Công nghệ phát hiện lỗi vải không dệt

Vải không dệt luôn được sử dụng rộng rãi làm nguyên liệu thô cho các vật tư y tế dùng một lần như khẩu trang phẫu thuật, mũ y tá và mũ phẫu thuật trong sản xuất. Chất lượng của vật tư y tế dùng một lần chủ yếu phụ thuộc vào chất lượng của vải không dệt. Do quá trình sản xuất và vận chuyển vải không dệt không thể đảm bảo độ tinh khiết tuyệt đối của môi trường, và bản thân chúng có khả năng hấp phụ tĩnh điện mạnh, chúng thường hấp thụ các tạp chất nhỏ trong không khí. Do đó, các vật thể lạ có thể tồn tại ở rất ít khu vực của vải không dệt. Vật liệu vải không dệt được nghiên cứu trong bài viết này được sử dụng trực tiếp để sản xuất khẩu trang. Sau khi phân tích các mẫu lỗi được chọn, người ta thấy rằng tỷ lệ các khuyết tật của vật thể lạ, chẳng hạn như côn trùng và tóc, là cao nhất. Sự tồn tại của khuyết tật này trực tiếp dẫn đến chất lượng không đạt tiêu chuẩn của các sản phẩm sau này và các sản phẩm lỗi cũng bị nghiêm cấm đưa vào thị trường. Do đó, các nhà sản xuất cần loại bỏ một số khuyết tật này, nếu không sẽ gây ra thiệt hại kinh tế rất lớn.

Hiện nay, hầu hết các công ty lớn trong ngành đều sử dụng thiết bị kiểm tra trực quan nhập khẩu để phát hiện lỗi. Mặc dù kết quả tốt, nhưng những thiết bị này thường tốn kém về chi phí và bảo trì, không phù hợp với các doanh nghiệp và xưởng sản xuất nhỏ. Hầu hết các công ty nhỏ ở Trung Quốc vẫn sử dụng phương pháp kiểm tra trực quan thủ công truyền thống để sàng lọc lỗi. Phương pháp này tương đối đơn giản, nhưng đòi hỏi đào tạo công nhân lâu hơn, hiệu quả và độ chính xác phát hiện thấp, đồng thời lãng phí rất nhiều nguồn nhân lực, gây tốn kém đáng kể cho hoạt động quản lý doanh nghiệp. Trong những năm gần đây, lĩnh vực phát hiện lỗi đã phát triển nhanh chóng, và các chủ doanh nghiệp đang dần áp dụng công nghệ mới để thay thế các phương pháp kiểm tra trực quan thủ công truyền thống.

Từ góc độ xu hướng phát triển của ngành, việc thiết kế một thiết bị phát hiện tự động có khả năng tự động thu thập và phân tích hình ảnh khuyết tật trong quá trình sản xuất vải không dệt là một biện pháp cần thiết để thúc đẩy phát triển sản xuất, đảm bảo chất lượng sản phẩm và giảm chi phí nhân công. Từ những năm 1980, nhiều kỹ sư đã nỗ lực sử dụng kiến ​​thức liên quan về thị giác máy tính để phát hiện khuyết tật của vải không dệt. Một số nghiên cứu đã sử dụng phương pháp phân tích kết cấu để mô tả khuyết tật và đạt được mục tiêu phát hiện khuyết tật, trong khi một số nghiên cứu khác đã sử dụng toán tử phát hiện cạnh để xác định đường viền khuyết tật trước và đặt ngưỡng hợp lý dựa trên thông tin thống kê thang độ xám khuyết tật để đạt được mục tiêu phát hiện khuyết tật. Cũng có những nghiên cứu sử dụng phương pháp phân tích quang phổ để phát hiện khuyết tật dựa trên tính chu kỳ kết cấu cao của vải.

Các phương pháp trên đã đạt được một số kết quả ứng dụng nhất định trong các vấn đề phát hiện lỗi, nhưng vẫn còn một số hạn chế nhất định: thứ nhất, hình dạng và kích thước của lỗi trong môi trường sản xuất thực tế rất khác nhau. Các thuật toán phát hiện lỗi dựa trên học máy và thông tin thống kê yêu cầu thiết lập ngưỡng dựa trên kiến ​​thức trước đó, điều này không thể hiệu quả đối với tất cả các lỗi, dẫn đến tính mạnh mẽ của phương pháp này không đủ. Thứ hai, các phương pháp thị giác máy tính truyền thống thường chậm thực hiện và không thể đáp ứng hiệu quả các yêu cầu thời gian thực của sản xuất. Kể từ những năm 1980, lĩnh vực nghiên cứu học máy đã phát triển nhanh chóng, và việc ứng dụng kiến ​​thức liên quan đã thúc đẩy sự phát triển của nhiều ngành công nghiệp. Nhiều chủ đề nghiên cứu đã chỉ ra rằng việc ứng dụng các thuật toán học máy như mạng nơ-ron BP và SVM trong phát hiện lỗi vải là hiệu quả. Các phương pháp này đảm bảo độ chính xác phát hiện cao và một mức độ mạnh mẽ nhất định, và không khó để phát hiện thông qua việc phân tích kỹ lưỡng quá trình đào tạo học máy. Hiệu suất của loại thuật toán này chủ yếu phụ thuộc vào việc lựa chọn các đặc điểm thủ công của lỗi. Nếu các đặc điểm thủ công không đầy đủ hoặc không đủ khả năng phân biệt, hiệu suất của mô hình cũng sẽ kém.

Với sự cải tiến liên tục của sức mạnh tính toán máy tính và sự phát triển mạnh mẽ của lý thuyết học sâu trong những năm gần đây, ngày càng nhiều người bắt đầu ứng dụng học sâu vào phát hiện lỗi vải. Học sâu có thể tránh được tình trạng thiếu sót các đặc điểm được thiết kế thủ công và có độ chính xác phát hiện cao. Dựa trên những cân nhắc này, bài viết này sử dụng kiến ​​thức liên quan đến thị giác máy tính và học sâu để thiết kế một hệ thống tự động phát hiện lỗi vải không dệt, giúp cải thiện hiệu quả độ chính xác phát hiện lỗi và có độ bền cao.