गैर बुने हुए कपड़े की खराबी का पता लगाने वाली तकनीक

उत्पादन में सर्जिकल मास्क, नर्स टोपी और सर्जिकल कैप जैसे डिस्पोजेबल चिकित्सा उपभोग्य सामग्रियों के लिए कच्चे माल के रूप में गैर बुने हुए कपड़ों का हमेशा व्यापक रूप से उपयोग किया गया है।डिस्पोजेबल चिकित्सा उपभोग्य सामग्रियों की गुणवत्ता मुख्य रूप से गैर-बुने हुए कपड़ों की गुणवत्ता पर निर्भर करती है।इस तथ्य के कारण कि गैर-बुने हुए कपड़ों की उत्पादन और परिवहन प्रक्रिया पर्यावरण की पूर्ण शुद्धता की गारंटी नहीं दे सकती है, और उनमें स्वयं मजबूत इलेक्ट्रोस्टैटिक सोखने की क्षमता होती है, वे अक्सर हवा में छोटी अशुद्धियों को सोख लेते हैं।इसलिए, गैर-बुने हुए कपड़ों के बहुत कम क्षेत्रों में विदेशी वस्तुएं मौजूद हो सकती हैं।इस लेख में अध्ययन की गई गैर-बुने हुए कपड़े की सामग्री का उपयोग सीधे मास्क के उत्पादन के लिए किया जाता है, चयनित दोष नमूनों का विश्लेषण करने के बाद, यह पाया गया कि कीड़े और बाल जैसे विदेशी वस्तु दोषों का अनुपात सबसे अधिक है।इस दोष का अस्तित्व सीधे तौर पर बाद के उत्पादों की घटिया गुणवत्ता की ओर ले जाता है, और दोषपूर्ण उत्पादों को बाजार में प्रवेश करने से भी सख्ती से प्रतिबंधित किया जाता है।इसलिए, निर्माताओं को इनमें से कुछ दोषों को दूर करने की आवश्यकता है, अन्यथा इससे भारी आर्थिक नुकसान होगा।

वर्तमान में, उद्योग की अधिकांश बड़ी कंपनियां दोष का पता लगाने के लिए आयातित दृश्य निरीक्षण उपकरण का उपयोग करती हैं।हालांकि परिणाम अच्छे हैं, ये उपकरण आमतौर पर लागत और रखरखाव में महंगे हैं, और छोटे उद्यमों और कार्यशालाओं के उपयोग के लिए उपयुक्त नहीं हैं।चीन की अधिकांश छोटी कंपनियाँ अभी भी दोषों की जांच के लिए पारंपरिक मैनुअल विज़ुअल निरीक्षण का उपयोग करती हैं।यह विधि अपेक्षाकृत सरल है, लेकिन इसके लिए लंबे समय तक कार्यकर्ता प्रशिक्षण, कम पहचान दक्षता और सटीकता की आवश्यकता होती है, और बहुत सारे मानव संसाधन बर्बाद होते हैं, जो उद्यम प्रबंधन के लिए एक महत्वपूर्ण व्यय है।हाल के वर्षों में, दोष का पता लगाने का क्षेत्र तेजी से विकसित हुआ है, और व्यवसाय मालिक धीरे-धीरे पारंपरिक मैन्युअल दृश्य निरीक्षण विधियों को बदलने के लिए नई तकनीकों का उपयोग कर रहे हैं।

