• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку
23 апреля
ПНИПУ
1 166

В ПНИПУ разработали автоматическую систему распознавания дефектов на текстильных фабриках

4.3

В легкой промышленности более 60 процентов товарной продукции занимают текстильные изделия. На производстве тканей часто возникают различные внешние дефекты (дыры, неравномерное окрашивание полотен), которые сложно своевременно обнаружить. Из-за этого большая часть материала впоследствии выбрасывается или уходит на переработку, что очень затратно. Обеспечить контроль качества продукции в наше время можно методами компьютерного зрения, которые по фото- и видеосъемке обрабатывают изображения и считывают брак в изделии. Но существующие прототипы таких решений учитывают не все возможные изъяны, часто встречающиеся в промышленности. Ученые ПНИПУ усовершенствовали метод компьютерного зрения для быстрого и точного выявления дефектов на производстве.

Текстильная фабрика
Текстильная фабрика / © Кевин Лимбри, unsplash.com

Статья опубликована в сборнике AIP Conference Proceedings. Исследование выполнено в рамках программы стратегического академического лидерства «Приоритет 2030».

Текстильная промышленность занимается переработкой растительных, животных, искусственных и синтетических волокон в пряжу, нити и ткани. Производители всех стран постоянно стремятся расширить ассортимент и улучшить качество выпускаемой продукции, чтобы придать ей ценные потребительские свойства. Достигается это с помощью автоматизации процессов и внедрения новых технологий.

Система компьютерного зрения позволяет автоматически распознавать дефекты тканей путем анализа их внешнего вида. Такой брак часто возникает на различных стадиях производства из-за некачественного сырья, нарушений в технологических процессах и ошибок оборудования.

В России практически нет комплексов, которые обеспечивают контроль качества текстильной промышленности. А применение зарубежных аналогов для непрерывного поиска дефектов не всегда доступно производителям и требует больших материальных затрат. Решением могут стать более гибкие и бюджетные системы, которые используют алгоритмы обработки видеопотока. Они универсальны и могут подойти под любой этап производства.

Система распознавания брака должна считывать изображения с датчиков, оснащенных камерой, корректировать их (удалять шумы, размытия и другие помехи) и достоверно определять места с дефектами. Алгоритм, лежащий в основе, может разрабатываться по различным методам для распознавания границ изображений. Так, широко применяется метод нечеткой логики, который при обработке фото и видеосъемки в соответствии с базой данных определяет степень принадлежности элементов к тому или иному значению (есть брак или нет, а если есть, то какой). А значит, он полезен для обнаружения дефектов текстильных изделий.

Но существующий прототип такого алгоритма имеет свои недостатки. Он не учитывает нерезкие цветовые перепады изображения, с помощью которых можно определить заломы (неровность полотна), а также неравномерность плотности полотна. Поэтому для расширения спектра обнаруживаемых дефектов ученые Пермского Политеха усовершенствовали его.

«Наш модифицированный метод обработки включает две фазы: быструю и более тщательную. Разные типы ткани при фото- и видеосъемке имеют свою яркость и контрастность. Поэтому в первой фазе алгоритм находит возможные дефекты с помощью цветокоррекции, а во второй – проверяет достоверность определения брака, выделяет его цветом и передает результат на экран специалисту. Алгоритм опробован на изображениях четырех видов тканей и может обнаруживать дефекты плетения и окраски», – поделился доктор технических наук, заведующий кафедрой «Автоматизация технологических процессов» Березниковского филиала ПНИПУ Андрей Затонский.

Политехники сравнили эффективность их метода с уже существующим аналогом на примере ткани с дефектом неровности полотна. В результате брак обнаружила только разработка пермских ученых.

Новый алгоритм разделяет изображение на две основные части (общий фон и дефект, если он существует). Если пропустить через систему нечеткого вывода изображение без каких-либо изъянов, то изображение на выходе будет полностью окрашено одним цветом или же примеси других цветов будут минимальными.

Для текстур каждого типа материала политехники определили среднее фоновое распределение, то есть типичное для конкретной ткани соотношение текстуры и фона. Например, для джинсовой ткани оно составляет 72 процента, для льняной – 67. Именно этот параметр используется для перехода от первой фазы анализа изображения ко второй, чтобы подтвердить или опровергнуть наличие дефекта. Если в быстрой обработке алгоритм выдает процент фонового распределения, далекий от среднего, значит, на ткани присутствует брак. Тогда в длительной фазе пиксели на изображении помечаются красным цветом. После чего специалист получает сигнал о наличии дефекта.

