Технологија за откривање дефекти на неткаен материјал

Неткаените ткаенини отсекогаш биле широко користени како суровини за медицински потрошен материјал за еднократна употреба како што се хируршки маски, капи за медицински сестри и хируршки капи во производството.Квалитетот на медицинските потрошни материјали за еднократна употреба главно зависи од квалитетот на неткаените ткаенини.Поради фактот што процесот на производство и транспорт на неткаени ткаенини не може да гарантира апсолутна чистота на животната средина, а тие самите имаат силна електростатска адсорпциона способност, тие често адсорбираат мали нечистотии во воздухот.Затоа, туѓи предмети може да постојат во многу малку области на неткаени ткаенини.Материјалот од неткаен материјал што се проучува во овој напис директно се користи за производство на маски. По анализата на избраните примероци на дефекти, беше откриено дека процентот на дефекти на туѓи предмети, како што се инсекти и коса, е најголем.Постоењето на овој дефект директно доведува до неквалитетен квалитет на следните производи, а неисправните производи се исто така строго забранети да влезат на пазарот.Затоа, производителите треба да отстранат некои од овие дефекти, во спротивно тоа ќе предизвика огромни економски загуби.

Во моментов, повеќето големи компании во индустријата користат увезена опрема за визуелна инспекција за откривање дефекти.Иако резултатите се добри, оваа опрема обично е скапа по цена и одржување и не е погодна за употреба за мали претпријатија и работилници.Повеќето мали компании во Кина сè уште користат традиционална рачна визуелна инспекција за проверка на дефектите.Овој метод е релативно едноставен, но бара подолга обука на работниците, ниска ефикасност и прецизност за откривање и троши многу човечки ресурси, што е значителен трошок за управувањето со претпријатието.Во последниве години, полето на откривање дефекти се развива брзо, а сопствениците на бизниси постепено користат нови технологии за да ги заменат традиционалните методи за рачна визуелна инспекција.

Од перспектива на трендовите за развој на индустријата, дизајнирањето на уред за автоматско откривање што може автоматски да добие и анализира слики од дефекти во процесот на производство на неткаени ткаенини е неопходно средство за промовирање на развојот на производството, обезбедување квалитет на производот и намалување на трошоците за работна сила.Од 1980-тите, многу инженери се обиделе да го искористат релевантното знаење од компјутерската визија за откривање дефекти на неткаени ткаенини.Некои студии користеле методи за анализа на текстурата за да ги карактеризираат дефектите и да постигнат откривање дефекти, додека други користеле оператори за откривање на рабовите за прво да ја одредат контурата на дефектот и да постават разумни прагови врз основа на статистички информации за дефекти во сива скала за да се постигне детекција на дефекти, исто така има студии кои користат спектрални методи на анализа за откривање на дефекти врз основа на високата текстура периодичност на ткаенините.

Горенаведените методи постигнаа одредени резултати на примена во проблеми со откривање дефекти, но сè уште има одредени ограничувања: прво, обликот и големината на дефектите во реалните производни средини се разликуваат.Алгоритмите за откривање дефекти базирани на машинско учење и статистички информации бараат поставување на прагови врз основа на претходно знаење, што не може да биде ефективно за сите дефекти, што резултира со недоволна робусност на овој метод.Второ, традиционалните методи за компјутерска визија обично се бавни за извршување и не можат ефикасно да ги задоволат барањата на производството во реално време.Од 1980-тите, полето на истражување за машинско учење се развива брзо, а примената на релевантното знаење го поттикна развојот на многу индустрии.Многу истражувачки теми покажаа дека примената на алгоритми за машинско учење како што се BP невронската мрежа и SVM во откривањето на дефекти на ткаенината е ефикасна.Овие методи обезбедуваат висока точност на откривање и одреден степен на робусност, и не е тешко да се открие преку внимателна анализа на процесот на обука на машинско учење. Изведбата на овој тип на алгоритам главно зависи од изборот на рачни карактеристики на дефекти.Ако рачните карактеристики не се целосни или доволно дискриминативни, перформансите на моделот исто така ќе бидат слаби.

Со континуираното подобрување на компјутерската компјутерска моќ и жешкиот развој на теоријата за длабоко учење во последниве години, се повеќе луѓе почнаа да применуваат длабоко учење за откривање дефекти на ткаенината.Длабокото учење може ефективно да ја избегне некомплетноста на рачно дизајнираните функции и има висока точност на откривање.Врз основа на ова размислување, овој напис користи компјутерска визија и знаење поврзано со длабоко учење за да дизајнира систем за автоматско откривање на дефекти од неткаен материјал, кој ефикасно ја подобрува точноста на откривање на дефектите и има добра робусност.