Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
В ПНИПУ разработали автоматическую систему распознавания дефектов на текстильных фабриках
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.
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.
Telegram 
Дзен 
VK Два ключевых события сыграли решающую роль в формировании генетического профиля современных европейских народов. Первое связано с приходом ранних фермеров из Анатолии примерно восемь тысяч лет назад, второе — масштабная миграция на запад носителей ямной степной культуры, начавшаяся пять тысяч лет назад. Однако ученые видят множество отличий от общей картины в разных регионах. В новой работе они проанализировали ДНК древних жителей самого северо-запада Европы и обнаружили более тесную связь с охотниками-собирателями, чем где бы то ни было.
В архивах английского поместья столетиями пылилась ничем не примечательная книга учета XVI века. Никто не подозревал, что внутри ее переплета скрываются фрагменты пергамента с историями, которые переписывали монахи семь веков назад. Тайна раскрылась, когда архивариус заметил странные символы на обложке. Так началось расследование, объединившее разных ученых. Исследователи три года пытались прочитать текст, не прикасаясь к нему. Теперь они представили результат своего труда — мир получил два ранее неизвестных эпизода о волшебнике Мерлине, короле Артуре и рыцаре Гавейне.
Презентации — универсальный инструмент для работы и учебы. Современные технологии позволяют создавать их в один клик, а интерактивные форматы делают выступления более динамичными и вовлекающими. Ученые Пермского Политеха усовершенствовали ранее разработанную платформу, добавив ИИ-функции: теперь нейросеть генерирует слайды, редактирует текст, создает изображения и интерактивные квизы.
Ученые из Сколтеха исследовали разнообразие молекул, которые могут образовываться из атомов кислорода и углерода. Помимо широко известных углекислого и угарного газов, моделирование обнаружило две сотни экзотических, но относительно стабильных соединений этих двух элементов, многие из которых не были описаны ранее. Этот класс веществ представляет интерес для исследований космоса, аккумуляторных технологий, биохимии и — неожиданным образом — для разработки промышленной взрывчатки и ракетного топлива. Как оказалось, некоторые из открытых веществ при распаде будут высвобождать более 75 процентов взрывной энергии тротила.
Два ключевых события сыграли решающую роль в формировании генетического профиля современных европейских народов. Первое связано с приходом ранних фермеров из Анатолии примерно восемь тысяч лет назад, второе — масштабная миграция на запад носителей ямной степной культуры, начавшаяся пять тысяч лет назад. Однако ученые видят множество отличий от общей картины в разных регионах. В новой работе они проанализировали ДНК древних жителей самого северо-запада Европы и обнаружили более тесную связь с охотниками-собирателями, чем где бы то ни было.
В архивах английского поместья столетиями пылилась ничем не примечательная книга учета XVI века. Никто не подозревал, что внутри ее переплета скрываются фрагменты пергамента с историями, которые переписывали монахи семь веков назад. Тайна раскрылась, когда архивариус заметил странные символы на обложке. Так началось расследование, объединившее разных ученых. Исследователи три года пытались прочитать текст, не прикасаясь к нему. Теперь они представили результат своего труда — мир получил два ранее неизвестных эпизода о волшебнике Мерлине, короле Артуре и рыцаре Гавейне.
Когда пара расстается, многие люди продолжают испытывать чувства к своим бывшим. Если разрыв произошел по инициативе другой стороны и отношения длились много лет, полностью «забыть» еще недавно близкого человека может быть непросто. Существует мнение, что и после расставания привязанность к экс-партнерам в какой-то мере сохраняется. Впрочем, согласно другой точке зрения, со временем эта эмоциональная связь ослабевает и утрачивается. Разобраться, как происходит на самом деле и сколько времени может потребоваться на полный эмоциональный разрыв с бывшими возлюбленными, взялись психологи из Иллинойсского университета в Урбане-Шампейне (США).
В двойственных, или обратимых, изображениях зритель может увидеть разные объекты в зависимости от того, на каких деталях концентрируется его внимание. Среди известных примеров таких рисунков — иллюзия «кролик-утка», сочетающая двух животных, и обратимая ваза (или ваза Рубина), которая может казаться двумя силуэтами лиц, если сосредоточиться на фоне. В соцсетях и популярных СМИ часто публикуют подобные картинки, утверждая, что по тому, какое изображение человек видит в первую очередь, можно судить о его личностных чертах и особенностях мышления. Двое психологов из Великобритании недавно проверили, так ли это на самом деле.
Масштабный анализ геномов показал, что вид Homo sapiens возник в результате смешения двух древних популяций. Они разделились полтора миллиона лет назад, а затем воссоединились до расселения по миру.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно