ଅଣବୁଣା କପଡ଼ା ତ୍ରୁଟି ଚିହ୍ନଟ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା

ଉତ୍ପାଦନରେ ସର୍ଜିକାଲ୍ ମାସ୍କ, ନର୍ସ ଟୋପି ଏବଂ ସର୍ଜିକାଲ୍ କ୍ୟାପ୍ ଭଳି ଡିସପୋଜେବଲ୍ ମେଡିକାଲ୍ ଉପଭୋଗ୍ୟ ସାମଗ୍ରୀ ପାଇଁ ଅଣବୁଣା କପଡ଼ା ସର୍ବଦା କଞ୍ଚାମାଲ ଭାବରେ ବ୍ୟବହୃତ ହୋଇଆସୁଛି। ଡିସପୋଜେବଲ୍ ମେଡିକାଲ୍ ଉପଭୋଗ୍ୟ ସାମଗ୍ରୀର ଗୁଣବତ୍ତା ମୁଖ୍ୟତଃ ଅଣବୁଣା କପଡ଼ାର ଗୁଣବତ୍ତା ଉପରେ ନିର୍ଭର କରେ। ଅଣବୁଣା କପଡ଼ାର ଉତ୍ପାଦନ ଏବଂ ପରିବହନ ପ୍ରକ୍ରିୟା ପରିବେଶର ସମ୍ପୂର୍ଣ୍ଣ ଶୁଦ୍ଧତା ଗ୍ୟାରେଣ୍ଟି ଦେଇପାରିବ ନାହିଁ ଏବଂ ସେମାନଙ୍କର ନିଜସ୍ୱ ଶକ୍ତିଶାଳୀ ଇଲେକ୍ଟ୍ରୋଷ୍ଟାଟିକ୍ ଶୋଷଣ କ୍ଷମତା ଥିବାରୁ, ସେମାନେ ପ୍ରାୟତଃ ବାୟୁରେ ଛୋଟ ଅଶୁଦ୍ଧତା ଶୋଷଣ କରନ୍ତି। ତେଣୁ, ଅଣବୁଣା କପଡ଼ାର ବହୁତ କମ୍ କ୍ଷେତ୍ରରେ ବିଦେଶୀ ବସ୍ତୁ ରହିପାରେ। ଏହି ଲେଖାରେ ଅଧ୍ୟୟନ କରାଯାଇଥିବା ଅଣବୁଣା କପଡ଼ା ସାମଗ୍ରୀ ସିଧାସଳଖ ମାସ୍କ ଉତ୍ପାଦନ ପାଇଁ ବ୍ୟବହୃତ ହୁଏ, ଚୟନିତ ତ୍ରୁଟି ନମୁନା ବିଶ୍ଳେଷଣ କରିବା ପରେ, ଏହା ଜଣାପଡ଼ିଲା ଯେ କୀଟପତଙ୍ଗ ଏବଂ କେଶ ଭଳି ବିଦେଶୀ ବସ୍ତୁ ତ୍ରୁଟିର ଅନୁପାତ ସର୍ବାଧିକ। ଏହି ତ୍ରୁଟିର ଅସ୍ତିତ୍ୱ ସିଧାସଳଖ ପରବର୍ତ୍ତୀ ଉତ୍ପାଦଗୁଡ଼ିକର ନିମ୍ନମାନର ଗୁଣବତ୍ତା ଆଡ଼କୁ ନେଇଯାଏ, ଏବଂ ତ୍ରୁଟିପୂର୍ଣ୍ଣ ଉତ୍ପାଦଗୁଡ଼ିକୁ ବଜାରରେ ପ୍ରବେଶ କରିବା ପାଇଁ ମଧ୍ୟ କଡ଼ା ନିଷେଧ କରାଯାଇଛି। ତେଣୁ, ନିର୍ମାତାମାନଙ୍କୁ ଏହି ତ୍ରୁଟିଗୁଡ଼ିକ ମଧ୍ୟରୁ କିଛିକୁ ଦୂର କରିବାକୁ ପଡିବ, ନଚେତ୍ ଏହା ବିଶାଳ ଆର୍ଥିକ କ୍ଷତି କରିବ।

