Neaustinių audinių defektų aptikimo technologija

Neaustiniai audiniai visada buvo plačiai naudojami kaip žaliavos vienkartinėms medicininėms reikmėms, tokioms kaip chirurginės kaukės, slaugytojos kepurės ir chirurginiai dangteliai.Vienkartinių medicininių vartojimo reikmenų kokybė daugiausia priklauso nuo neaustinių audinių kokybės.Dėl to, kad neaustinių audinių gamybos ir transportavimo procesas negali garantuoti absoliutaus aplinkos grynumo, o patys pasižymi stipria elektrostatinės adsorbcijos savybe, jie dažnai adsorbuoja ore esančias smulkias priemaišas.Todėl pašalinių daiktų gali būti labai nedaugelyje neaustinių audinių vietų.Šiame straipsnyje tirta neaustinė medžiaga yra tiesiogiai naudojama kaukių gamybai, Išanalizavus atrinktus defektų pavyzdžius, nustatyta, kad pašalinių daiktų defektų, tokių kaip vabzdžiai ir plaukai, dalis yra didžiausia.Šio defekto buvimas tiesiogiai lemia nekokybišką vėlesnių gaminių kokybę, o nekokybiškus gaminius taip pat griežtai draudžiama pateikti į rinką.Todėl gamintojams kai kuriuos iš šių defektų reikia pašalinti, kitaip tai atneš didžiulius ekonominius nuostolius.

Šiuo metu dauguma didelių pramonės įmonių defektų aptikimui naudoja importuotą vizualinio tikrinimo įrangą.Nors rezultatai yra geri, šios įrangos kaina ir priežiūra paprastai yra brangi ir netinka naudoti mažoms įmonėms ir dirbtuvėms.Dauguma mažų Kinijos įmonių vis dar naudoja tradicinį rankinį vizualinį patikrinimą defektams tikrinti.Šis metodas yra gana paprastas, tačiau reikalauja ilgesnio darbuotojų mokymo, žemo aptikimo efektyvumo ir tikslumo, be to, eikvojama daug žmogiškųjų išteklių, o tai yra didelės įmonės valdymo išlaidos.Pastaraisiais metais defektų aptikimo sritis sparčiai vystėsi, o įmonių savininkai palaipsniui taiko naujas technologijas, kurios pakeis tradicinius rankinius vizualinio patikrinimo metodus.

Žvelgiant iš pramonės plėtros tendencijų, automatinio aptikimo įrenginio, galinčio automatiškai gauti ir analizuoti defektų vaizdus neaustinių audinių gamybos procese, sukūrimas yra būtina priemonė gamybos plėtrai skatinti, gaminių kokybei užtikrinti, darbo sąnaudoms mažinti.Nuo devintojo dešimtmečio daugelis inžinierių bandė panaudoti atitinkamas žinias apie kompiuterinį matymą, kad nustatytų neaustinių audinių defektus.Kai kuriuose tyrimuose buvo naudojami tekstūros analizės metodai defektams apibūdinti ir defektų aptikimui pasiekti, o kiti naudojo kraštų aptikimo operatorius, kad pirmiausia nustatytų defekto kontūrą ir, remiantis defektų pilkos spalvos statistine informacija, nustatytų pagrįstus slenksčius, kad būtų galima aptikti defektus. Taip pat yra tyrimų, kuriuose naudojamas spektrinis metodas. analizės metodai defektams aptikti, remiantis dideliu audinių tekstūros periodiškumu.

Aukščiau aprašytais metodais buvo pasiekti tam tikri taikymo rezultatai sprendžiant defektų aptikimo problemas, tačiau vis dar yra tam tikrų apribojimų: pirma, skiriasi defektų forma ir dydis faktinėje gamybos aplinkoje.Defektų aptikimo algoritmams, pagrįstiems mašininiu mokymusi ir statistine informacija, reikia nustatyti išankstinėmis žiniomis pagrįstus slenksčius, kurie negali būti veiksmingi visiems defektams, todėl šis metodas yra nepakankamas.Antra, tradiciniai kompiuterinio matymo metodai paprastai vykdomi lėtai ir negali veiksmingai patenkinti gamybos realiu laiku reikalavimų.Nuo devintojo dešimtmečio mašininio mokymosi tyrimų sritis sparčiai vystėsi, o atitinkamų žinių taikymas paskatino daugelio pramonės šakų vystymąsi.Daugelis tyrimų temų parodė, kad mašininio mokymosi algoritmų, tokių kaip BP neuroninis tinklas ir SVM, taikymas audinių defektų aptikimui yra efektyvus.Šie metodai užtikrina aukštą aptikimo tikslumą ir tam tikrą tvirtumo laipsnį, o jį nesunku atrasti kruopščiai išanalizavus mašininio mokymosi mokymo procesą. Šio tipo algoritmo veikimas daugiausia priklauso nuo rankinių defektų funkcijų pasirinkimo.Jei rankinės funkcijos nėra pakankamai išsamios arba diskriminacinės, modelio našumas taip pat bus prastas.

Pastaraisiais metais nuolat tobulėjant kompiuterių skaičiavimo galiai ir sparčiai plėtojant giluminio mokymosi teoriją, vis daugiau žmonių pradėjo taikyti giluminį mokymąsi audinių defektų aptikimui.Gilus mokymasis gali veiksmingai išvengti rankiniu būdu sukurtų funkcijų neišsamumo ir pasižymi dideliu aptikimo tikslumu.Remiantis šiais samprotavimais, šiame straipsnyje naudojamos kompiuterinės vizijos ir giluminio mokymosi žinios, kad būtų sukurta automatinė neaustinių audinių defektų aptikimo sistema, kuri efektyviai pagerina defektų aptikimo tikslumą ir pasižymi geru tvirtumu.