Искусственный интеллект научился находить дефекты ткани быстрее человека

До недавнего времени большинство операций по контролю качества тканей осуществлялось вручную, что позволяло выявить лишь около 70% возможных дефектов. Современные технологии предлагают новые решения — автоматизированные системы контроля качества на основе компьютерного зрения — которые уже находят применение в текстильной, деревообрабатывающей и химической промышленностях.

Система автоматического контроля качества (САКК) состоит из сканера, системы распознавания и модуля принятия решений. Одной из важных задач таких систем является определение изменения структурных свойств материалов   на этапе выявления брака. Для проверки качества однотонных тканей, равно как и для выявления характерных особенностей их структуры, применяют различные методы контроля, например, оптические методы.

Однако, существующие алгоритмы распознавания часто не позволяют обнаруживать дефекты материалов в режиме реального времени, особенно если их количество увеличивается. Отмечается, что один из путей повышения эффективности таких систем распознавания – это создание методик предварительного анализа текстурированной геометрической пространственной модели (ткани) и усовершенствование алгоритмов обнаружения дефектов тканей в системах с эталонными моделями.

Ученые МТУСИ предложили метод формирования признаков текстурированного изображения, который может быть применен для построения математической модели текстильного материала (ткани) при решении задач автоматизации процесса разбраковки.

Новшество такого метода — создание эталонов — образцов, с которыми сравниваются изображения тканей для выявления дефектов.

«Анализ качества ткани относительно эталонного состояния позволяет выделять существенные особенности структуры ткани вплоть до анализа состояния единичных переплетений, — отмечает профессор, доктор технических наук Сергей Рожков. — При этом в данной постановке задачи ткань, как объект контроля, целесообразно рассматривать как двумерный периодический объект».

В исследовании интересным инструментом стало применение пространственной автокорреляционной функции, которая помогла ученым проанализировать структурные элементы ткани.

«Разработка модели проводилась в среде MATLAB. При выделении контуров изображения были выявлены особенности периодичности структуры ткани, а наличие корреляционного максимума позволило определить основные частоты структуры, — рассказал о ходе исследования кандидат технических наук, доцент Вячеслав Воронов. – Для улучшения качества изображений применялись методы предварительной обработки изображений: коррекция яркости, устранение шумов и преобразование изображения для более детального анализа. При этом коррекция шкалы яркости позволила устранить систематические искажения исходного изображения аддитивного или мультипликативного характера».

В процессе исследования ученые обратили внимание на то, что корреляция не только усиливает основные частоты, но и выявляет скрытые периодичности в структуре ткани, что значительно усложняет задачу определения основных параметров структуры модели.  В свою очередь, применение в свертке гармоник, связанных с неравномерностью структуры ткани, позволило выделить скрытую периодичность по направлению основы ткани и выделить перекос, который имел место в образце ткани. Для определения основных частот модели ткани ученые использовали энергетический спектр изображения, с помощью которого была построена эталонная моногармоническая модель ткани.

Полученные в работе результаты охватывают только один из возможных подходов при контроле качества текстильных материалов. Дальнейшие исследования перспективны, с точки зрения создания систем контроля, для всего спектра дефектов текстильных материалов (тканей), в том числе с возможностью прогнозирования их характеристик.

В дальнейшем предполагается создание систем контроля качества, способных прогнозировать и детально анализировать дефекты текстильных материалов в процессе их производства. Совершенствование средств автоматизации контроля качества текстильных материалов позволяет не только повысить эффективность производства, но и улучшить качество текстильной продукции, удовлетворяя высокие стандарты отрасли. Материал опубликован в Сборнике трудов XVIII Международной отраслевой научно-технической конференции «Технологии информационного общества».

МТУСИ

60 статей

Московский технический университет связи и информатики (МТУСИ) — ведущее отраслевое техническое высшее учебное заведение Центральной России по подготовке кадров для IT и телеком-индустрии, подведомственное Министерству цифрового развития, связи и массовых коммуникаций РФ. Основан в 1921 году на базе Московского электротехнического института народной связи им. В.Н. Подбельского. Ежегодно МТУСИ выпускает востребованных специалистов в области связи, информационных технологий, квантовых коммуникаций, робототехники, информационной безопасности и цифровой экономики. В состав университета входят 5 факультетов, 34 кафедры, 2 филиала (Волго-Вятский и Северо-Кавказский), Колледж телекоммуникаций, Музей электросвязи, Квантовый центр, Центр робототехники, Лаборатория AR/VR, Центры заочного обучения бакалавров и магистров, Центр индивидуального обучения.

Показать больше