ବର୍ତ୍ତମାନ, ଶିଳ୍ପର ଅଧିକାଂଶ ବଡ଼ କମ୍ପାନୀଗୁଡ଼ିକ ତ୍ରୁଟି ଚିହ୍ନଟ ପାଇଁ ଆମଦାନୀ ହୋଇଥିବା ଦୃଶ୍ୟ ନିରୀକ୍ଷଣ ଉପକରଣ ବ୍ୟବହାର କରନ୍ତି। ଯଦିଓ ଫଳାଫଳ ଭଲ, ଏହି ଉପକରଣଗୁଡ଼ିକ ସାଧାରଣତଃ ମୂଲ୍ୟ ଏବଂ ରକ୍ଷଣାବେକ୍ଷଣରେ ମହଙ୍ଗା, ଏବଂ ଛୋଟ ଉଦ୍ୟୋଗ ଏବଂ କର୍ମଶାଳା ପାଇଁ ବ୍ୟବହାର କରିବା ପାଇଁ ଉପଯୁକ୍ତ ନୁହେଁ। ଚୀନର ଅଧିକାଂଶ ଛୋଟ କମ୍ପାନୀଗୁଡ଼ିକ ତ୍ରୁଟି ଯାଞ୍ଚ ପାଇଁ ଏବେ ବି ପାରମ୍ପରିକ ମାନୁଆଲ୍ ଦୃଶ୍ୟ ନିରୀକ୍ଷଣ ବ୍ୟବହାର କରନ୍ତି। ଏହି ପଦ୍ଧତି ତୁଳନାତ୍ମକ ଭାବରେ ସରଳ, କିନ୍ତୁ ଏଥିରେ ଅଧିକ ସମୟ ଧରି କର୍ମଚାରୀ ତାଲିମ, କମ୍ ଚିହ୍ନଟ ଦକ୍ଷତା ଏବଂ ସଠିକତା ଆବଶ୍ୟକ, ଏବଂ ପ୍ରଚୁର ମାନବ ସମ୍ବଳ ନଷ୍ଟ କରେ, ଯାହା ଉଦ୍ୟୋଗ ପରିଚାଳନା ପାଇଁ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଖର୍ଚ୍ଚ। ସାମ୍ପ୍ରତିକ ବର୍ଷଗୁଡ଼ିକରେ, ତ୍ରୁଟି ନିରୀକ୍ଷଣ କ୍ଷେତ୍ର ଦ୍ରୁତ ଗତିରେ ବିକଶିତ ହୋଇଛି, ଏବଂ ବ୍ୟବସାୟ ମାଲିକମାନେ ଧୀରେ ଧୀରେ ପାରମ୍ପରିକ ମାନୁଆଲ୍ ଦୃଶ୍ୟ ନିରୀକ୍ଷଣ ପଦ୍ଧତିଗୁଡ଼ିକୁ ବଦଳାଇବା ପାଇଁ ନୂତନ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବ୍ୟବହାର କରୁଛନ୍ତି।

ଶିଳ୍ପ ବିକାଶ ଧାରା ଦୃଷ୍ଟିକୋଣରୁ, ଏକ ସ୍ୱୟଂଚାଳିତ ଚିହ୍ନଟ ଡିଭାଇସ୍ ଡିଜାଇନ୍ କରିବା ଯାହା ଅଣ-ବୁଣା କପଡ଼ାର ଉତ୍ପାଦନ ପ୍ରକ୍ରିୟାରେ ତ୍ରୁଟି ପ୍ରତିଛବିଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ପ୍ରାପ୍ତ ଏବଂ ବିଶ୍ଳେଷଣ କରିପାରିବ, ତାହା ଉତ୍ପାଦନ ବିକାଶକୁ ପ୍ରୋତ୍ସାହିତ କରିବା, ଉତ୍ପାଦ ଗୁଣବତ୍ତା ସୁନିଶ୍ଚିତ କରିବା ଏବଂ ଶ୍ରମ ଖର୍ଚ୍ଚ ହ୍ରାସ କରିବା ପାଇଁ ଏକ ଆବଶ୍ୟକୀୟ ଉପାୟ। 