Tehnologija odkrivanja napak netkanih tkanin

Netkane tkanine so se v proizvodnji vedno pogosto uporabljale kot surovine za medicinske potrošne materiale za enkratno uporabo, kot so kirurške maske, klobuki za medicinske sestre in kirurške kape.Kakovost medicinskega potrošnega materiala za enkratno uporabo je v veliki meri odvisna od kakovosti netkanih tkanin.Ker proizvodni in transportni proces netkanih tkanin ne more zagotoviti absolutne čistosti okolja, same pa imajo močno elektrostatično adsorpcijsko sposobnost, pogosto adsorbirajo majhne nečistoče v zraku.Zato lahko tujki obstajajo na zelo malo področjih netkanih tkanin.Netkani material, ki ga preučujemo v tem članku, se neposredno uporablja za izdelavo mask. Po analizi izbranih vzorcev napak je bilo ugotovljeno, da je delež napak tujih predmetov, kot so žuželke in lasje, največji.Obstoj te napake neposredno vodi v podstandardno kakovost nadaljnjih izdelkov, poleg tega pa je izdelkom z napako strogo prepovedan vstop na trg.Zato morajo proizvajalci odstraniti nekatere od teh napak, sicer bo to povzročilo velike gospodarske izgube.

Trenutno večina velikih podjetij v industriji uporablja uvoženo opremo za vizualni pregled za odkrivanje napak.Čeprav so rezultati dobri, je ta oprema običajno draga glede stroškov in vzdrževanja ter ni primerna za mala podjetja in delavnice.Večina majhnih podjetij na Kitajskem še vedno uporablja tradicionalni ročni vizualni pregled za odkrivanje napak.Ta metoda je razmeroma enostavna, vendar zahteva daljše usposabljanje delavcev, nizko učinkovitost in natančnost odkrivanja ter zapravlja veliko človeških virov, kar je velik strošek za vodstvo podjetja.V zadnjih letih se je področje odkrivanja napak hitro razvilo in lastniki podjetij postopoma uporabljajo nove tehnologije, ki nadomeščajo tradicionalne ročne metode vizualnega pregleda.

Z vidika trendov razvoja industrije je oblikovanje naprave za samodejno zaznavanje, ki lahko samodejno pridobi in analizira slike napak v proizvodnem procesu netkanih tkanin, nujno sredstvo za spodbujanje razvoja proizvodnje, zagotavljanje kakovosti izdelkov in zmanjšanje stroškov dela.Od leta 1980 so številni inženirji poskušali uporabiti ustrezno znanje računalniškega vida za odkrivanje napak na netkanih tkaninah.Nekatere študije so uporabile metode analize teksture za opredelitev napak in doseganje odkrivanja napak, medtem ko so druge uporabile operaterje zaznavanja robov, da najprej določijo konturo napake in nastavijo razumne pragove na podlagi statističnih informacij v sivinah napak, da dosežejo odkrivanje napak. Obstajajo tudi študije, ki uporabljajo spektralno analitične metode za odkrivanje napak na podlagi visoke periodičnosti teksture tkanin.

Zgornje metode so dosegle določene rezultate uporabe pri težavah z odkrivanjem napak, vendar še vedno obstajajo določene omejitve: prvič, oblika in velikost napak v dejanskih proizvodnih okoljih se razlikujeta.Algoritmi za odkrivanje napak, ki temeljijo na strojnem učenju in statističnih informacijah, zahtevajo nastavitev pragov na podlagi predhodnega znanja, kar pa ne more biti učinkovito za vse napake, kar ima za posledico nezadostno robustnost te metode.Drugič, tradicionalne metode računalniškega vida se običajno izvajajo počasi in ne morejo učinkovito izpolniti zahtev proizvodnje v realnem času.Od osemdesetih let prejšnjega stoletja se je področje raziskav strojnega učenja hitro razvijalo, uporaba ustreznega znanja pa je spodbudila razvoj številnih industrij.Številne raziskovalne teme so pokazale, da je uporaba algoritmov strojnega učenja, kot sta nevronska mreža BP in SVM, pri odkrivanju napak v tkanini učinkovita.Te metode zagotavljajo visoko natančnost zaznavanja in določeno stopnjo robustnosti in ni težko odkriti s skrbno analizo procesa usposabljanja strojnega učenja. Učinkovitost te vrste algoritma je v glavnem odvisna od izbire okvarjenih ročnih funkcij.Če ročne funkcije niso popolne ali dovolj razlikovalne, bo tudi zmogljivost modela slaba.

Z nenehnim izboljševanjem računalniške moči in hitrim razvojem teorije globokega učenja v zadnjih letih je vse več ljudi začelo uporabljati globoko učenje za odkrivanje napak v tkanini.Globoko učenje se lahko učinkovito izogne ​​nepopolnosti ročno oblikovanih funkcij in ima visoko natančnost zaznavanja.Na podlagi tega premisleka ta članek uporablja računalniški vid in znanje, povezano z globokim učenjem, za oblikovanje sistema za samodejno zaznavanje napak iz netkanih tkanin, ki učinkovito izboljša natančnost zaznavanja napak in ima dobro robustnost.