Nem szőtt szövet hibaészlelő technológia

A nem szőtt szöveteket mindig is széles körben használták alapanyagként eldobható orvosi fogyóeszközökhöz, például sebészeti maszkokhoz, ápolónői sapkákhoz és sebészeti sapkákhoz. Az eldobható orvosi fogyóeszközök minősége főként a nem szőtt szövetek minőségétől függ. Mivel a nem szőtt szövetek gyártási és szállítási folyamata nem garantálja a környezet abszolút tisztaságát, és maguk is erős elektrosztatikus adszorpciós képességgel rendelkeznek, gyakran adszorbeálják a levegőben lévő apró szennyeződéseket. Ezért idegen tárgyak előfordulhatnak a nem szőtt szövetek nagyon kevés területén. Az ebben a cikkben vizsgált nem szőtt szövetanyagot közvetlenül maszkok gyártására használják. A kiválasztott hibaminták elemzése után megállapították, hogy az idegen tárgyakból származó hibák, például rovarok és haj aránya a legmagasabb. Ennek a hibának a megléte közvetlenül a későbbi termékek nem megfelelő minőségéhez vezet, és a hibás termékek piacra kerülése is szigorúan tilos. Ezért a gyártóknak el kell távolítaniuk ezeket a hibákat, különben hatalmas gazdasági veszteségeket okoznak.

Jelenleg az iparág legtöbb nagyvállalata importált vizuális ellenőrző berendezéseket használ a hibák észleléséhez. Bár az eredmények jók, ezek a berendezések általában drágák a költségek és a karbantartás szempontjából, és nem alkalmasak kisvállalkozások és műhelyek számára. A legtöbb kínai kisvállalat még mindig hagyományos kézi vizuális ellenőrzést alkalmaz a hibák szűrésére. Ez a módszer viszonylag egyszerű, de hosszabb munkavállalói képzést igényel, alacsony az észlelési hatékonyság és a pontosság, és sok emberi erőforrást pazarol, ami jelentős költséget jelent a vállalatirányítás számára. Az elmúlt években a hibaészlelés területe gyorsan fejlődött, és a vállalkozók fokozatosan új technológiákat alkalmaznak a hagyományos kézi vizuális ellenőrzési módszerek felváltására.

Az iparági fejlődési trendek szempontjából egy olyan automatikus detektáló eszköz tervezése, amely automatikusan képes hibaképeket beszerezni és elemezni a nem szőtt szövetek gyártási folyamatában, szükséges eszköz a termelésfejlesztés előmozdításához, a termékminőség biztosításához és a munkaerőköltségek csökkentéséhez. Az 1980-as évek óta számos mérnök próbálta meg felhasználni a számítógépes látás releváns ismereteit a nem szőtt szövetek hibáinak észleléséhez. Egyes tanulmányok textúraelemzési módszereket alkalmaztak a hibák jellemzésére és a hibaészlelés elérésére, míg mások élészlelő operátorokat használtak a hiba kontúrjának meghatározására, és a hibák szürkeárnyalatos statisztikai információi alapján ésszerű küszöbértékek beállítására a hibaészlelés eléréséhez. Vannak olyan tanulmányok is, amelyek spektrális analízis módszereket alkalmaznak a szövetek magas textúra-periodikusságán alapuló hibák észlelésére.

A fenti módszerek bizonyos alkalmazási eredményeket értek el a hibaészlelési problémák terén, de továbbra is vannak bizonyos korlátok: először is, a hibák alakja és mérete a tényleges termelési környezetekben változó. A gépi tanuláson és statisztikai információkon alapuló hibaészlelő algoritmusok előzetes tudáson alapuló küszöbértékeket igényelnek, amelyek nem lehetnek hatékonyak minden hibára, ami a módszer elégtelen robusztusságát eredményezi. Másodszor, a hagyományos számítógépes látásmódok általában lassan hajtódnak végre, és nem tudják hatékonyan kielégíteni a termelés valós idejű követelményeit. Az 1980-as évek óta a gépi tanulás kutatásának területe gyorsan fejlődött, és a releváns ismeretek alkalmazása számos iparág fejlődését ösztönözte. Számos kutatási téma kimutatta, hogy a gépi tanulási algoritmusok, például a BP neurális hálózat és az SVM alkalmazása a szövethiba-észlelésében hatékony. Ezek a módszerek magas észlelési pontosságot és bizonyos fokú robusztusságot biztosítanak, és ezt nem nehéz felfedezni a gépi tanulás betanítási folyamatának gondos elemzésével. Az ilyen típusú algoritmus teljesítménye főként a hibák manuális jellemzőinek kiválasztásától függ. Ha a manuális jellemzők nem teljesek vagy elég megkülönböztetőek, a modell teljesítménye is gyenge lesz.

A számítógépes számítási teljesítmény folyamatos fejlődésével és a mélytanulási elmélet gyors fejlődésével az utóbbi években egyre többen kezdték el alkalmazni a mélytanulást a szövethibák észlelésében. A mélytanulás hatékonyan kiküszöbölheti a manuálisan tervezett jellemzők hiányosságait, és nagy észlelési pontossággal rendelkezik. Ennek a megfontolásnak az alapján ez a cikk a számítógépes látás és a mélytanuláshoz kapcsolódó ismereteket felhasználva tervez egy nem szőtt szövetek automatikus hibaészlelő rendszerét, amely hatékonyan javítja a hibák észlelésének pontosságát, és jó robusztussággal rendelkezik.