1980 ଦଶକରୁ, ଅନେକ ଇଞ୍ଜିନିୟର ଅଣ-ବୁଣା କପଡ଼ାର ତ୍ରୁଟି ଚିହ୍ନଟ ପାଇଁ କମ୍ପ୍ୟୁଟର ଦୃଷ୍ଟିର ପ୍ରାସଙ୍ଗିକ ଜ୍ଞାନ ବ୍ୟବହାର କରିବାକୁ ଚେଷ୍ଟା କରିଛନ୍ତି। କିଛି ଅଧ୍ୟୟନ ତ୍ରୁଟିକୁ ବର୍ଣ୍ଣନ କରିବା ଏବଂ ତ୍ରୁଟି ଚିହ୍ନଟ ହାସଲ କରିବା ପାଇଁ ଟେକ୍ସଚର ବିଶ୍ଳେଷଣ ପଦ୍ଧତି ବ୍ୟବହାର କରିଛନ୍ତି, ଯେତେବେଳେ ଅନ୍ୟମାନେ ପ୍ରଥମେ ତ୍ରୁଟି କଣ୍ଟୋର ନିର୍ଣ୍ଣୟ କରିବା ଏବଂ ତ୍ରୁଟି ଚିହ୍ନଟ ହାସଲ କରିବା ପାଇଁ ତ୍ରୁଟି ଗ୍ରେସ୍କେଲ୍ ପରିସଂଖ୍ୟାନ ସୂଚନା ଉପରେ ଆଧାରିତ ଯୁକ୍ତିଯୁକ୍ତ ସୀମା ସ୍ଥିର କରିବା ପାଇଁ ଧାର ଚିହ୍ନଟ ଅପରେଟରମାନଙ୍କୁ ବ୍ୟବହାର କରିଛନ୍ତି, ଏପରି ଅଧ୍ୟୟନ ମଧ୍ୟ ଅଛି ଯାହା କପଡ଼ାର ଉଚ୍ଚ ଗଠନ ସମୟସୀମା ଉପରେ ଆଧାରିତ ତ୍ରୁଟି ଚିହ୍ନଟ କରିବା ପାଇଁ ବର୍ଣ୍ଣାଳୀ ବିଶ୍ଳେଷଣ ପଦ୍ଧତି ବ୍ୟବହାର କରେ।

ଉପରୋକ୍ତ ପଦ୍ଧତିଗୁଡ଼ିକ ତ୍ରୁଟି ଚିହ୍ନଟ ସମସ୍ୟାରେ କିଛି ପ୍ରୟୋଗ ଫଳାଫଳ ହାସଲ କରିଛି, କିନ୍ତୁ ଏବେ ବି କିଛି ସୀମା ରହିଛି: ପ୍ରଥମତଃ, ପ୍ରକୃତ ଉତ୍ପାଦନ ପରିବେଶରେ ତ୍ରୁଟିର ଆକୃତି ଏବଂ ଆକାର ଭିନ୍ନ ହୋଇଥାଏ। ମେସିନ୍ ଶିକ୍ଷଣ ଏବଂ ପରିସଂଖ୍ୟାନ ସୂଚନା ଉପରେ ଆଧାରିତ ତ୍ରୁଟି ଚିହ୍ନଟ ଆଲଗୋରିଦମଗୁଡ଼ିକ ପୂର୍ବ ଜ୍ଞାନ ଉପରେ ଆଧାରିତ ସୀମା ସ୍ଥିର କରିବା ଆବଶ୍ୟକ କରେ, ଯାହା ସମସ୍ତ ତ୍ରୁଟି ପାଇଁ ପ୍ରଭାବଶାଳୀ ହୋଇପାରେ ନାହିଁ, ଯାହା ଫଳରେ ଏହି ପଦ୍ଧତିର ପର୍ଯ୍ୟାପ୍ତ ଦୃଢ଼ତା ଦେଖାଯାଏ। ଦ୍ୱିତୀୟତଃ, ପାରମ୍ପରିକ କମ୍ପ୍ୟୁଟର ଦୃଷ୍ଟି ପଦ୍ଧତିଗୁଡ଼ିକ ସାଧାରଣତଃ କାର୍ଯ୍ୟକାରୀ କରିବାରେ ଧୀର ଏବଂ ଉତ୍ପାଦନର ପ୍ରକୃତ-ସମୟ ଆବଶ୍ୟକତାକୁ ପ୍ରଭାବଶାଳୀ ଭାବରେ ପୂରଣ କରିପାରିବ ନାହିଁ। 