Tecnologia de detecció de defectes de teixit no teixit

Els teixits no teixits sempre s'han utilitzat àmpliament com a matèries primeres per a consumibles mèdics d'un sol ús, com ara màscares quirúrgiques, barrets d'infermera i gorres quirúrgiques en producció.La qualitat dels consumibles mèdics d'un sol ús depèn principalment de la qualitat dels teixits no teixits.A causa del fet que el procés de producció i transport de teixits no teixits no pot garantir la puresa absoluta del medi ambient, i ells mateixos tenen una forta capacitat d'adsorció electrostàtica, sovint adsorbeixen petites impureses a l'aire.Per tant, poden existir objectes estranys en molt poques zones de teixits no teixits.El material de teixit no teixit estudiat en aquest article s'utilitza directament per a la producció de màscares. Després d'analitzar les mostres de defectes seleccionades, es va trobar que la proporció de defectes d'objectes estranys, com ara insectes i cabells, és la més alta.L'existència d'aquest defecte condueix directament a la qualitat inferior dels productes posteriors, i els productes defectuosos també estan estrictament prohibits d'entrar al mercat.Per tant, els fabricants han d'eliminar alguns d'aquests defectes, en cas contrari, provocarà grans pèrdues econòmiques.

Actualment, la majoria de les grans empreses del sector utilitzen equips d'inspecció visual importats per a la detecció de defectes.Tot i que els resultats són bons, aquests equips solen ser cars en costos i manteniment, i no són adequats per a petites empreses i tallers.La majoria de petites empreses de la Xina encara utilitzen la inspecció visual manual tradicional per a la detecció de defectes.Aquest mètode és relativament senzill, però requereix una formació més llarga dels treballadors, una baixa eficiència i precisió de detecció i malgasta molts recursos humans, la qual cosa suposa una despesa important per a la gestió empresarial.En els darrers anys, el camp de la detecció de defectes s'ha desenvolupat ràpidament i els propietaris de negocis estan utilitzant gradualment noves tecnologies per substituir els mètodes tradicionals d'inspecció visual manual.

Des de la perspectiva de les tendències de desenvolupament de la indústria, dissenyar un dispositiu de detecció automàtica que pugui obtenir i analitzar automàticament imatges de defectes en el procés de producció de teixits no teixits és un mitjà necessari per promoure el desenvolupament de la producció, garantir la qualitat del producte i reduir els costos laborals.Des de la dècada de 1980, molts enginyers han intentat utilitzar el coneixement rellevant de la visió per ordinador per a la detecció de defectes de teixits no teixits.Alguns estudis han utilitzat mètodes d'anàlisi de textures per caracteritzar els defectes i aconseguir la detecció de defectes, mentre que altres han utilitzat operadors de detecció de vores per determinar primer el contorn del defecte i establir llindars raonables basats en la informació estadística de defecte en escala de grisos per aconseguir la detecció de defectes. També hi ha estudis que utilitzen espectrals. mètodes d'anàlisi per detectar defectes basats en l'alta periodicitat de textura dels teixits.

Els mètodes anteriors han aconseguit determinats resultats d'aplicació en problemes de detecció de defectes, però encara hi ha certes limitacions: en primer lloc, la forma i la mida dels defectes en els entorns de producció reals varien.Els algorismes de detecció de defectes basats en l'aprenentatge automàtic i la informació estadística requereixen l'establiment de llindars basats en coneixements previs, que no poden ser efectius per a tots els defectes, la qual cosa resulta en una robustesa insuficient d'aquest mètode.En segon lloc, els mètodes tradicionals de visió per ordinador solen executar-se lents i no poden complir amb eficàcia els requisits de producció en temps real.Des de la dècada de 1980, el camp de la investigació sobre l'aprenentatge automàtic s'ha desenvolupat ràpidament i l'aplicació del coneixement rellevant ha impulsat el desenvolupament de moltes indústries.Molts temes de recerca han demostrat que l'aplicació d'algoritmes d'aprenentatge automàtic com la xarxa neuronal BP i SVM en la detecció de defectes de teixit és efectiva.Aquests mètodes asseguren una alta precisió de detecció i un cert grau de robustesa, i no és difícil descobrir mitjançant una anàlisi acurada del procés d'entrenament de l'aprenentatge automàtic, el rendiment d'aquest tipus d'algorisme depèn principalment de la selecció de les característiques manuals de defectes.Si les característiques manuals no són prou completes o discriminatòries, el rendiment del model també serà deficient.

Amb la millora contínua de la potència informàtica de l'ordinador i el desenvolupament intens de la teoria de l'aprenentatge profund en els darrers anys, cada vegada més persones han començat a aplicar l'aprenentatge profund a la detecció de defectes de teixit.L'aprenentatge profund pot evitar eficaçment la incompletitud de les funcions dissenyades manualment i té una alta precisió de detecció.A partir d'aquesta consideració, aquest article utilitza coneixements relacionats amb la visió per ordinador i l'aprenentatge profund per dissenyar un sistema de detecció automàtica de defectes de teixit no teixit, que millora eficaçment la precisió de detecció de defectes i té una bona robustesa.