织物目视检测备选方案的比较

2021-04-14居盟

国际纺织导报 2021年1期

关键词：工业用织物面板

对材料的可靠控制对于所生产的商品和材料的质量和安全性非常重要。即使在今天，人类视觉检查过程仍然被大量采用，但此过程并不总如预期的那样成功。

本文示例中，检查了织物的生产缺陷，例如织造图案异常、色斑或类似异常。面临的挑战：由于材料精细，缺陷可能很小，因此很难检测。尤其是在目视检查期间，难以检测所有的异常。

目前有3种方法可用于在生产环境中直观地检查织物面板。

——检验员用肉眼检查织物是否有缺陷。这种方法经常使用，但容易出错，检测结果不准确。还有最突出的问题是非常昂贵。一方面，必须支付员工的工资；另一方面，公司会因未发现的产品缺陷而被投诉和退货。

——机器代替人查看织物面板。这种方法通常需要进行大量校准以检测任何可能的异常情况。这种方法也被称为基于规则的机器视觉检查，其结果可比人类肉眼检查更精确，但如果材料、产品或环境(如光照条件)发生变化，则需长期且多次重新校准。

——人工智能(AI)代替人查看织物面板。人工智能程序可通过先收集大量的图像来学习。随后，系统使用可用的数据进行归纳。目前，虽然缺陷检测非常快速和可靠，但所有的异常都必须提前被系统预测和导入，因为系统无法自己检测图像上新的缺陷。由于生产的大部分织物没有故障，因此收集这些数据可能非常耗时。对于新材料可能需要重新归纳一个全新的模型。除此之外，尚无别的方法解决此问题。

德国Sentin公司开发和销售了基于AI的工业用视觉检测系统。此AI系统经过训练可识别完美无瑕的织物，可学习任何精细的结构和特征。如果检测的纺织品与此不符，AI则会检测出任何异常。此检测系统最大的优点：不必将所有可能的故障都传给AI模型。取而代之的是，AI仅认知几米长的织物后，便可自动识别“干净”织物的外观，且可识别异常区域。另外，只需重新安装软件即可使用现有的摄像头系统。

图1说明了该技术的使用情况。图1a)为一片织物的特写镜头照片，右上角有一个非常微弱的异常。德国Sentin公司开发的基于AI的工业用视觉检测系统能够“提取”这种异常，如图1b)所示，瑕疵清晰可见，利于检测分析。