1980 ଦଶକ ଠାରୁ, ମେସିନ୍ ଶିକ୍ଷଣ ଗବେଷଣା କ୍ଷେତ୍ର ଦ୍ରୁତ ଗତିରେ ବିକଶିତ ହୋଇଛି, ଏବଂ ପ୍ରାସଙ୍ଗିକ ଜ୍ଞାନର ପ୍ରୟୋଗ ଅନେକ ଶିଳ୍ପର ବିକାଶକୁ ଚାଳିତ କରିଛି। ଅନେକ ଗବେଷଣା ବିଷୟ ଦେଖାଇଛି ଯେ କପଡ଼ା ତ୍ରୁଟି ଚିହ୍ନଟରେ BP ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ ଏବଂ SVM ପରି ମେସିନ୍ ଶିକ୍ଷଣ ଆଲଗୋରିଦମର ପ୍ରୟୋଗ ପ୍ରଭାବଶାଳୀ। ଏହି ପଦ୍ଧତିଗୁଡ଼ିକ ଉଚ୍ଚ ଚିହ୍ନଟ ସଠିକତା ଏବଂ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ପରିମାଣର ଦୃଢ଼ତା ନିଶ୍ଚିତ କରେ, ଏବଂ ମେସିନ୍ ଶିକ୍ଷଣର ତାଲିମ ପ୍ରକ୍ରିୟାର ଯତ୍ନର ସହିତ ବିଶ୍ଳେଷଣ ମାଧ୍ୟମରେ ଆବିଷ୍କାର କରିବା କଷ୍ଟକର ନୁହେଁ, ଏହି ପ୍ରକାରର ଆଲଗୋରିଦମର କାର୍ଯ୍ୟଦକ୍ଷତା ମୁଖ୍ୟତଃ ତ୍ରୁଟି ମାନୁଆଲ୍ ବୈଶିଷ୍ଟ୍ୟଗୁଡ଼ିକର ଚୟନ ଉପରେ ନିର୍ଭର କରେ। ଯଦି ମାନୁଆଲ୍ ବୈଶିଷ୍ଟ୍ୟଗୁଡ଼ିକ ସମ୍ପୂର୍ଣ୍ଣ କିମ୍ବା ପାର୍ଥକ୍ୟପୂର୍ଣ୍ଣ ନୁହେଁ, ତେବେ ମଡେଲର କାର୍ଯ୍ୟଦକ୍ଷତା ମଧ୍ୟ ଖରାପ ହେବ।

ସାମ୍ପ୍ରତିକ ବର୍ଷଗୁଡ଼ିକରେ କମ୍ପ୍ୟୁଟର କମ୍ପ୍ୟୁଟିଂ ଶକ୍ତିର ନିରନ୍ତର ଉନ୍ନତି ଏବଂ ଗଭୀର ଶିକ୍ଷା ତତ୍ତ୍ୱର ଉତ୍ତପ୍ତ ବିକାଶ ସହିତ, ଅଧିକରୁ ଅଧିକ ଲୋକ କପଡ଼ା ତ୍ରୁଟି ଚିହ୍ନଟ ପାଇଁ ଗଭୀର ଶିକ୍ଷା ପ୍ରୟୋଗ କରିବା ଆରମ୍ଭ କରିଛନ୍ତି। ଗଭୀର ଶିକ୍ଷା ପ୍ରଭାବଶାଳୀ ଭାବରେ ହସ୍ତକୃତ ଭାବରେ ଡିଜାଇନ୍ ହୋଇଥିବା ବୈଶିଷ୍ଟ୍ୟଗୁଡ଼ିକର ଅସମ୍ପୂର୍ଣ୍ଣତାକୁ ଏଡ଼ାଇ ପାରିବ ଏବଂ ଏହାର ଉଚ୍ଚ ଚିହ୍ନଟ ସଠିକତା ଅଛି। ଏହି ବିଚାର ଉପରେ ଆଧାର କରି, ଏହି ପ୍ରବନ୍ଧଟି ଏକ ଅଣ-ବୁଣା କପଡ଼ା ତ୍ରୁଟି ସ୍ୱୟଂଚାଳିତ ଚିହ୍ନଟ ପ୍ରଣାଳୀ ଡିଜାଇନ୍ କରିବା ପାଇଁ କମ୍ପ୍ୟୁଟର ଦୃଷ୍ଟି ଏବଂ ଗଭୀର ଶିକ୍ଷା ସମ୍ବନ୍ଧୀୟ ଜ୍ଞାନ ବ୍ୟବହାର କରେ, ଯାହା ପ୍ରଭାବଶାଳୀ ଭାବରେ ତ୍ରୁଟି ଚିହ୍ନଟ ସଠିକତାକୁ ଉନ୍ନତ କରେ ଏବଂ ଭଲ ଦୃଢ଼ତା ଥାଏ।