गैर-बुने हुए कपड़े में दोष का पता लगाने की तकनीक

गैर-बुने हुए कपड़ों का उपयोग हमेशा सर्जिकल मास्क, नर्स टोपी और सर्जिकल कैप जैसे डिस्पोजेबल मेडिकल उपभोग्य सामग्रियों के उत्पादन में कच्चे माल के रूप में व्यापक रूप से किया जाता रहा है। डिस्पोजेबल मेडिकल उपभोग्य सामग्रियों की गुणवत्ता मुख्य रूप से गैर-बुने हुए कपड़ों की गुणवत्ता पर निर्भर करती है। इस तथ्य के कारण कि गैर-बुने हुए कपड़ों का उत्पादन और परिवहन प्रक्रिया पर्यावरण की पूर्ण शुद्धता की गारंटी नहीं दे सकती है, और उनमें स्वयं मजबूत इलेक्ट्रोस्टैटिक सोखना क्षमता होती है, वे अक्सर हवा में छोटी अशुद्धियों को सोख लेते हैं। इसलिए, गैर-बुने हुए कपड़ों के बहुत कम क्षेत्रों में विदेशी वस्तुएं मौजूद हो सकती हैं। इस लेख में अध्ययन की गई गैर-बुने हुए कपड़े की सामग्री का उपयोग सीधे मास्क के उत्पादन के लिए किया जाता है। चयनित दोष नमूनों का विश्लेषण करने के बाद, यह पाया गया कि कीड़े और बाल जैसे विदेशी वस्तु दोषों का अनुपात सबसे अधिक है। इस दोष का अस्तित्व सीधे बाद के उत्पादों की घटिया गुणवत्ता की ओर ले जाता है, और दोषपूर्ण उत्पादों को बाजार में प्रवेश करने से भी सख्ती से प्रतिबंधित किया जाता है। इसलिए, निर्माताओं को इनमें से कुछ दोषों को दूर करने की आवश्यकता है, अन्यथा इससे भारी आर्थिक नुकसान होगा।

वर्तमान में, उद्योग की अधिकांश बड़ी कंपनियाँ दोष जाँच के लिए आयातित दृश्य निरीक्षण उपकरणों का उपयोग करती हैं। हालाँकि परिणाम अच्छे होते हैं, ये उपकरण आमतौर पर लागत और रखरखाव के मामले में महंगे होते हैं, और छोटे उद्यमों और कार्यशालाओं के लिए उपयुक्त नहीं होते। चीन में अधिकांश छोटी कंपनियाँ अभी भी दोष जाँच के लिए पारंपरिक मैन्युअल दृश्य निरीक्षण का उपयोग करती हैं। यह विधि अपेक्षाकृत सरल है, लेकिन इसके लिए लंबे समय तक कर्मचारी प्रशिक्षण की आवश्यकता होती है, पता लगाने की दक्षता और सटीकता कम होती है, और बहुत सारे मानव संसाधनों की बर्बादी होती है, जो उद्यम प्रबंधन के लिए एक महत्वपूर्ण व्यय है। हाल के वर्षों में, दोष जाँच का क्षेत्र तेजी से विकसित हुआ है, और व्यवसाय के मालिक धीरे-धीरे पारंपरिक मैन्युअल दृश्य निरीक्षण विधियों को बदलने के लिए नई तकनीकों का उपयोग कर रहे हैं।

