Teknolojiya tespîtkirina kêmasiyên qumaşê ne-çirisandî

Qûmaşeyên ne-tevnkirî her tim wekî madeyên xav ji bo alavên bijîşkî yên yekcar bikarhatî yên wekî maskeyên cerrahî, şapkayên hemşîreyan û kepçeyên cerrahî di hilberînê de bi berfirehî hatine bikar anîn. Kalîteya alavên bijîşkî yên yekcar bikarhatî bi giranî bi kalîteya qûmaşeyên ne-tevnkirî ve girêdayî ye. Ji ber ku pêvajoya hilberîn û veguhastinê ya qûmaşeyên ne-tevnkirî nikare paqijiya mutleq a jîngehê garantî bike, û ew bi xwe xwedî şiyana adsorpsiyona elektrostatîk a bihêz in, ew pir caran qirêjiyên piçûk di hewayê de dikişînin. Ji ber vê yekê, dibe ku tiştên biyanî di pir kêm deverên qûmaşeyên ne-tevnkirî de hebin. Materyalê qûmaşeyê ne-tevnkirî yê ku di vê gotarê de hatiye lêkolîn kirin rasterast ji bo hilberîna maskeyan tê bikar anîn. Piştî analîzkirina nimûneyên kêmasiyên bijartî, hat dîtin ku rêjeya kêmasiyên tiştên biyanî, wekî kêzik û por, herî zêde ye. Hebûna vê kêmasiyê rasterast dibe sedema kalîteya nebaş a hilberên paşîn, û hilberên kêmas jî bi tundî qedexe ne ku bikevin bazarê. Ji ber vê yekê, hilberîner hewce ne ku hin ji van kêmasiyan derxînin, wekî din ew ê bibe sedema windahiyên aborî yên mezin.

Niha, piraniya şîrketên mezin ên di pîşesaziyê de alavên vekolîna dîtbarî yên hawirdekirî ji bo tespîtkirina kêmasiyan bikar tînin. Her çend encam baş bin jî, ev alav bi gelemperî ji hêla lêçûn û parastinê ve biha ne, û ji bo karanîna pargîdaniyên piçûk û atolyeyan ne guncaw in. Piraniya pargîdaniyên piçûk ên li Çînê hîn jî ji bo tespîtkirina kêmasiyan vekolîna dîtbarî ya destan a kevneşopî bikar tînin. Ev rêbaz nisbeten hêsan e, lê perwerdehiya karkeran a dirêjtir, karîgeriya tespîtkirinê û rastbûna kêm hewce dike, û gelek çavkaniyên mirovan winda dike, ku ev ji bo rêveberiya pargîdaniyan lêçûnek girîng e. Di salên dawî de, qada tespîtkirina kêmasiyan bi lez pêş ketiye, û xwediyên karsaziyê hêdî hêdî teknolojiyên nû bikar tînin da ku li şûna rêbazên vekolîna dîtbarî ya destan a kevneşopî bigirin.

Ji perspektîfa meylên pêşveçûna pîşesaziyê ve, sêwirandina amûrek tespîtkirina otomatîk ku dikare wêneyên kêmasiyan di pêvajoya hilberîna qumaşên ne-tevn de bi otomatîkî bi dest bixe û analîz bike, rêbazek pêwîst e ji bo pêşvebirina pêşkeftina hilberînê, misogerkirina kalîteya hilberê û kêmkirina lêçûnên kedê. Ji salên 1980-an vir ve, gelek endezyaran hewl dane ku zanîna têkildar a dîtina komputerê ji bo tespîtkirina kêmasiyên qumaşên ne-tevn bikar bînin. Hin lêkolînan rêbazên analîza teksturê bikar anîne da ku kêmasiyan diyar bikin û tespîtkirina kêmasiyan bi dest bixin, hinên din jî operatorên tespîtkirina qiraxan bikar anîne da ku pêşî kontûra kêmasiyan diyar bikin û li gorî agahdariya îstatîstîkî ya grayscale sînorên maqûl destnîşan bikin da ku tespîtkirina kêmasiyan bi dest bixin. Her weha lêkolîn hene ku rêbazên analîza spektral bikar tînin da ku kêmasiyên li ser bingeha perîyodîkbûna teksturê ya bilind a qumaşan tespît bikin.

Rêbazên jorîn di pirsgirêkên tespîtkirina kêmasiyan de hin encamên serîlêdanê bi dest xistine, lê dîsa jî hin sînorkirin hene: yekem, şikl û mezinahiya kêmasiyan di jîngehên hilberîna rastîn de diguherin. Algorîtmayên tespîtkirina kêmasiyan ên li ser bingeha fêrbûna makîneyê û agahdariya îstatîstîkî hewce dikin ku li ser bingeha zanîna berê sînoran saz bikin, ku nikarin ji bo hemî kêmasiyan bibandor bin, di encamê de ev rêbaz ne bes e ku bihêz be. Ya duyemîn, rêbazên dîtina komputerê yên kevneşopî bi gelemperî hêdî têne bicîh kirin û nikarin bi bandor hewcedariyên rast-dem ên hilberînê bicîh bînin. Ji salên 1980-an vir ve, qada lêkolîna fêrbûna makîneyê bi lez pêş ketiye, û sepandina zanîna têkildar pêşveçûna gelek pîşesaziyan ajotiye. Gelek mijarên lêkolînê nîşan dane ku sepandina algorîtmayên fêrbûna makîneyê yên wekî tora neural a BP û SVM di tespîtkirina kêmasiyên qumaşê de bibandor e. Ev rêbaz rastbûna tespîtkirinê ya bilind û astek diyarkirî ya bihêzbûnê misoger dikin, û ne dijwar e ku bi analîzek baldar a pêvajoya perwerdehiyê ya fêrbûna makîneyê were kifş kirin. Performansa vê celebê algorîtmayê bi giranî bi hilbijartina taybetmendiyên destana kêmasiyan ve girêdayî ye. Ger taybetmendiyên destan ne temam an jî têra xwe cudakar nebin, performansa modelê jî dê xirab be.

Bi pêşketina berdewam a hêza hesabkirina komputerê û pêşketina germ a teoriya fêrbûna kûr di salên dawî de, bêtir û bêtir mirov dest bi sepandina fêrbûna kûr ji bo tespîtkirina kêmasiyên qumaşê kirine. Fêrbûna kûr dikare bi bandor ji netemambûna taybetmendiyên bi destan hatine sêwirandin dûr bisekine û rastbûnek tespîtkirinê ya bilind heye. Li ser bingeha vê yekê, ev gotar dîtina komputerê û zanîna têkildarî fêrbûna kûr bikar tîne da ku pergalek tespîtkirina otomatîkî ya kêmasiyên qumaşê ne-tevnkirî sêwirîne, ku bi bandor rastbûna tespîtkirina kêmasiyan baştir dike û xwedan berxwedanek baş e.