Tehnologija otkrivanja nedostataka netkanog materijala

Netkane tkanine oduvijek su se široko koristile kao sirovine za jednokratne medicinske potrošne materijale kao što su kirurške maske, kape za medicinske sestre i kirurške kape u proizvodnji.Kvaliteta jednokratnog medicinskog potrošnog materijala uglavnom ovisi o kvaliteti netkanog materijala.Zbog činjenice da proces proizvodnje i transporta netkanih materijala ne može jamčiti apsolutnu čistoću okoliša, a oni sami imaju jaku elektrostatičku adsorpcijsku sposobnost, često adsorbiraju male nečistoće u zraku.Stoga strani predmeti mogu postojati u vrlo malom broju područja netkanog materijala.Materijal od netkane tkanine koji se proučava u ovom članku izravno se koristi za proizvodnju maski. Nakon analize odabranih uzoraka nedostataka, utvrđeno je da je udio nedostataka stranih tijela, poput insekata i kose, najveći.Postojanje ovog nedostatka izravno dovodi do nestandardne kvalitete sljedećih proizvoda, a neispravnim proizvodima također je strogo zabranjen ulazak na tržište.Stoga proizvođači trebaju ukloniti neke od tih nedostataka, inače će to uzrokovati velike ekonomske gubitke.

Trenutačno većina velikih tvrtki u industriji koristi uvezenu opremu za vizualni pregled za otkrivanje nedostataka.Iako su rezultati dobri, ova oprema je obično skupa u pogledu troškova i održavanja te nije prikladna za korištenje u malim poduzećima i radionicama.Većina malih tvrtki u Kini još uvijek koristi tradicionalni ručni vizualni pregled za otkrivanje nedostataka.Ova metoda je relativno jednostavna, ali zahtijeva dulju obuku radnika, nisku učinkovitost i točnost detekcije, te troši puno ljudskih resursa, što predstavlja značajan trošak za menadžment poduzeća.Posljednjih godina, područje otkrivanja nedostataka se brzo razvilo, a vlasnici tvrtki postupno koriste nove tehnologije kako bi zamijenili tradicionalne metode ručnog vizualnog pregleda.

Iz perspektive trendova razvoja industrije, projektiranje uređaja za automatsko otkrivanje koji može automatski dobiti i analizirati slike nedostataka u procesu proizvodnje netkanih tkanina nužno je sredstvo za promicanje razvoja proizvodnje, osiguravanje kvalitete proizvoda i smanjenje troškova rada.Od 1980-ih mnogi su inženjeri pokušali upotrijebiti relevantno znanje računalnog vida za otkrivanje nedostataka netkanih materijala.Neka su istraživanja koristila metode analize teksture za karakterizaciju nedostataka i postizanje otkrivanja nedostataka, dok su druga koristila operatore za otkrivanje rubova kako bi prvo odredila konturu oštećenja i postavila razumne pragove na temelju statističkih podataka o sivim tonovima oštećenja kako bi se postiglo otkrivanje nedostataka. Postoje i studije koje koriste spektralno metode analize za otkrivanje nedostataka na temelju visoke periodičnosti teksture tkanina.

Gore navedene metode postigle su određene rezultate primjene u problemima otkrivanja nedostataka, ali još uvijek postoje određena ograničenja: prvo, oblik i veličina nedostataka u stvarnim proizvodnim okruženjima variraju.Algoritmi za otkrivanje nedostataka temeljeni na strojnom učenju i statističkim informacijama zahtijevaju postavljanje pragova na temelju prethodnog znanja, što ne može biti učinkovito za sve nedostatke, što rezultira nedovoljnom robusnošću ove metode.Drugo, tradicionalne metode računalnog vida obično se sporo izvode i ne mogu učinkovito zadovoljiti zahtjeve proizvodnje u stvarnom vremenu.Od 1980-ih, područje istraživanja strojnog učenja brzo se razvilo, a primjena relevantnog znanja potaknula je razvoj mnogih industrija.Mnoge teme istraživanja pokazale su da je primjena algoritama strojnog učenja kao što su BP neuronska mreža i SVM u detekciji nedostataka tkanine učinkovita.Ove metode osiguravaju visoku točnost otkrivanja i određeni stupanj robusnosti, a nije ih teško otkriti pažljivom analizom procesa obuke strojnog učenja. Izvedba ove vrste algoritma uglavnom ovisi o odabiru ručnih značajki nedostataka.Ako ručne značajke nisu potpune ili dovoljno diskriminirajuće, performanse modela također će biti loše.

Sa stalnim poboljšanjem računalne snage računala i brzim razvojem teorije dubokog učenja posljednjih godina, sve više i više ljudi počelo je primjenjivati ​​duboko učenje za otkrivanje nedostataka na tkanini.Duboko učenje može učinkovito izbjeći nepotpunost ručno dizajniranih značajki i ima visoku točnost otkrivanja.Na temelju ovog razmatranja, ovaj članak koristi računalni vid i znanje povezano s dubokim učenjem za dizajniranje sustava za automatsko otkrivanje nedostataka od netkane tkanine, koji učinkovito poboljšava točnost otkrivanja nedostataka i ima dobru robusnost.