ნაქსოვი ქსოვილის დეფექტების გამოვლენის ტექნოლოგია

ნაქსოვი ქსოვილები ყოველთვის ფართოდ გამოიყენებოდა, როგორც ნედლეული ერთჯერადი სამედიცინო სახარჯო მასალებისთვის, როგორიცაა ქირურგიული ნიღბები, საექთნო ქუდები და ქირურგიული ქუდები წარმოებაში.ერთჯერადი სამედიცინო სახარჯო მასალის ხარისხი ძირითადად დამოკიდებულია არაქსოვი ქსოვილის ხარისხზე.გამომდინარე იქიდან, რომ ნაქსოვი ქსოვილების წარმოებისა და ტრანსპორტირების პროცესი ვერ უზრუნველყოფს გარემოს აბსოლუტურ სისუფთავეს და მათ თავად აქვთ ძლიერი ელექტროსტატიკური ადსორბციის უნარი, ისინი ხშირად ადსორბებენ ჰაერში მცირე მინარევებს.აქედან გამომდინარე, უცხო ობიექტები შეიძლება არსებობდეს უქსოვი ქსოვილების ძალიან მცირე ზონაში.ამ სტატიაში შესწავლილი უქსოვი ქსოვილის მასალა პირდაპირ გამოიყენება ნიღბების წარმოებისთვის. შერჩეული დეფექტის ნიმუშების ანალიზის შემდეგ აღმოჩნდა, რომ უცხო საგნების დეფექტების, როგორიცაა მწერები და თმა, ყველაზე მაღალია.ამ დეფექტის არსებობა პირდაპირ იწვევს შემდგომი პროდუქციის უხარისხო ხარისხს, ასევე მკაცრად იკრძალება დეფექტური პროდუქციის ბაზარზე შესვლა.ამიტომ, მწარმოებლებმა უნდა ამოიღონ ზოგიერთი დეფექტი, წინააღმდეგ შემთხვევაში ეს გამოიწვევს უზარმაზარ ეკონომიკურ ზარალს.

ამჟამად, ინდუსტრიის მსხვილი კომპანიების უმეტესობა იყენებს იმპორტირებულ ვიზუალური ინსპექტირების მოწყობილობას დეფექტების გამოსავლენად.მიუხედავად იმისა, რომ შედეგები კარგია, ეს აღჭურვილობა, როგორც წესი, ძვირია ღირებულებითა და მოვლა-პატრონობით და არ არის შესაფერისი მცირე საწარმოებისა და სახელოსნოებისთვის გამოსაყენებლად.ჩინეთში მცირე კომპანიების უმეტესობა კვლავ იყენებს ტრადიციულ სახელმძღვანელო ვიზუალურ შემოწმებას დეფექტების სკრინინგისთვის.ეს მეთოდი შედარებით მარტივია, მაგრამ მოითხოვს თანამშრომლების უფრო ხანგრძლივ მომზადებას, დაბალ გამოვლენის ეფექტურობას და სიზუსტეს და ხარჯავს უამრავ ადამიანურ რესურსს, რაც მნიშვნელოვანი ხარჯია საწარმოს მენეჯმენტისთვის.ბოლო წლებში დეფექტების გამოვლენის სფერო სწრაფად განვითარდა და ბიზნესის მფლობელები თანდათანობით იყენებენ ახალ ტექნოლოგიებს ტრადიციული ხელით ვიზუალური შემოწმების მეთოდების ჩასანაცვლებლად.

