Neaustinių audinių defektų aptikimo technologija

Neaustiniai audiniai visada buvo plačiai naudojami kaip žaliava vienkartinių medicininių reikmenų, tokių kaip chirurginės kaukės, slaugytojų kepurės ir chirurginiai kepuraitės, gamybai. Vienkartinių medicininių reikmenų kokybė daugiausia priklauso nuo neaustinių audinių kokybės. Kadangi neaustinių audinių gamybos ir transportavimo procesas negali garantuoti absoliutaus aplinkos grynumo, o jie patys pasižymi stipriu elektrostatiniu adsorbcijos gebėjimu, jie dažnai adsorbuoja smulkius oro priemaišas. Todėl pašalinių objektų gali būti labai nedaugelyje neaustinių audinių vietų. Šiame straipsnyje nagrinėjama neaustinė medžiaga yra tiesiogiai naudojama kaukių gamybai. Išanalizavus atrinktus defektų pavyzdžius, nustatyta, kad pašalinių objektų defektų, tokių kaip vabzdžiai ir plaukai, dalis yra didžiausia. Šio defekto buvimas tiesiogiai lemia vėlesnių gaminių nekokybiškumą, o defektuotiems gaminiams taip pat griežtai draudžiama patekti į rinką. Todėl gamintojai turi pašalinti kai kuriuos iš šių defektų, kitaip tai sukels didelių ekonominių nuostolių.

Šiuo metu dauguma didelių pramonės įmonių defektams aptikti naudoja importuotą vizualinės apžiūros įrangą. Nors rezultatai geri, ši įranga paprastai yra brangi ir nereikalauja daug priežiūros, todėl netinka naudoti mažoms įmonėms ir dirbtuvėms. Dauguma mažų Kinijos įmonių vis dar naudoja tradicinę rankinę vizualinę apžiūrą defektams atrinkti. Šis metodas yra gana paprastas, tačiau reikalauja ilgesnio darbuotojų mokymo, mažo aptikimo efektyvumo ir tikslumo, be to, eikvoja daug žmogiškųjų išteklių, o tai yra didelės įmonės vadovybės išlaidos. Pastaraisiais metais defektų aptikimo sritis sparčiai vystėsi, o verslo savininkai pamažu naudoja naujas technologijas, kad pakeistų tradicinius rankinės vizualinės apžiūros metodus.

Žvelgiant iš pramonės plėtros tendencijų perspektyvos, automatinio aptikimo įrenginio, galinčio automatiškai gauti ir analizuoti defektų vaizdus neaustinių audinių gamybos procese, projektavimas yra būtina priemonė skatinti gamybos plėtrą, užtikrinti produkto kokybę ir sumažinti darbo sąnaudas. Nuo devintojo dešimtmečio daugelis inžinierių bandė panaudoti atitinkamas kompiuterinės regos žinias neaustinių audinių defektams aptikti. Kai kuriuose tyrimuose tekstūros analizės metodai buvo naudojami defektams apibūdinti ir defektams aptikti, o kituose – kraštų aptikimo operatoriai, siekiant pirmiausia nustatyti defekto kontūrą ir nustatyti pagrįstas ribas, remiantis defektų pilkos spalvos statistine informacija, siekiant aptikti defektus. Taip pat yra tyrimų, kuriuose naudojami spektrinės analizės metodai defektams aptikti, remiantis dideliu audinių tekstūros periodiškumu.

Aukščiau minėti metodai pasiekė tam tikrų taikymo rezultatų defektų aptikimo problemose, tačiau vis dar yra tam tikrų apribojimų: pirma, defektų forma ir dydis realioje gamybos aplinkoje skiriasi. Defektų aptikimo algoritmai, pagrįsti mašininiu mokymusi ir statistine informacija, reikalauja nustatyti ribas, pagrįstas ankstesnėmis žiniomis, kurios negali būti veiksmingos visiems defektams, todėl šis metodas nėra pakankamai patikimas. Antra, tradiciniai kompiuterinės regos metodai paprastai yra lėti ir negali efektyviai patenkinti realaus laiko gamybos reikalavimų. Nuo devintojo dešimtmečio mašininio mokymosi tyrimų sritis sparčiai vystėsi, o atitinkamų žinių taikymas paskatino daugelio pramonės šakų plėtrą. Daugelis tyrimų temų parodė, kad mašininio mokymosi algoritmų, tokių kaip BP neuroninis tinklas ir SVM, taikymas audinių defektų aptikime yra efektyvus. Šie metodai užtikrina aukštą aptikimo tikslumą ir tam tikrą patikimumo laipsnį, ir tai nesunku nustatyti atidžiai išanalizavus mašininio mokymosi mokymo procesą. Šio tipo algoritmo našumas daugiausia priklauso nuo defektų rankinių požymių pasirinkimo. Jei rankinės savybės nėra pakankamai išsamios arba diskriminuojančios, modelio našumas taip pat bus prastas.

Pastaraisiais metais nuolat tobulėjant kompiuterių skaičiavimo galiai ir sparčiai vystantis gilaus mokymosi teorijai, vis daugiau žmonių pradeda taikyti gilųjį mokymąsi audinių defektams aptikti. Gilusis mokymasis gali efektyviai išvengti rankiniu būdu sukurtų elementų nepilnumo ir pasižymi dideliu aptikimo tikslumu. Remiantis šiais svarstymais, šiame straipsnyje, remiantis kompiuterinės regos ir gilaus mokymosi žiniomis, sukurta neaustinių audinių defektų automatinio aptikimo sistema, kuri efektyviai pagerina defektų aptikimo tikslumą ir pasižymi geru patikimumu.