В текстильном производстве некоторые дефекты ткани нелегко обнаружить вовремя.
Небольшое отверстие, пятно, обрыв пряжи или другой дефект поверхности могут появиться во время непрерывного движения ткани по производственной линии. Традиционный контроль в значительной степени зависит от операторов, наблюдающих за тканью, тогда как визуальный контроль с помощью искусственного интеллекта включает в процесс камеры и программное обеспечение.
Итак, что же такое визуальный осмотр с помощью искусственного интеллекта? И как на самом деле он используется в текстильном производстве?
Вместо того чтобы рассматривать ИИ как сложную технологическую концепцию, его легче понять, посмотрев на то, что происходит во время реальной проверки ткани.
Что на самом деле делает визуальный осмотр с помощью искусственного интеллекта?
Основная идея визуального контроля с помощью ИИ довольно проста. Промышленные камеры непрерывно фиксируют изображения поверхности ткани. Программное обеспечение обрабатывает эти изображения, а модель искусственного интеллекта анализирует их для выявления потенциальных отклонений.
Однако результат проверки зависит не только от камеры. Скорость ткани, условия освещения, характеристики поверхности, размер дефекта и конфигурация модели AI могут повлиять на конечный результат. Вот почему проверка текстиля с помощью искусственного интеллекта — это не просто установка камеры и запрос компьютера на обнаружение дефектов.
Практическая система сочетает в себе захват изображений, обработку изображений, алгоритмы искусственного интеллекта и конфигурацию оборудования . Для подходящих одноцветных тканей система может непрерывно захватывать изображения ткани и выявлять дефекты в соответствии с настроенными требованиями проверки.
Система визуального контроля AI компании Suntech предназначена для одноцветных тканей. Текущие характеристики включают скорость контроля до 80 м/мин, ширину ткани от 1800 до 4000 мм и степень проверки ≥90%, в зависимости от фактической конфигурации ткани и системы.
Как ИИ обнаруживает дефект ткани?
Вероятно, это самая важная часть понимания визуального контроля ИИ. Когда ткань проходит через зону контроля, промышленные камеры непрерывно фиксируют изображения ее поверхности.
Поскольку ткань движется, захват изображения должен оставаться стабильным. Если само изображение нечеткое, системе искусственного интеллекта будет сложно предоставить надежные результаты проверки.
Итак, первый шаг — это четко увидеть ткань . Затем система обрабатывает захваченные изображения.
Освещение, состояние ткани и производственная среда могут повлиять на изображение. Обработка изображений помогает снизить влияние этих факторов до того, как данные будут переданы в модель ИИ.
Затем модель искусственного интеллекта анализирует визуальные особенности изображения.
Например, на относительно однородной поверхности ткани аномальная область может иметь визуальные характеристики, отличающиеся от окружающей ткани. Модель ИИ может идентифицировать эти различия на основе своего обучения и конфигурации.
Если обнаруженная область соответствует характеристикам определенного дефекта, система может записать ее местоположение и соответствующую информацию.
Таким образом, визуальный осмотр с помощью ИИ — это не просто фотографирование. Речь идет о постоянном поиске отклонений в потоке изображений и преобразовании этих результатов в информацию, которую могут просмотреть группы контроля качества.
Почему обнаружить дефект ткани сложнее, чем кажется?
Со стороны проверка ткани может показаться простой: просто посмотрите на ткань и найдите проблемы.
На производственной линии это не так просто.
Ткань часто движется непрерывно, поэтому системе контроля необходимо контролировать поверхность, не отставая от скорости производства.
Различные дефекты также могут выглядеть очень по-разному. Дыра, пятно, оборванная пряжа или клубок могут иметь совершенно разные визуальные характеристики. Некоторые дефекты очевидны, тогда как другие незначительны и их легче выявить только при подходящем качестве изображения и условиях проверки.
Эластичные ткани могут добавить еще одну проблему.
При изменении натяжения ткани может измениться и внешний вид дефекта. Это означает, что значение имеет то, как установлено контрольное оборудование, как движется ткань и фактические условия производства.
Suntech также разработала приложения для визуального контроля с использованием искусственного интеллекта для высокоэластичных трикотажных полотен, включая обнаружение распространенных дефектов, таких как свисающие стежки, дыры и ребра.
Вот почему производителям текстиля не следует выбирать систему визуального контроля с искусственным интеллектом, основываясь только на одном показателе точности.
Более важный вопрос заключается в том, подходит ли система для реальной ткани, дефектов и производственной среды.
Где можно использовать визуальный осмотр с помощью искусственного интеллекта?
Визуальный контроль с помощью искусственного интеллекта не обязательно должен проводиться только на этапе окончательного контроля ткани.
В зависимости от оборудования и производственного процесса его можно внедрять на разных этапах текстильного производства.
Во время проверки ткани
Это одно из самых простых применений. Когда ткань проходит через инспекционную машину, промышленные камеры непрерывно фиксируют изображения поверхности ткани. Система искусственного интеллекта анализирует потенциальные отклонения и записывает соответствующую информацию.
Этот подход может быть полезен производителям, которым нужна автоматическая проверка перед переходом ткани на следующий этап производства.
Suntech предоставляет системы визуального контроля AI, которые можно интегрировать с различными машинами для проверки тканей..
На ткацких станках
Визуальный контроль с помощью искусственного интеллекта также можно интегрировать с ткацким оборудованием.