ინდუსტრიის განვითარების ტენდენციების პერსპექტივიდან, ავტომატური აღმოჩენის მოწყობილობის დაპროექტება, რომელსაც შეუძლია ავტომატურად მიიღოს და გააანალიზოს ნაქსოვი ქსოვილების წარმოების პროცესში დეფექტების გამოსახულება, აუცილებელი საშუალებაა წარმოების განვითარების ხელშეწყობისთვის, პროდუქტის ხარისხის უზრუნველსაყოფად და შრომის ხარჯების შესამცირებლად.1980-იანი წლებიდან ბევრი ინჟინერი ცდილობდა გამოეყენებინა კომპიუტერული ხედვის შესაბამისი ცოდნა არაქსოვილი ქსოვილების დეფექტების გამოსავლენად.ზოგიერთმა კვლევამ გამოიყენა ტექსტურის ანალიზის მეთოდები დეფექტების დასახასიათებლად და დეფექტების აღმოჩენის მისაღწევად, ზოგი კი კიდეების აღმოჩენის ოპერატორებს იყენებდა დეფექტის კონტურის დასადგენი და გონივრული ზღურბლების დასაყენებლად ნაცრისფერი მასშტაბის სტატისტიკური ინფორმაციის საფუძველზე დეფექტის აღმოჩენის მისაღწევად. ასევე არის კვლევები, რომლებიც იყენებენ სპექტრულს ანალიზის მეთოდები დეფექტების გამოსავლენად, ქსოვილების მაღალი ტექსტურის პერიოდულობის საფუძველზე.

ზემოხსენებულმა მეთოდებმა მიაღწიეს გამოყენების გარკვეულ შედეგებს დეფექტების გამოვლენის პრობლემებში, მაგრამ ჯერ კიდევ არსებობს გარკვეული შეზღუდვები: პირველ რიგში, დეფექტების ფორმა და ზომა რეალურ წარმოების გარემოში განსხვავდება.დეფექტების გამოვლენის ალგორითმები, რომლებიც დაფუძნებულია მანქანათმცოდნეობასა და სტატისტიკურ ინფორმაციაზე, მოითხოვს ზღვრების დაყენებას წინარე ცოდნაზე დაფუძნებული, რაც არ შეიძლება იყოს ეფექტური ყველა დეფექტისთვის, რაც გამოიწვევს ამ მეთოდის არასაკმარის სიმტკიცეს.მეორეც, კომპიუტერული ხედვის ტრადიციული მეთოდები ჩვეულებრივ ნელა სრულდება და ეფექტურად ვერ აკმაყოფილებს წარმოების რეალურ დროში მოთხოვნებს.1980-იანი წლებიდან მანქანური სწავლების კვლევის სფერო სწრაფად განვითარდა და შესაბამისი ცოდნის გამოყენებამ მრავალი ინდუსტრიის განვითარება გამოიწვია.ბევრმა კვლევამ აჩვენა, რომ მანქანური სწავლის ალგორითმების გამოყენება, როგორიცაა BP ნერვული ქსელი და SVM, ქსოვილის დეფექტების გამოვლენაში ეფექტურია.ეს მეთოდები უზრუნველყოფს მაღალი გამოვლენის სიზუსტეს და გამძლეობის გარკვეულ ხარისხს და არ არის ძნელი აღმოჩენა მანქანათმცოდნეობის სასწავლო პროცესის ფრთხილად ანალიზით. ამ ტიპის ალგორითმის შესრულება ძირითადად დამოკიდებულია დეფექტების სახელმძღვანელო ფუნქციების შერჩევაზე.თუ სახელმძღვანელო ფუნქციები არ არის სრული ან საკმარისად დისკრიმინაციული, მოდელის შესრულება ასევე ცუდი იქნება.

კომპიუტერის გამოთვლითი სიმძლავრის მუდმივი გაუმჯობესებით და ღრმა სწავლის თეორიის ცხელი განვითარებით ბოლო წლებში, სულ უფრო მეტმა ადამიანმა დაიწყო ღრმა სწავლის გამოყენება ქსოვილის დეფექტების გამოვლენისთვის.ღრმა სწავლებას შეუძლია ეფექტურად აიცილოს ხელით შექმნილი ფუნქციების არასრულყოფილება და აქვს მაღალი გამოვლენის სიზუსტე.ამ მოსაზრებიდან გამომდინარე, ეს სტატია იყენებს კომპიუტერულ ხედვასა და ღრმა სწავლასთან დაკავშირებულ ცოდნას არაქსოვილი ქსოვილის დეფექტების ავტომატური გამოვლენის სისტემის შესაქმნელად, რომელიც ეფექტურად აუმჯობესებს დეფექტების გამოვლენის სიზუსტეს და აქვს კარგი სიმტკიცე.