د غیر اوبدل شوي ټوکر د نیمګړتیاوو کشفولو ټیکنالوژي

غیر اوبدل شوي ټوکرونه تل د طبي مصرفي توکو لکه جراحي ماسکونو، نرسانو خولۍ او جراحي کیپسونو لپاره د خامو موادو په توګه په پراخه کچه کارول شوي دي. د طبي مصرفي توکو کیفیت په عمده توګه د غیر اوبدل شوي ټوکرانو کیفیت پورې اړه لري. د دې حقیقت له امله چې د غیر اوبدل شوي ټوکرانو تولید او لیږد پروسه نشي کولی د چاپیریال بشپړ پاکوالی تضمین کړي، او دوی پخپله قوي الکتروسټاتیک جذب وړتیا لري، دوی ډیری وختونه په هوا کې کوچني ناپاکۍ جذبوي. له همدې امله، بهرني شیان ممکن د غیر اوبدل شوي ټوکرانو په ډیرو لږو برخو کې شتون ولري. په دې مقاله کې مطالعه شوي غیر اوبدل شوي ټوکر مواد په مستقیم ډول د ماسکونو تولید لپاره کارول کیږي، د ټاکل شوي عیب نمونو تحلیل وروسته، دا وموندل شوه چې د بهرني شیانو نیمګړتیاو تناسب، لکه حشرات او ویښتان، ترټولو لوړ دی. د دې نیمګړتیا شتون په مستقیم ډول د راتلونکو محصولاتو د ټیټ کیفیت لامل کیږي، او عیب لرونکي محصولات هم په کلکه بازار ته د ننوتلو څخه منع دي. له همدې امله، تولیدونکي اړتیا لري چې د دې نیمګړتیاو څخه ځینې لرې کړي، که نه نو دا به لوی اقتصادي زیانونه رامینځته کړي.

اوس مهال، په صنعت کې ډیری لوی شرکتونه د عیبونو کشف لپاره وارد شوي بصري تفتیش تجهیزات کاروي. که څه هم پایلې ښې دي، دا تجهیزات معمولا په لګښت او ساتنه کې ګران دي، او د کوچنیو تصدیو او ورکشاپونو لپاره مناسب ندي. په چین کې ډیری کوچني شرکتونه لاهم د عیبونو د معاینې لپاره دودیز لاسي بصري تفتیش کاروي. دا طریقه نسبتا ساده ده، مګر د کارګرانو اوږدې روزنې، ټیټ کشف موثریت او دقت ته اړتیا لري، او ډیری بشري سرچینې ضایع کوي، کوم چې د تصدۍ مدیریت لپاره د پام وړ لګښت دی. په وروستیو کلونو کې، د عیبونو کشف ساحه په چټکۍ سره وده کړې، او د سوداګرۍ مالکین په تدریجي ډول د دودیز لاسي بصري تفتیش میتودونو ځای په ځای کولو لپاره نوي ټیکنالوژي کاروي.

د صنعت د پراختیا رجحاناتو له نظره، د اتوماتیک کشف کولو وسیلې ډیزاین کول چې کولی شي د غیر اوبدل شوي ټوکرونو د تولید پروسې کې د نیمګړتیاو عکسونه په اتوماتيک ډول ترلاسه او تحلیل کړي د تولید پراختیا ته وده ورکولو، د محصول کیفیت ډاډمن کولو او د کار لګښتونو کمولو لپاره یوه اړینه وسیله ده. د 1980 لسیزې راهیسې، ډیری انجینرانو هڅه کړې چې د غیر اوبدل شوي ټوکرونو د نیمګړتیاو کشف لپاره د کمپیوټر لید اړونده پوهه وکاروي. ځینو مطالعاتو د نیمګړتیاوو مشخص کولو او د نیمګړتیاوو کشف ترلاسه کولو لپاره د جوړښت تحلیل میتودونه کارولي دي، پداسې حال کې چې نورو د څنډې کشف آپریټرونو څخه کار اخیستی ترڅو لومړی د نیمګړتیاوو شکل وټاکي او د نیمګړتیاوو د خړ پیمانه احصایوي معلوماتو پراساس مناسب حدونه وټاکي ترڅو د نیمګړتیاوو کشف ترلاسه کړي، داسې مطالعات هم شتون لري چې د ټوکرونو د لوړ جوړښت دورې پراساس نیمګړتیاوې کشف کولو لپاره د طیف تحلیل میتودونه کاروي.

پورته میتودونو د عیبونو د کشفولو ستونزې کې د تطبیق ځینې پایلې ترلاسه کړې دي، مګر لاهم ځینې محدودیتونه شتون لري: لومړی، د تولید په اصلي چاپیریال کې د نیمګړتیاوو بڼه او اندازه توپیر لري. د ماشین زده کړې او احصایوي معلوماتو پراساس د نیمګړتیاوو د کشفولو الګوریتمونه د مخکینۍ پوهې پراساس د حدونو ټاکلو ته اړتیا لري، کوم چې د ټولو نیمګړتیاوو لپاره اغیزمن نشي کیدی، چې پایله یې د دې میتود ناکافي قوي والی دی. دوهم، د کمپیوټر دودیز لید میتودونه معمولا د اجرا کولو لپاره ورو دي او نشي کولی په مؤثره توګه د تولید ریښتیني وخت اړتیاوې پوره کړي. د 1980 لسیزې راهیسې، د ماشین زده کړې څیړنې ساحه په چټکۍ سره وده کړې، او د اړونده پوهې پلي کول د ډیری صنعتونو پراختیا هڅولې ده. ډیری څیړنیزو موضوعاتو ښودلې چې د ماشین زده کړې الګوریتمونو لکه BP عصبي شبکې او SVM د ټوکر عیبونو کشف کې مؤثر دی. دا میتودونه د لوړ کشف دقت او د یوې ټاکلې درجې قوي والي ډاډ ورکوي، او د ماشین زده کړې د روزنې پروسې د محتاط تحلیل له لارې کشف کول ستونزمن ندي، د دې ډول الګوریتم فعالیت په عمده توګه د عیب لارښود ځانګړتیاو په انتخاب پورې اړه لري. که چیرې لارښود ځانګړتیاوې بشپړې یا کافي توپیر نه وي، د ماډل فعالیت به هم ضعیف وي.

د کمپیوټر کمپیوټري ځواک دوامداره پرمختګ او په وروستیو کلونو کې د ژورې زده کړې تیوري ګرم پرمختګ سره، ډیرو خلکو د ټوکر نیمګړتیاو کشف لپاره ژوره زده کړه پلي کول پیل کړي دي. ژوره زده کړه کولی شي په مؤثره توګه د لاسي ډیزاین شوي ځانګړتیاو نیمګړتیا څخه مخنیوی وکړي او د کشف لوړ دقت لري. د دې غور پراساس، دا مقاله د کمپیوټر لید او ژورې زده کړې پورې اړوند پوهه کاروي ترڅو د غیر اوبدل شوي ټوکر نیمګړتیاو اتوماتیک کشف سیسټم ډیزاین کړي، کوم چې په مؤثره توګه د نیمګړتیاو کشف دقت ښه کوي او ښه قوي والی لري.