МТУСИ предложили метод разбраковки тканей в системах распознавания
В современном текстильном производстве контроль качества продукции занимает центральное место, поскольку такие дефекты, как несовпадение рисунка, распущенные нити и отклонения в цвете могут значительно сказаться на характеристиках конечного изделия.
До недавнего времени большинство операций по контролю качества тканей осуществлялось вручную, что позволяло выявить лишь около 70% возможных дефектов. Современные технологии предлагают новые решения — автоматизированные системы контроля качества на основе компьютерного зрения — которые уже находят применение в текстильной, деревообрабатывающей и химической промышленностях.
Система автоматического контроля качества (САКК) состоит из сканера, системы распознавания и модуля принятия решений. Одной из важных задач таких систем является определение изменения структурных свойств материалов на этапе выявления брака. Для проверки качества однотонных тканей, равно как и для выявления характерных особенностей их структуры, применяют различные методы контроля, например, оптические методы. Однако существующие алгоритмы распознавания часто не позволяют обнаруживать дефекты материалов в режиме реального времени, особенно если их количество увеличивается. Отмечается, что один из путей повышения эффективности таких систем распознавания – это создание методик предварительного анализа текстурированной геометрической пространственной модели (ткани) и усовершенствование алгоритмов обнаружения дефектов тканей в системах с эталонными моделями.
Учёные МТУСИ предложили метод формирования признаков текстурированного изображения, который может быть применен для построения математической модели текстильного материала (ткани) при решении задач автоматизации процесса разбраковки.
Новшество такого метода — создание эталонов — образцов, с которыми сравниваются изображения тканей для выявления дефектов.
«Анализ качества ткани относительно эталонного состояния позволяет выделять существенные особенности структуры ткани вплоть до анализа состояния единичных переплетений», — отмечает Сергей Александрович Рожков, профессор, д.т.н., — «При этом в данной постановке задачи ткань, как объект контроля, целесообразно рассматривать как двумерный периодический объект».
В исследовании интересным инструментом стало применение пространственной автокорреляционной функции, которая помогла учёным проанализировать структурные элементы ткани.
«Разработка модели проводилась в среде MATLAB. При выделении контуров изображения были выявлены особенности периодичности структуры ткани, а наличие корреляционного максимума позволило определить основные частоты структуры», — рассказал о ходе исследования Вячеслав Игоревич Воронов, доцент, к. т. н. «Для улучшения качества изображений применялись методы предварительной обработки изображений: коррекция яркости, устранение шумов и преобразование изображения для более детального анализа. При этом коррекция шкалы яркости позволила устранить систематические искажения исходного изображения аддитивного или мультипликативного характера».
В процессе исследования ученые обратили внимание на то, что корреляция не только усиливает основные частоты, но и выявляет скрытые периодичности в структуре ткани, что значительно усложняет задачу определения основных параметров структуры модели. В свою очередь, применение в свертке гармоник, связанных с неравномерностью структуры ткани, позволило выделить скрытую периодичность по направлению основы ткани и выделить перекос, который имел место в образце ткани. Для определения основных частот модели ткани учёные использовали энергетический спектр изображения, с помощью которого была построена эталонная моногармоническая модель ткани.
Полученные в работе результаты охватывают только один из возможных подходов при контроле качества текстильных материалов. Дальнейшие исследования перспективны, с точки зрения создания систем контроля, для всего спектра дефектов текстильных материалов (тканей), в том числе с возможностью прогнозирования их характеристик.
В дальнейшем предполагается создание систем контроля качества, способных прогнозировать и детально анализировать дефекты текстильных материалов в процессе их производства. Совершенствование средств автоматизации контроля качества текстильных материалов позволяет не только повысить эффективность производства, но и улучшить качество текстильной продукции, удовлетворяя высокие стандарты отрасли.