Инновационная система компьютерного зрения для эффективного контроля качества текстильной продукции в России

Исследователи из Пермского государственного национального исследовательского политехнического университета предложили инновационное решение для сокращения объемов отходов на предприятиях легкой промышленности. Одной из ключевых проблем является эффективное распознавание дефектов тканей, которые в итоге превращаются в отходы. Российские системы распознавания брака оказались недостаточно эффективными, а зарубежные аналоги оказываются дорогими и недоступными для многих предприятий. Ученые предложили улучшенный метод компьютерного зрения, который может значительно повысить эффективность выявления дефектов на ткацких производствах, обеспечивая более эффективный контроль качества и сокращение производственных потерь. Это инновационное решение предлагает новый подход к проблеме сокращения отходов и может оказать значительное воздействие на экономику и экологию отрасли.
Контроль качества играет ключевую роль в предотвращении текстильного брака на различных этапах рабочего цикла. Неверные дефекты могут возникать из-за некачественного сырья, нарушения технологического процесса или дефектов оборудования. Основной задачей является точное выявление этих недочетов. Системы контроля качества с использованием фото- и видеосъемки показывают хорошие результаты в современных условиях. Полученные изображения анализируются и сопоставляются с данными из базы, позволяя классифицировать находки по типу дефекта. Такой метод обеспечивает относительно легкое определение дыр и неравномерности окрашивания материала. Однако существующие алгоритмы не всегда способны точно оценить малозаметные перепады цвета, часто свидетельствующие о заломах ткани, или различия в плотности материала, что также является признаком дефекта. Усовершенствованный метод компьютерного зрения, предложенный учеными, может эффективно обнаруживать эти сложные дефекты, что позволит предприятиям легпрома сократить отходы и повысить качество своей продукции.
Пермские ученые усовершенствовали анализатор дефектов, разделив процесс обработки данных на две фазы: быструю и глубокую. Первая фаза алгоритма использует цветокоррекцию для нахождения возможных дефектов, учитывая различия в яркости и контрастности различных типов тканей при фото- и видеосъемке. Вторая фаза проверяет достоверность определения дефектов, выделяя их цветом и выводя результат на экран специалиста. Этот метод был протестирован на изображениях четырех видов тканей и успешно обнаруживает дефекты в плетении и окраске. Доктор технических наук, Андрей Затонский, отмечает, что в случае отсутствия дефектов на изображении, оно окрашивается в один цвет. Это усовершенствование методов контроля качества позволит предприятиям легкой промышленности более эффективно выявлять и устранять дефекты, снижая процент брака и улучшая общее качество производимой продукции.
Для каждого типа ткани ученые устанавливают типичное фоновое распределение, которое служит ориентиром при переходе от быстрой фазы обработки данных к глубокой. Это позволяет либо подтвердить факт наличия дефекта, либо опровергнуть его. Если процент фонового распределения выходит за пределы среднего значения на первом этапе, брак подтверждается, и пиксели в данной зоне окрашиваются в красный цвет для дополнительного обозначения. Разработка специалистов из университета уже продемонстрировала свою эффективность, четко обнаруживая неровности в полотне, в то время как аналоговый алгоритм не смог заметить ничего подобного. Эти инновационные методы позволят предприятиям добиться более высокого уровня контроля качества и улучшить процессы производства, снизив уровень брака и повысив общее качество продукции.