טכנולוגיית גילוי פגמים בבד לא ארוג

בדים לא ארוגים תמיד שימשו באופן נרחב כחומרי גלם עבור מוצרים רפואיים חד פעמיים כגון מסכות כירורגיות, כובעי אחיות וכובעים כירורגיים בייצור. איכותם של מוצרים רפואיים חד פעמיים תלויה בעיקר באיכות הבדים הלא ארוגים. בשל העובדה שתהליך הייצור וההובלה של בדים לא ארוגים אינו יכול להבטיח טוהר מוחלט של הסביבה, ויש להם עצמם יכולת ספיחה אלקטרוסטטית חזקה, הם סופגים לעתים קרובות זיהומים קטנים באוויר. לכן, עצמים זרים עשויים להימצא באזורים מעטים מאוד של בדים לא ארוגים. חומר הבד הלא ארוג שנחקר במאמר זה משמש ישירות לייצור מסכות. לאחר ניתוח דגימות הפגמים שנבחרו, נמצא כי שיעור הפגמים של עצמים זרים, כגון חרקים ושיער, הוא הגבוה ביותר. קיומם של פגמים אלה מוביל ישירות לאיכות ירודה של מוצרים עוקבים, וגם מוצרים פגומים אסורים בהחלט בכניסה לשוק. לכן, יצרנים צריכים להסיר חלק מהפגמים הללו, אחרת זה יגרום להפסדים כלכליים עצומים.

כיום, רוב החברות הגדולות בתעשייה משתמשות בציוד בדיקה חזותית מיובא לגילוי פגמים. למרות שהתוצאות טובות, ציוד זה בדרך כלל יקר מבחינת עלות ותחזוקה, ואינו מתאים לשימוש לעסקים קטנים ולסדנאות. רוב החברות הקטנות בסין עדיין משתמשות בבדיקה חזותית ידנית מסורתית לסינון פגמים. שיטה זו פשוטה יחסית, אך דורשת הכשרה ארוכה יותר של עובדים, יעילות ודיוק נמוכים של גילוי, ומבזבזת משאבי אנוש רבים, המהווים הוצאה משמעותית עבור ניהול הארגון. בשנים האחרונות, תחום גילוי הפגמים התפתח במהירות, ובעלי עסקים משתמשים בהדרגה בטכנולוגיות חדשות כדי להחליף את שיטות הבדיקה החזותית הידניות המסורתיות.

מנקודת מבט של מגמות פיתוח בתעשייה, תכנון מכשיר לגילוי אוטומטי שיכול להשיג ולנתח באופן אוטומטי תמונות פגמים בתהליך הייצור של בדים לא ארוגים הוא אמצעי הכרחי לקידום פיתוח הייצור, הבטחת איכות המוצר והפחתת עלויות העבודה. מאז שנות ה-80, מהנדסים רבים ניסו להשתמש בידע הרלוונטי של ראייה ממוחשבת לגילוי פגמים בבדים לא ארוגים. מחקרים מסוימים השתמשו בשיטות ניתוח מרקם כדי לאפיין פגמים ולהשיג זיהוי פגמים, בעוד שאחרים השתמשו באופרטורים של זיהוי שוליים כדי לקבוע תחילה את קו המתאר של הפגם ולקבוע ספים סבירים על סמך מידע סטטיסטי בגווני אפור של פגמים כדי להשיג זיהוי פגמים. ישנם גם מחקרים המשתמשים בשיטות ניתוח ספקטרלי כדי לזהות פגמים על סמך מחזוריות מרקם גבוהה של בדים.

השיטות הנ"ל השיגו תוצאות יישום מסוימות בבעיות גילוי פגמים, אך עדיין קיימות מגבלות מסוימות: ראשית, צורתם וגודלם של הפגמים בסביבות ייצור בפועל משתנים. אלגוריתמים לגילוי פגמים המבוססים על למידת מכונה ומידע סטטיסטי דורשים קביעת ספים המבוססים על ידע קודם, שאינו יעיל עבור כל הפגמים, וכתוצאה מכך עמידותה של שיטה זו אינה מספקת. שנית, שיטות ראייה ממוחשבת מסורתיות בדרך כלל איטיות לביצוע ואינן יכולות לעמוד ביעילות בדרישות הייצור בזמן אמת. מאז שנות ה-80, תחום מחקר למידת המכונה התפתח במהירות, ויישום הידע הרלוונטי הניע את התפתחותן של תעשיות רבות. נושאי מחקר רבים הראו כי יישום אלגוריתמי למידת מכונה כגון רשת נוירונים BP ו-SVM בגילוי פגמי בד הוא יעיל. שיטות אלו מבטיחות דיוק גילוי גבוה ומידה מסוימת של עמידות, ולא קשה לגלות זאת באמצעות ניתוח מדוקדק של תהליך האימון של למידת מכונה. ביצועי אלגוריתם מסוג זה תלויים בעיקר בבחירת תכונות ידניות של פגמים. אם התכונות הידניות אינן שלמות או מבחינות מספיק, גם ביצועי המודל יהיו גרועים.

עם השיפור המתמיד של כוח המחשוב של המחשבים והפיתוח החם של תורת הלמידה העמוקה בשנים האחרונות, יותר ויותר אנשים החלו ליישם למידה עמוקה לגילוי פגמים בבד. למידה עמוקה יכולה למנוע ביעילות את חוסר השלמות של תכונות שתוכננו באופן ידני ובעלת דיוק זיהוי גבוה. בהתבסס על שיקול זה, מאמר זה משתמש בידע הקשור לראייה ממוחשבת ולמידה עמוקה כדי לתכנן מערכת אוטומטית לגילוי פגמים בבד לא ארוג, אשר משפרת ביעילות את דיוק הזיהוי של פגמים ובעלת חוסן טוב.