Усовершенствованная учеными Пермского Политеха система для распознавания дефектов в текстильной промышленности позволит определять изъяны в материале быстро и точно на любом этапе производства. Такой бюджетный, не трудозатратный и универсальный способ будет полезен российским текстильным фабрикам для повышения качества продукции.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
Пермский национальный исследовательский политехнический университет (национальный исследовательский, прошлые названия: Пермский политехнический институт, Пермский государственный технический университет) — технический ВУЗ Российской Федерации. Основан в 1960 году как Пермский политехнический институт (ППИ), в результате объединения Пермского горного института (организованного в 1953 году) с Вечерним машиностроительным институтом. В 1992 году ППИ в числе первых политехнических вузов России получил статус технического университета.
Подписывайтесь на нас в Telegram, Яндекс.Новостях и VK
Вчера, 14:02
Татьяна

Больше 10 лет Curiosity ищет свидетельства обитаемости Марсе. В его арсенале — инструменты для анализа горных пород и минералов, сформированных в эпохи, когда Красная планета была пригодна для органической жизни. И вот новое открытие: на пути к пику Шарп в ударном кратере Гейла марсоход впервые обнаружил кристаллы серы — необходимого строительного элемента белков.

Вчера, 11:31
ПНИПУ

День металлурга в 2024 году россияне отмечают 21 июля. Ученые Пермского Политеха рассказали, какой металл самый распространенный, какой — не утонет в воде, где можно встретить титан, можно ли потрогать обедненный уран, что опаснее — вдохнуть или проглотить ртуть, есть ли ее безопасный аналог и какой элемент не существует в чистом виде.

17 июля
Игорь Байдов

Команда китайских инженеров разработала модель магнитоэлектрического генератора, способного эффективно преобразовывать энергию падающих капель в электричество. Устройство может быть полезно для районов с повышенной сезонной влажностью. Разработка ученых в теории выглядит перспективно, но вызывает некоторые вопросы. В частности, пока не ясно, можно ли найти ей практическое применение.

15 июля
Александр Березин

Авторы нового исследования впервые показали, что круглые провалы в лунной поверхности не просто близки к многокилометровым пещерам на естественном спутнике Земли, но и располагают тоннелями, ведущими в глубину.

16 июля
Александр Березин

Традиционное представление о роли человека в земных экосистемах известно: он нарушает их нормальную работу и снижает биоразнообразие. Однако первая попытка изучить следы пыльцы за последние 12 тысяч лет принесла скорее противоположные данные — как минимум для континентов, полностью расположенных в Северном полушарии.

16 июля
Татьяна

Аппарат «Кассини», работавший на орбите Сатурна с 2004 по 2017 год, детально картировал его крупнейший спутник — Титан. Выяснилось, что ближе к полярным областям на поверхности есть моря и озера с жидкими углеводородами, куда впадают пополняемые атмосферными осадками реки. По мере изучения этой информации у исследователей возникло все больше вопросов. Каков состав жидкости и что определило очертания береговых линий? Воспользовавшись данными радарной съемки, американские ученые уточнили состав морей Кракена, Лигеи и Пунги и описали свойства их поверхностей.

25 июня
Игорь Байдов

Ученые из Китая и Бельгии воссоздали в лаборатории условия, существовавшие на Меркурии четыре миллиарда лет назад, и выяснили, что они были идеальными для образования слоя алмазов, который с течением времени становился лишь толще.

21 июня
Nadya

Земля начала формироваться примерно 4,5 миллиарда лет назад. Чтобы понять, как это происходило в ранние периоды развития нашей планеты, ученые ищут образцы древних горных пород. Одну из таких, возрастом почти 3,5 миллиарда лет, обнаружили рядом с городом Колли в Австралии.

1 июля
Александр Березин

Необычный биологический вид, по оценке авторов новой научной работы, пригоден для заселения четвертой планеты без каких-либо предварительных условий — уже в том виде, в котором он существует сейчас. Поскольку речь идет о фотосинтетическом организме, он способен нарабатывать существенное количество кислорода. Интересно, что кандидат на терраформирование Марса сохранил жизнеспособность после месяца в жидком азоте.

[miniorange_social_login]

Комментарии

Написать комментарий
Подтвердить?
Подтвердить?
Причина отклонения
Подтвердить?
Не получилось опубликовать!

Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.

Понятно
Жалоба отправлена

Мы обязательно проверим комментарий и
при необходимости примем меры.

Спасибо
Аккаунт заблокирован!

Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.

Понятно
Что-то пошло не так!

Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.

Понятно
Лучшие материалы
Войти
Регистрируясь, вы соглашаетесь с правилами использования сайта и даете согласие на обработку персональных данных.
Ваша заявка получена

Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.

Понятно
Ваше сообщение получено

Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.

Понятно