เทคโนโลยีการตรวจจับข้อบกพร่องของผ้าไม่ทอ

ผ้าไม่ทอถูกนำมาใช้กันอย่างแพร่หลายเป็นวัตถุดิบสำหรับวัสดุสิ้นเปลืองทางการแพทย์ที่ใช้แล้วทิ้ง เช่น หน้ากากอนามัย หมวกพยาบาล และหมวกผ่าตัดในการผลิตคุณภาพของวัสดุสิ้นเปลืองทางการแพทย์แบบใช้แล้วทิ้งส่วนใหญ่ขึ้นอยู่กับคุณภาพของผ้าไม่ทอเนื่องจากกระบวนการผลิตและการขนส่งผ้าไม่ทอไม่สามารถรับประกันความบริสุทธิ์ของสภาพแวดล้อมได้อย่างสมบูรณ์ และผ้าเหล่านี้ก็มีความสามารถในการดูดซับไฟฟ้าสถิตได้ดี จึงมักจะดูดซับสิ่งสกปรกขนาดเล็กในอากาศดังนั้นวัตถุแปลกปลอมอาจมีอยู่ในพื้นที่น้อยมากของผ้าไม่ทอวัสดุผ้าไม่ทอที่ศึกษาในบทความนี้ใช้ในการผลิตหน้ากากอนามัยโดยตรง หลังจากวิเคราะห์ตัวอย่างข้อบกพร่องที่เลือกแล้ว พบว่าสัดส่วนของข้อบกพร่องจากวัตถุแปลกปลอม เช่น แมลงและเส้นผม มีสัดส่วนสูงสุดการมีอยู่ของข้อบกพร่องนี้นำไปสู่คุณภาพต่ำกว่ามาตรฐานของผลิตภัณฑ์ที่ตามมาโดยตรง และห้ามมิให้ผลิตภัณฑ์ที่บกพร่องเข้าสู่ตลาดโดยเด็ดขาดดังนั้นผู้ผลิตจำเป็นต้องกำจัดข้อบกพร่องเหล่านี้บางส่วนออก ไม่เช่นนั้นจะทำให้เกิดความสูญเสียทางเศรษฐกิจอย่างมหาศาล

ในปัจจุบัน บริษัทขนาดใหญ่ส่วนใหญ่ในอุตสาหกรรมใช้อุปกรณ์ตรวจสอบด้วยภาพนำเข้าเพื่อการตรวจจับข้อบกพร่องแม้ว่าผลลัพธ์จะดี แต่อุปกรณ์เหล่านี้มักจะมีราคาแพงทั้งในด้านต้นทุนและการบำรุงรักษา และไม่เหมาะสำหรับองค์กรขนาดเล็กและเวิร์กช็อปที่จะใช้บริษัทขนาดเล็กส่วนใหญ่ในประเทศจีนยังคงใช้การตรวจสอบด้วยภาพด้วยตนเองแบบดั้งเดิมในการคัดกรองข้อบกพร่องวิธีนี้ค่อนข้างง่าย แต่ต้องใช้การฝึกอบรมพนักงานนานขึ้น ประสิทธิภาพและความแม่นยำในการตรวจจับต่ำ และสิ้นเปลืองทรัพยากรมนุษย์จำนวนมาก ซึ่งเป็นค่าใช้จ่ายที่สำคัญสำหรับการจัดการองค์กรในช่วงไม่กี่ปีที่ผ่านมา ขอบเขตการตรวจจับข้อบกพร่องได้พัฒนาไปอย่างรวดเร็ว และเจ้าของธุรกิจก็ค่อยๆ ใช้เทคโนโลยีใหม่ๆ เพื่อทดแทนวิธีการตรวจสอบด้วยภาพด้วยตนเองแบบเดิมๆ

