Технологија за откривање на дефекти на неткаена ткаенина

Неткаените ткаенини отсекогаш биле широко користени како суровини за медицински потрошен материјал за еднократна употреба, како што се хируршки маски, капи за медицински сестри и хируршки капи во производството. Квалитетот на медицинските потрошни материјали за еднократна употреба главно зависи од квалитетот на неткаените ткаенини. Бидејќи процесот на производство и транспорт на неткаени ткаенини не може да гарантира апсолутна чистота на животната средина, а тие самите имаат силна електростатска адсорпциска способност, тие често адсорбираат мали нечистотии во воздухот. Затоа, туѓи предмети може да постојат во многу малку области на неткаени ткаенини. Материјалот од неткаен материјал проучен во овој напис се користи директно за производство на маски. По анализата на избраните примероци со дефекти, беше откриено дека процентот на дефекти на туѓи предмети, како што се инсекти и коса, е највисок. Постоењето на овој дефект директно води до подстандарден квалитет на последователните производи, а дефектните производи се исто така строго забранети за влез на пазарот. Затоа, производителите треба да отстранат некои од овие дефекти, во спротивно тоа ќе предизвика огромни економски загуби.

Во моментов, повеќето големи компании во индустријата користат увезена опрема за визуелна инспекција за откривање на дефекти. Иако резултатите се добри, оваа опрема е обично скапа по цена и одржување и не е погодна за употреба од мали претпријатија и работилници. Повеќето мали компании во Кина сè уште користат традиционална рачна визуелна инспекција за скрининг на дефекти. Овој метод е релативно едноставен, но бара подолга обука на работниците, ниска ефикасност и точност на откривање и троши многу човечки ресурси, што е значителен трошок за управувањето со претпријатијата. Во последниве години, областа на откривање на дефекти брзо се развива, а сопствениците на бизниси постепено користат нови технологии за да ги заменат традиционалните методи за рачна визуелна инспекција.

Од перспектива на трендовите во развојот на индустријата, дизајнирањето на уред за автоматско откривање кој може автоматски да добива и анализира слики од дефекти во процесот на производство на неткаени ткаенини е неопходно средство за промовирање на развојот на производството, обезбедување на квалитет на производот и намалување на трошоците за работна сила. Од 1980-тите, многу инженери се обиделе да го користат релевантното знаење за компјутерска визија за откривање на дефекти на неткаени ткаенини. Некои студии користеле методи за анализа на текстура за да ги карактеризираат дефектите и да постигнат откривање на дефекти, додека други користеле оператори за откривање на рабови за прво да ја одредат контурата на дефектот и да постават разумни прагови врз основа на статистички информации за сива скала на дефекти за да се постигне откривање на дефекти. Исто така, постојат студии кои користат методи на спектрална анализа за откривање на дефекти врз основа на високата периодичност на текстурата на ткаенините.

Горенаведените методи постигнаа одредени резултати од примената во проблемите со откривање на дефекти, но сепак постојат одредени ограничувања: прво, обликот и големината на дефектите во реалните производствени средини варираат. Алгоритмите за откривање на дефекти базирани на машинско учење и статистички информации бараат поставување прагови базирани на претходно знаење, кое не може да биде ефикасно за сите дефекти, што резултира со недоволна робусност на овој метод. Второ, традиционалните методи за компјутерска визија обично се бавни за извршување и не можат ефикасно да ги задоволат барањата на производството во реално време. Од 1980-тите, полето на истражување на машинското учење брзо се развива, а примената на релевантно знаење го поттикна развојот на многу индустрии. Многу истражувачки теми покажаа дека примената на алгоритми за машинско учење, како што се BP невронската мрежа и SVM, во откривањето на дефекти во ткаенината е ефикасна. Овие методи обезбедуваат висока точност на откривање и одреден степен на робусност, и не е тешко да се открие преку внимателна анализа на процесот на обука на машинско учење. Перформансите на овој тип алгоритам главно зависат од изборот на карактеристики на рачниот дефект. Ако карактеристиките на рачниот модел не се доволно комплетни или дискриминативни, перформансите на моделот исто така ќе бидат слаби.

Со континуираното подобрување на моќта на компјутерските сметања и брзиот развој на теоријата за длабоко учење во последниве години, сè повеќе луѓе почнуваат да го применуваат длабокото учење за откривање на дефекти во ткаенините. Длабокото учење може ефикасно да ја избегне нецелосноста на рачно дизајнираните карактеристики и има висока точност на откривање. Врз основа на ова размислување, овој напис користи компјутерска визија и знаење поврзано со длабоко учење за да дизајнира систем за автоматско откривање на дефекти во неткаена ткаенина, кој ефикасно ја подобрува точноста на откривање на дефекти и има добра робусност.