ST-Thinkor от Suntech — это автоматизированная система визуального контроля с искусственным интеллектом, разработанная для ткацких станков.
Система может работать с процессом ткачества, проверяя ткань по мере ее производства и записывая соответствующую информацию о проверке.
Практическое преимущество очевидно:
Дефекты можно обнаружить ближе к месту их возникновения.
Для производителей ткацких изделий это может дать возможность реагировать на производственные проблемы раньше, а не обнаруживать их только после того, как ткань будет готова.
После производства
Визуальный контроль с помощью искусственного интеллекта также можно использовать после производственного процесса, в зависимости от рабочего процесса завода.
Например, ткань можно проверить перед переходом к дальнейшей отделке, раскрою или упаковке.
Цель не в том, чтобы отстранить людей от процесса контроля качества. Это позволит сделать проверку более непрерывной и предоставить группам контроля качества более четкую информацию при проверке качества ткани.
Заменяет ли визуальный осмотр ИИ людей-инспекторов?
Это один из первых вопросов, которые задают многие производители, когда начинают проверять ИИ.
Ответ не просто да или нет.
ИИ хорошо подходит для повторяющихся визуальных проверок больших объемов ткани, но персонал контроля качества по-прежнему играет важную роль в интерпретации результатов и принятии решений по качеству.
Например, система искусственного интеллекта может выявить и зарегистрировать потенциальный дефект, а специалист по контролю качества решает, влияет ли отклонение на качество продукции, соответствует ли оно требованиям клиента или требует дальнейших действий.
Практический способ подумать об отношениях таков:
ИИ продолжает наблюдать. Решения принимают люди.
ИИ может осуществлять непрерывный визуальный мониторинг и регистрацию дефектов, в то время как инспекторы-люди могут больше сосредоточиться на суждениях, проверке и управлении качеством.
Это означает, что автоматизация не обязательно означает исключение людей из-под контроля. Во многих производственных средах он меняется там, где требуется их внимание.
Что следует проверить перед выбором системы визуального контроля AI?
1. Какая ткань будет проверена?
Начните с самой ткани, которую вам нужно осмотреть.
Система, разработанная для подходящего одноцветного трикотажного полотна, может иметь другие требования, чем система, используемая для одноцветного тканого полотна. Не думайте, что одна конфигурация будет одинаково хорошо работать для любого материала.
2. Какие дефекты необходимо обнаружить?
Перечислите фактические дефекты, которые имеют значение для вашего производства, такие как дыры, пятна, обрывы нитей, заломы, стежки или другие определенные дефекты поверхности.
Фактический диапазон обнаружения должен быть подтвержден в зависимости от структуры, характеристик дефектов, модели искусственного интеллекта и конфигурации системы.
3. Какова скорость производства?
Система контроля должна соответствовать производственной линии.
На более высоких скоростях особенно важными становятся стабильный захват изображения и быстрая обработка изображений.
4. Какова ширина ткани?
Эффективная ширина контроля должна соответствовать производственным требованиям.
Например, ST-Thinkor компании SUNTECH имеет стандартный диапазон ширины ткани 1800–4000 мм с возможностью индивидуальной настройки.
5. Где должна проводиться проверка?
Подумайте, где проверка принесет наибольшую пользу.
Его можно установить во время ткачества или интегрировать с машиной для контроля ткани после производства, в зависимости от производственного процесса и проблем с качеством, которые вы хотите решить.
Визуальный осмотр с помощью искусственного интеллекта — это больше, чем камера
Легко представить визуальный контроль ИИ как простое размещение камер над машиной для проверки ткани.
На самом деле полная система состоит из нескольких частей, работающих вместе:
l Камеры фиксируют изображения ткани.
l Обработка изображений подготавливает визуальные данные для анализа.
l Модели искусственного интеллекта выявляют потенциальные отклонения в соответствии с их конфигурацией.
l Программное обеспечение для проверки записывает и представляет результаты.
Производительность системы зависит от того, как эти компоненты работают вместе.
По этой причине производителям не следует сравнивать системы только по количеству камер или по тому, использует ли поставщик слово «ИИ».
Более полезный вопрос заключается в том, правильно ли настроена вся система с учетом фабрики, типов дефектов, скорости производства и условий проверки.
Куда может пойти проверка ИИ дальше?
Будущая ценность проверки с помощью ИИ заключается не только в выявлении большего количества типов дефектов. Она также заключается в объединении проверки с другими производственными процессами.
Для производителей автоматизация не обязательно должна происходить сразу. Завод может начать с одной задачи контроля и постепенно подключать контроль к последующим процессам по мере роста потребностей в автоматизации.
Заключительные мысли
Визуальный контроль с помощью искусственного интеллекта — это не просто добавление камеры к машине для проверки ткани.
Это сочетание захвата изображений, их обработки, моделей искусственного интеллекта и программного обеспечения для проверки, работающих вместе для выявления и регистрации потенциальных дефектов ткани.
Самый важный вопрос не в том, использует ли система ИИ.
Вопрос в том, сможет ли система надежно работать с вашей фактической тканью, типами дефектов, условиями производства и требованиями контроля.
Если все подходит правильно, визуальный контроль с помощью искусственного интеллекта может стать практическим шагом на пути к более автоматизированному контролю ткани.
И переход не обязательно должен происходить сразу.
Гораздо более практичным способом внедрения искусственного интеллекта в процесс текстильного производства может оказаться начинание с одной реальной проблемы контроля.
