Тэхналогія выяўлення дэфектаў нятканага матэрыялу

Нятканыя матэрыялы заўсёды шырока выкарыстоўваліся ў якасці сыравіны для вытворчасці аднаразовых медыцынскіх расходных матэрыялаў, такіх як хірургічныя маскі, шапкі для медсясцёр і хірургічныя шапачкі.Якасць аднаразовых медыцынскіх расходных матэрыялаў у асноўным залежыць ад якасці флизелина.У сувязі з тым, што працэс вытворчасці і транспарціроўкі нятканых матэрыялаў не можа гарантаваць абсалютную чысціню навакольнага асяроддзя, а самі яны валодаюць моцнай электрастатычнай адсарбцыйнай здольнасцю, яны часта адсарбуюць дробныя прымешкі ў паветры.Такім чынам, староннія прадметы могуць знаходзіцца ў вельмі нешматлікіх месцах нятканых матэрыялаў.Нятканы матэрыял, вывучаны ў гэтым артыкуле, непасрэдна выкарыстоўваецца для вытворчасці масак. Пасля аналізу адабраных узораў дэфектаў было выяўлена, што доля дэфектаў старонніх прадметаў, такіх як казуркі і валасы, самая высокая.Існаванне гэтага дэфекту непасрэдна вядзе да няякаснай якасці наступнай прадукцыі, і дэфектнай прадукцыі таксама строга забаронена паступаць на рынак.Такім чынам, вытворцам неабходна ліквідаваць некаторыя з гэтых дэфектаў, інакш гэта прывядзе да вялікіх эканамічных страт.

У цяперашні час большасць буйных прадпрыемстваў галіны выкарыстоўваюць для выяўлення дэфектаў імпартнае абсталяванне для візуальнага кантролю.Нягледзячы на ​​добрыя вынікі, гэта абсталяванне звычайна дарагое па кошце і абслугоўванні, і не падыходзіць для выкарыстання на малых прадпрыемствах і майстэрнях.Большасць невялікіх кампаній у Кітаі па-ранейшаму выкарыстоўваюць традыцыйны ручной візуальны агляд для выяўлення дэфектаў.Гэты метад адносна просты, але патрабуе больш доўгага навучання работнікаў, нізкай эфектыўнасці і дакладнасці выяўлення, а таксама марнуе шмат чалавечых рэсурсаў, што з'яўляецца значным выдаткам для кіраўніцтва прадпрыемства.У апошнія гады вобласць выяўлення дэфектаў хутка развіваецца, і ўладальнікі бізнесу паступова выкарыстоўваюць новыя тэхналогіі, каб замяніць традыцыйныя ручныя метады візуальнага кантролю.

З пункту гледжання тэндэнцый развіцця галіны, распрацоўка прылады аўтаматычнага выяўлення, якая можа аўтаматычна атрымліваць і аналізаваць выявы дэфектаў у працэсе вытворчасці нятканых матэрыялаў, з'яўляецца неабходным сродкам для садзейнічання развіццю вытворчасці, забеспячэння якасці прадукцыі і зніжэння працоўных выдаткаў.З 1980-х гадоў многія інжынеры спрабавалі выкарыстоўваць адпаведныя веды камп'ютэрнага зроку для выяўлення дэфектаў нятканых матэрыялаў.Некаторыя даследаванні выкарыстоўвалі метады аналізу тэкстуры для характарыстыкі дэфектаў і дасягнення выяўлення дэфектаў, у той час як іншыя выкарыстоўвалі аператары выяўлення краёў, каб спачатку вызначыць контур дэфекту і ўсталяваць разумныя парогі на аснове статыстычнай інфармацыі адценняў шэрага дэфектаў для дасягнення выяўлення дэфектаў. Ёсць таксама даследаванні, якія выкарыстоўваюць спектральны метады аналізу для выяўлення дэфектаў, заснаваныя на высокай фактурнай перыядычнасці тканін.

Вышэйпаказаныя метады дасягнулі пэўных вынікаў у праблемах выяўлення дэфектаў, але ўсё яшчэ існуюць пэўныя абмежаванні: па-першае, форма і памер дэфектаў у рэальных вытворчых умовах адрозніваюцца.Алгарытмы выяўлення дэфектаў, заснаваныя на машынным навучанні і статыстычнай інфармацыі, патрабуюць усталявання парогаў на аснове папярэдніх ведаў, якія не могуць быць эфектыўнымі для ўсіх дэфектаў, што прыводзіць да недастатковай надзейнасці гэтага метаду.Па-другое, традыцыйныя метады камп'ютэрнага зроку звычайна выконваюцца павольна і не могуць эфектыўна адпавядаць патрабаванням вытворчасці ў рэжыме рэальнага часу.З 1980-х гадоў даследаванне машыннага навучання хутка развівалася, і прымяненне адпаведных ведаў спрыяла развіццю многіх галін.Многія тэмы даследаванняў паказалі, што прымяненне алгарытмаў машыннага навучання, такіх як нейронавая сетка BP і SVM, для выяўлення дэфектаў тканіны з'яўляецца эфектыўным.Гэтыя метады забяспечваюць высокую дакладнасць выяўлення і пэўную ступень устойлівасці, і гэта не цяжка выявіць шляхам дбайнага аналізу працэсу навучання машыннага навучання. Прадукцыйнасць гэтага тыпу алгарытму ў асноўным залежыць ад выбару ручных функцый дэфекту.Калі ручныя функцыі недастаткова поўныя або адрознівальныя, прадукцыйнасць мадэлі таксама будзе нізкай.

З бесперапынным удасканаленнем вылічальнай магутнасці камп'ютэра і бурным развіццём тэорыі глыбокага навучання ў апошнія гады ўсё больш і больш людзей пачалі прымяняць глыбокае навучанне для выяўлення дэфектаў тканіны.Паглыбленае навучанне можа эфектыўна пазбегнуць няпоўнасці функцый, распрацаваных уручную, і мае высокую дакладнасць выяўлення.Зыходзячы з гэтага меркавання, у гэтым артыкуле выкарыстоўваюцца веды, звязаныя з камп'ютэрным зрокам і глыбокім навучаннем, для распрацоўкі сістэмы аўтаматычнага выяўлення дэфектаў нятканага матэрыялу, якая эфектыўна павышае дакладнасць выяўлення дэфектаў і мае добрую трываласць.