จากมุมมองของแนวโน้มการพัฒนาอุตสาหกรรม การออกแบบอุปกรณ์ตรวจจับอัตโนมัติที่สามารถรับและวิเคราะห์ภาพข้อบกพร่องในกระบวนการผลิตผ้าไม่ทอได้โดยอัตโนมัติเป็นวิธีที่จำเป็นในการส่งเสริมการพัฒนาการผลิต รับประกันคุณภาพของผลิตภัณฑ์ และลดต้นทุนค่าแรงนับตั้งแต่ทศวรรษ 1980 วิศวกรจำนวนมากได้พยายามใช้ความรู้ที่เกี่ยวข้องเกี่ยวกับคอมพิวเตอร์วิทัศน์เพื่อตรวจหาข้อบกพร่องของผ้าไม่ทอการศึกษาบางชิ้นได้ใช้วิธีการวิเคราะห์พื้นผิวเพื่อระบุลักษณะข้อบกพร่องและบรรลุการตรวจจับข้อบกพร่อง ในขณะที่การศึกษาอื่นๆ ได้ใช้ตัวดำเนินการตรวจจับขอบเพื่อกำหนดรูปร่างของข้อบกพร่องก่อน และกำหนดเกณฑ์ที่เหมาะสมตามข้อมูลทางสถิติระดับสีเทาของข้อบกพร่องเพื่อให้บรรลุการตรวจจับข้อบกพร่อง นอกจากนี้ยังมีการศึกษาที่ใช้สเปกตรัม วิธีการวิเคราะห์เพื่อตรวจจับข้อบกพร่องโดยพิจารณาจากช่วงเนื้อผ้าที่สูง

วิธีการข้างต้นประสบความสำเร็จในการใช้งานบางประการซึ่งทำให้เกิดปัญหาในการตรวจจับข้อบกพร่อง แต่ก็ยังมีข้อจำกัดบางประการ ประการแรก รูปร่างและขนาดของข้อบกพร่องในสภาพแวดล้อมการผลิตจริงจะแตกต่างกันไปอัลกอริธึมการตรวจจับข้อบกพร่องตามการเรียนรู้ของเครื่องและข้อมูลทางสถิติจำเป็นต้องมีการตั้งค่าเกณฑ์ตามความรู้เดิม ซึ่งไม่สามารถใช้ได้กับข้อบกพร่องทั้งหมด ส่งผลให้วิธีนี้มีความทนทานไม่เพียงพอประการที่สอง วิธีคอมพิวเตอร์วิทัศน์แบบเดิมๆ มักจะดำเนินการได้ช้าและไม่สามารถตอบสนองความต้องการในการผลิตแบบเรียลไทม์ได้อย่างมีประสิทธิภาพนับตั้งแต่ทศวรรษ 1980 สาขาการวิจัยการเรียนรู้ของเครื่องได้รับการพัฒนาอย่างรวดเร็ว และการประยุกต์ใช้ความรู้ที่เกี่ยวข้องได้ขับเคลื่อนการพัฒนาของหลายอุตสาหกรรมหัวข้อการวิจัยหลายหัวข้อแสดงให้เห็นว่าการประยุกต์ใช้อัลกอริธึมการเรียนรู้ของเครื่อง เช่น โครงข่ายประสาทเทียมของ BP และ SVM ในการตรวจจับข้อบกพร่องของแฟบริคนั้นมีประสิทธิภาพวิธีการเหล่านี้รับประกันความแม่นยำในการตรวจจับสูงและความทนทานในระดับหนึ่ง และไม่ยากที่จะค้นพบผ่านการวิเคราะห์อย่างรอบคอบของกระบวนการฝึกอบรมการเรียนรู้ของเครื่อง ประสิทธิภาพของอัลกอริธึมประเภทนี้ส่วนใหญ่ขึ้นอยู่กับการเลือกคุณสมบัติแบบแมนนวลที่มีข้อบกพร่องหากคุณสมบัติแบบแมนนวลไม่สมบูรณ์หรือแบ่งแยกได้เพียงพอ ประสิทธิภาพของโมเดลก็จะลดลงเช่นกัน

ด้วยการปรับปรุงอย่างต่อเนื่องของพลังการประมวลผลของคอมพิวเตอร์และการพัฒนาทฤษฎีการเรียนรู้เชิงลึกอย่างร้อนแรงในช่วงไม่กี่ปีที่ผ่านมา ผู้คนจำนวนมากขึ้นได้เริ่มใช้การเรียนรู้เชิงลึกกับการตรวจจับข้อบกพร่องของโครงสร้างการเรียนรู้เชิงลึกสามารถหลีกเลี่ยงความไม่สมบูรณ์ของคุณสมบัติที่ออกแบบด้วยตนเองได้อย่างมีประสิทธิภาพ และมีความแม่นยำในการตรวจจับสูงจากการพิจารณานี้ บทความนี้ใช้คอมพิวเตอร์วิทัศน์และความรู้ที่เกี่ยวข้องกับการเรียนรู้เชิงลึกเพื่อออกแบบระบบตรวจจับข้อบกพร่องอัตโนมัติของผ้าไม่ทอ ซึ่งปรับปรุงความแม่นยำในการตรวจจับข้อบกพร่องได้อย่างมีประสิทธิภาพและมีความทนทานที่ดี