Nie-geweefde stof defek opsporing tegnologie

Nie-geweefde stowwe is nog altyd wyd gebruik as grondstowwe vir weggooibare mediese verbruiksgoedere soos chirurgiese maskers, verpleegsterhoede en chirurgiese pette in produksie.Die kwaliteit van weggooibare mediese verbruiksgoedere hang hoofsaaklik af van die kwaliteit van nie-geweefde stowwe.As gevolg van die feit dat die produksie- en vervoerproses van nie-geweefde stowwe nie absolute suiwerheid van die omgewing kan waarborg nie, en hulle self 'n sterk elektrostatiese adsorpsievermoë het, adsorbeer hulle dikwels klein onsuiwerhede in die lug.Daarom kan vreemde voorwerpe in baie min areas van nie-geweefde stowwe voorkom.Die nie-geweefde materiaal wat in hierdie artikel bestudeer word, word direk vir die vervaardiging van maskers gebruik. Na die ontleding van die geselekteerde defekmonsters, is gevind dat die proporsie vreemde voorwerpdefekte, soos insekte en hare, die hoogste is.Die bestaan ​​van hierdie gebrek lei direk tot substandaard kwaliteit van daaropvolgende produkte, en gebrekkige produkte word ook streng verbied om die mark te betree.Daarom moet vervaardigers sommige van hierdie gebreke verwyder, anders sal dit groot ekonomiese verliese veroorsaak.

Tans gebruik die meeste groot maatskappye in die bedryf ingevoerde visuele inspeksietoerusting vir defektopsporing.Alhoewel die resultate goed is, is hierdie toerusting gewoonlik duur in koste en onderhoud, en is dit nie geskik vir klein ondernemings en werkswinkels om te gebruik nie.Die meeste klein maatskappye in China gebruik steeds tradisionele handmatige visuele inspeksie vir gebrekkige sifting.Hierdie metode is relatief eenvoudig, maar vereis langer werkersopleiding, lae opsporingsdoeltreffendheid en akkuraatheid, en vermors baie menslike hulpbronne, wat 'n aansienlike uitgawe vir ondernemingsbestuur is.In onlangse jare het die veld van defektopsporing vinnig ontwikkel, en sake-eienaars gebruik geleidelik nuwe tegnologie om tradisionele handmatige visuele inspeksiemetodes te vervang.

Vanuit die perspektief van industrie-ontwikkelingstendense, is die ontwerp van 'n outomatiese opsporingstoestel wat outomaties defekbeelde in die produksieproses van nie-geweefde materiaal kan verkry en ontleed, 'n noodsaaklike manier om produksie-ontwikkeling te bevorder, produkkwaliteit te verseker en arbeidskoste te verminder.Sedert die 1980's het baie ingenieurs gepoog om die relevante kennis van rekenaarvisie te gebruik vir defektopsporing van nie-geweefde stowwe.Sommige studies het tekstuurontledingsmetodes gebruik om defekte te karakteriseer en defektopsporing te bewerkstellig, terwyl ander randopsporingsoperateurs gebruik het om eers die defekkontoer te bepaal en redelike drempels te stel gebaseer op defekgrysskaal statistiese inligting om defekopsporing te verkry. Daar is ook studies wat spektrale gebruik. analise metodes om defekte op te spoor gebaseer op die hoë tekstuur periodisiteit van materiaal.

Bogenoemde metodes het sekere toepassingsresultate tot defektopsporingsprobleme behaal, maar daar is steeds sekere beperkings: eerstens verskil die vorm en grootte van defekte in werklike produksie-omgewings.Defekopsporingsalgoritmes gebaseer op masjienleer en statistiese inligting vereis die stel van drempels gebaseer op voorkennis, wat nie effektief kan wees vir alle defekte nie, wat lei tot onvoldoende robuustheid van hierdie metode.Tweedens, tradisionele rekenaarvisiemetodes is gewoonlik stadig om uit te voer en kan nie effektief aan die intydse vereistes van produksie voldoen nie.Sedert die 1980's het die veld van masjienleernavorsing vinnig ontwikkel, en die toepassing van relevante kennis het die ontwikkeling van baie nywerhede aangedryf.Baie navorsingsonderwerpe het getoon dat die toepassing van masjienleeralgoritmes soos BP neurale netwerk en SVM in stof defek opsporing effektief is.Hierdie metodes verseker hoë opsporing akkuraatheid en 'n sekere mate van robuustheid, en dit is nie moeilik om te ontdek deur noukeurige ontleding van die opleiding proses van masjien leer, Die prestasie van hierdie tipe van algoritme hang hoofsaaklik af van die keuse van defek handleiding kenmerke.As die handfunksies nie volledig of diskriminerend genoeg is nie, sal die werkverrigting van die model ook swak wees.

Met die voortdurende verbetering van rekenaarrekenaarkrag en die warm ontwikkeling van diepleerteorie in onlangse jare, het meer en meer mense begin om diep leer toe te pas op die opsporing van stofdefekte.Diep leer kan die onvolledigheid van handontwerpte kenmerke effektief vermy en het 'n hoë opsporing akkuraatheid.Gebaseer op hierdie oorweging, gebruik hierdie artikel rekenaarvisie en diepleerverwante kennis om 'n nie-geweefde stof defek outomatiese opsporingstelsel te ontwerp, wat die opsporing akkuraatheid van defekte effektief verbeter en goeie robuustheid het.