उद्योग विकास के रुझानों के दृष्टिकोण से, एक स्वचालित पहचान उपकरण डिजाइन करना जो गैर-बुने हुए कपड़ों की उत्पादन प्रक्रिया में दोष छवियों को स्वचालित रूप से प्राप्त और विश्लेषण कर सकता है, उत्पादन विकास को बढ़ावा देने, उत्पाद की गुणवत्ता सुनिश्चित करने और श्रम लागत को कम करने के लिए एक आवश्यक साधन है। 1980 के दशक से, कई इंजीनियरों ने गैर-बुने हुए कपड़ों के दोष का पता लगाने के लिए कंप्यूटर विज़न के प्रासंगिक ज्ञान का उपयोग करने का प्रयास किया है। कुछ अध्ययनों ने दोषों को चिह्नित करने और दोष का पता लगाने के लिए बनावट विश्लेषण विधियों का उपयोग किया है, जबकि अन्य ने दोष का पता लगाने के लिए पहले दोष समोच्च का निर्धारण करने और दोष का पता लगाने के लिए दोष ग्रेस्केल सांख्यिकीय जानकारी के आधार पर उचित थ्रेसहोल्ड सेट करने के लिए एज डिटेक्शन ऑपरेटरों का उपयोग किया है। ऐसे अध्ययन भी हैं जो कपड़ों की उच्च बनावट आवधिकता के आधार पर दोषों का पता लगाने के लिए वर्णक्रमीय विश्लेषण विधियों का उपयोग करते हैं।

उपरोक्त विधियों ने दोष-पता लगाने की समस्याओं में कुछ अनुप्रयोग परिणाम प्राप्त किए हैं, लेकिन अभी भी कुछ सीमाएँ हैं: पहला, वास्तविक उत्पादन वातावरण में दोषों का आकार और माप भिन्न होता है। मशीन लर्निंग और सांख्यिकीय जानकारी पर आधारित दोष-पता लगाने वाले एल्गोरिदम के लिए पूर्व ज्ञान के आधार पर सीमाएँ निर्धारित करने की आवश्यकता होती है, जो सभी दोषों के लिए प्रभावी नहीं हो सकती, जिसके परिणामस्वरूप इस पद्धति की मज़बूती अपर्याप्त होती है। दूसरा, पारंपरिक कंप्यूटर विज़न विधियाँ आमतौर पर धीमी गति से क्रियान्वित होती हैं और उत्पादन की वास्तविक समय की आवश्यकताओं को प्रभावी ढंग से पूरा नहीं कर पाती हैं। 1980 के दशक से, मशीन लर्निंग अनुसंधान का क्षेत्र तेज़ी से विकसित हुआ है, और प्रासंगिक ज्ञान के अनुप्रयोग ने कई उद्योगों के विकास को गति दी है। कई शोध विषयों ने दिखाया है कि फ़ैब्रिक दोष-पता लगाने में बीपी न्यूरल नेटवर्क और एसवीएम जैसे मशीन लर्निंग एल्गोरिदम का अनुप्रयोग प्रभावी है। ये विधियाँ उच्च पहचान सटीकता और एक निश्चित स्तर की मज़बूती सुनिश्चित करती हैं, और मशीन लर्निंग की प्रशिक्षण प्रक्रिया के सावधानीपूर्वक विश्लेषण के माध्यम से इसे खोजना मुश्किल नहीं है। इस प्रकार के एल्गोरिदम का प्रदर्शन मुख्य रूप से दोष मैनुअल विशेषताओं के चयन पर निर्भर करता है। यदि मैनुअल विशेषताएँ पूर्ण या पर्याप्त रूप से विभेदक नहीं हैं, तो मॉडल का प्रदर्शन भी खराब होगा।

हाल के वर्षों में कंप्यूटर कंप्यूटिंग शक्ति के निरंतर सुधार और गहन शिक्षण सिद्धांत के तीव्र विकास के साथ, अधिक से अधिक लोग कपड़े के दोषों का पता लगाने के लिए गहन शिक्षण का उपयोग करने लगे हैं। गहन शिक्षण मैन्युअल रूप से डिज़ाइन की गई विशेषताओं की अपूर्णता से प्रभावी रूप से बच सकता है और इसकी पहचान सटीकता उच्च होती है। इसी विचार के आधार पर, यह लेख कंप्यूटर विज़न और गहन शिक्षण से संबंधित ज्ञान का उपयोग करके एक गैर-बुने हुए कपड़े के दोष का स्वचालित पता लगाने वाला सिस्टम डिज़ाइन करता है, जो दोषों की पहचान सटीकता में प्रभावी रूप से सुधार करता है और इसकी मज़बूती भी अच्छी होती है।