Технологія виявлення дефектів нетканих матеріалів

Неткані матеріали завжди широко використовувалися як сировина для виробництва одноразових медичних витратних матеріалів, таких як хірургічні маски, шапочки для медсестер і хірургічні шапочки.Якість одноразових медичних витратних матеріалів в основному залежить від якості нетканих матеріалів.Через те, що процес виробництва та транспортування нетканих матеріалів не може гарантувати абсолютну чистоту навколишнього середовища, а самі вони мають сильну електростатичну адсорбційну здатність, вони часто адсорбують дрібні домішки в повітрі.Тому сторонні предмети можуть існувати в дуже небагатьох областях нетканих матеріалів.Нетканий матеріал, який досліджується в цій статті, безпосередньо використовується для виробництва масок. Після аналізу відібраних зразків дефектів було виявлено, що частка дефектів сторонніх предметів, таких як комахи та волосся, є найвищою.Наявність цього дефекту безпосередньо призводить до неякісної якості наступної продукції, а браковану продукцію також суворо заборонено надходити на ринок.Тому виробникам необхідно усунути деякі з цих дефектів, інакше це призведе до величезних економічних збитків.

В даний час більшість великих підприємств галузі використовують для виявлення дефектів імпортне обладнання для візуального контролю.Незважаючи на хороші результати, це обладнання зазвичай дороге за вартістю та обслуговуванням і не підходить для використання на невеликих підприємствах і майстернях.Більшість невеликих компаній у Китаї все ще використовують традиційний ручний візуальний огляд для виявлення дефектів.Цей метод відносно простий, але вимагає більш тривалого навчання працівників, має низьку ефективність і точність виявлення, а також витрачає багато людських ресурсів, що є значними витратами для керівництва підприємства.В останні роки галузь виявлення дефектів швидко розвивається, і власники бізнесу поступово використовують нові технології, щоб замінити традиційні ручні методи візуального контролю.

З точки зору тенденцій розвитку промисловості, розробка пристрою автоматичного виявлення, який може автоматично отримувати та аналізувати зображення дефектів у процесі виробництва нетканих матеріалів, є необхідним засобом для сприяння розвитку виробництва, забезпечення якості продукції та зниження витрат на робочу силу.З 1980-х років багато інженерів намагалися використати відповідні знання комп’ютерного зору для виявлення дефектів нетканих матеріалів.Деякі дослідження використовували методи аналізу текстури для характеристики дефектів і виявлення дефектів, тоді як інші використовували оператори виявлення країв, щоб спочатку визначити контур дефекту та встановити прийнятні порогові значення на основі статистичної інформації відтінків сірого дефекту для виявлення дефектів. Існують також дослідження, які використовують спектральне методи аналізу виявлення дефектів, засновані на високій текстурній періодичності тканин.

Вищевказані методи досягли певних результатів у проблемах виявлення дефектів, але все ще існують певні обмеження: по-перше, форма та розмір дефектів у реальних виробничих середовищах відрізняються.Алгоритми виявлення дефектів, засновані на машинному навчанні та статистичній інформації, вимагають встановлення порогів на основі попередніх знань, які не можуть бути ефективними для всіх дефектів, що призводить до недостатньої надійності цього методу.По-друге, традиційні методи комп’ютерного зору зазвичай виконуються повільно і не можуть ефективно відповідати вимогам виробництва в режимі реального часу.Починаючи з 1980-х років дослідження машинного навчання стрімко розвивалися, і застосування відповідних знань сприяло розвитку багатьох галузей.Багато тем досліджень показали, що застосування алгоритмів машинного навчання, таких як нейронна мережа BP і SVM, у виявленні дефектів тканини є ефективним.Ці методи забезпечують високу точність виявлення та певний ступінь надійності, і це неважко виявити шляхом ретельного аналізу процесу навчання машинного навчання. Продуктивність цього типу алгоритму в основному залежить від вибору ручних функцій дефектів.Якщо ручні функції недостатньо повні або дискримінаційні, продуктивність моделі також буде низькою.

Завдяки постійному вдосконаленню комп’ютерної обчислювальної потужності та бурхливому розвитку теорії глибокого навчання в останні роки все більше людей почали застосовувати глибоке навчання для виявлення дефектів тканини.Глибоке навчання може ефективно уникнути неповноти створених вручну функцій і має високу точність виявлення.Ґрунтуючись на цьому міркуванні, ця стаття використовує комп’ютерний зір і знання, пов’язані з глибоким навчанням, для розробки системи автоматичного виявлення дефектів нетканого матеріалу, яка ефективно покращує точність виявлення дефектів і має хорошу надійність.