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 Изучив поведение 69 видов птиц в разных областях Западных Гат (Индия), международная исследовательская группа наконец объяснила, почему территориальные и всеядные птицы чаще других поют по утрам.
Среди ныне живущих морских обитателей осталось всего несколько так называемых «живых» ископаемых вроде латимерии или мечехвоста. Остальных мы знаем по уцелевшим остаткам. Новый вид древней рыбы обнаружили палеонтологи в девонском песчанике Канадской Арктики. Судя по найденным зубам и челюстям, рыба была в разы меньше своих родственников, а значит, могла жить в реках, что необычно для этих существ.
Наблюдая ранние этапы рождения землеподобных миров, астрономы приблизились к решению «метрового барьера» — проблемы роста пылевых зерен до размеров, необходимых для формирования планет.
Изучив поведение 69 видов птиц в разных областях Западных Гат (Индия), международная исследовательская группа наконец объяснила, почему территориальные и всеядные птицы чаще других поют по утрам.
Среди ныне живущих морских обитателей осталось всего несколько так называемых «живых» ископаемых вроде латимерии или мечехвоста. Остальных мы знаем по уцелевшим остаткам. Новый вид древней рыбы обнаружили палеонтологи в девонском песчанике Канадской Арктики. Судя по найденным зубам и челюстям, рыба была в разы меньше своих родственников, а значит, могла жить в реках, что необычно для этих существ.
Наблюдая ранние этапы рождения землеподобных миров, астрономы приблизились к решению «метрового барьера» — проблемы роста пылевых зерен до размеров, необходимых для формирования планет.
Вид антилоп, с ледникового периода привыкший к массовым миграциям, пытается вернуться в свой исторический ареал, когда-то достигавший Днепра. Однако их нетипичные для травоядных привычки вызывают сильнейшее отторжение у сельских жителей, предлагающих массово уничтожать их с воздуха. С экологической точки зрения возвращение этих животных весьма желательно, но как примирить их с фермерами — неясно.
Недавно вышел второй сезон сериала «Одни из нас» (TheLastofUs), созданного по сюжету популярнейшей видеоигры. Ученые Пермского Политеха решили разобраться, насколько реален сценарий грибной пандемии, превращающей людей зомби? Чем живет кордицепс и как он «ищет» своих жертв, действительно ли паразит способен эволюционировать настолько, чтобы поражать человеческий организм и подчинять себе его волю, был бы у людей шанс выжить, какие грибы уже поселились в наших телах и выручит ли нас иммунитет, сформированный тысячелетиями.
Казахстанский Алматы — город контрастов, где горы соседствуют с урбанистическими пейзажами, а бизнес-центры — с историческими кварталами. Неизменным остается одно — пробки. Ежедневно сюда приезжает более 700 тысяч автомобилей из пригородов, при этом в самом мегаполисе зарегистрировано порядка 600 тысяч транспортных средств. В результате по улицам ежедневно движется более миллиона транспортных средств.
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