bona robustezza.