उद्योग विकास के रुझानों के नजरिए से, एक स्वचालित पहचान उपकरण डिजाइन करना जो गैर-बुने हुए कपड़ों की उत्पादन प्रक्रिया में दोष छवियों को स्वचालित रूप से प्राप्त और विश्लेषण कर सकता है, उत्पादन विकास को बढ़ावा देने, उत्पाद की गुणवत्ता सुनिश्चित करने और श्रम लागत को कम करने के लिए एक आवश्यक साधन है।1980 के दशक से, कई इंजीनियरों ने गैर-बुने हुए कपड़ों की खराबी का पता लगाने के लिए कंप्यूटर विज़न के प्रासंगिक ज्ञान का उपयोग करने का प्रयास किया है।कुछ अध्ययनों ने दोषों को चिह्नित करने और दोष का पता लगाने के लिए बनावट विश्लेषण विधियों का उपयोग किया है, जबकि अन्य ने दोष का पता लगाने के लिए पहले दोष समोच्च निर्धारित करने और दोष ग्रेस्केल सांख्यिकीय जानकारी के आधार पर उचित सीमा निर्धारित करने के लिए किनारे का पता लगाने वाले ऑपरेटरों का उपयोग किया है, ऐसे अध्ययन भी हैं जो वर्णक्रमीय का उपयोग करते हैं कपड़ों की उच्च बनावट आवधिकता के आधार पर दोषों का पता लगाने के लिए विश्लेषण विधियाँ।

उपरोक्त विधियों ने दोष का पता लगाने की समस्याओं में कुछ निश्चित अनुप्रयोग परिणाम प्राप्त किए हैं, लेकिन अभी भी कुछ सीमाएँ हैं: सबसे पहले, वास्तविक उत्पादन वातावरण में दोषों का आकार और आकार भिन्न होता है।मशीन लर्निंग और सांख्यिकीय जानकारी पर आधारित दोष का पता लगाने वाले एल्गोरिदम को पूर्व ज्ञान के आधार पर सीमा निर्धारित करने की आवश्यकता होती है, जो सभी दोषों के लिए प्रभावी नहीं हो सकता है, जिसके परिणामस्वरूप इस पद्धति की अपर्याप्त मजबूती होती है।दूसरे, पारंपरिक कंप्यूटर विज़न विधियाँ आमतौर पर निष्पादित होने में धीमी होती हैं और उत्पादन की वास्तविक समय की आवश्यकताओं को प्रभावी ढंग से पूरा नहीं कर सकती हैं।1980 के दशक के बाद से, मशीन लर्निंग अनुसंधान का क्षेत्र तेजी से विकसित हुआ है, और प्रासंगिक ज्ञान के अनुप्रयोग ने कई उद्योगों के विकास को प्रेरित किया है।कई शोध विषयों से पता चला है कि फैब्रिक दोष का पता लगाने में बीपी न्यूरल नेटवर्क और एसवीएम जैसे मशीन लर्निंग एल्गोरिदम का अनुप्रयोग प्रभावी है।ये विधियां उच्च पहचान सटीकता और एक निश्चित डिग्री की मजबूती सुनिश्चित करती हैं, और मशीन लर्निंग की प्रशिक्षण प्रक्रिया के सावधानीपूर्वक विश्लेषण के माध्यम से इसे खोजना मुश्किल नहीं है, इस प्रकार के एल्गोरिदम का प्रदर्शन मुख्य रूप से दोष मैनुअल सुविधाओं के चयन पर निर्भर करता है।यदि मैन्युअल सुविधाएँ पूर्ण या पर्याप्त भेदभावपूर्ण नहीं हैं, तो मॉडल का प्रदर्शन भी ख़राब होगा।

हाल के वर्षों में कंप्यूटर कंप्यूटिंग शक्ति में निरंतर सुधार और गहन शिक्षण सिद्धांत के तीव्र विकास के साथ, अधिक से अधिक लोगों ने फैब्रिक दोष का पता लगाने के लिए गहन शिक्षण को लागू करना शुरू कर दिया है।गहन शिक्षण प्रभावी रूप से मैन्युअल रूप से डिज़ाइन की गई सुविधाओं की अपूर्णता से बच सकता है और इसमें उच्च पहचान सटीकता होती है।इस विचार के आधार पर, यह लेख एक गैर-बुने हुए कपड़े दोष स्वचालित पहचान प्रणाली को डिजाइन करने के लिए कंप्यूटर दृष्टि और गहन शिक्षण से संबंधित ज्ञान का उपयोग करता है, जो दोषों की पहचान सटीकता में प्रभावी ढंग से सुधार करता है और इसमें अच्छी मजबूती होती है।