Систему компьютерного зрения, которая автоматически распознает дефекты на тканях, производимых текстильной промышленностью, усовершенствовали специалисты Пермского национального исследовательского политехнического университета (ПНИПУ), сообщает 24 апреля пресс-служба вуза.

При производстве тканей на ней возникают различные внешние дефекты (дыры, неравномерное окрашивание полотен и др.), которые без специальных систем обнаружения брака сложно выявить и, главное, своевременно устранить причину, чтобы сократить объем бракованной продукции.

В настоящее время системы контроля качества продукции часто используют методы компьютерного зрения, которые обрабатывают изображения, полученные фото- и видеосъемкой, и выявляют брак в изделии. Однако, чтобы контроль был качественным, такие системы должны учитывать все виды брака.

Поскольку в России практически нет отечественных комплексов, которые бы обеспечивали полный контроль качества в текстильной промышленности, ученые ПНИПУ решили восполнить этот пробел. Они усовершенствовали метод компьютерного зрения таким образом, чтобы можно было быстро и точно выявлять всевозможные дефекты в ткани.

Результаты своей работы они представили в статье «Программное обеспечение для обнаружения дефектов изображений полноформатных текстур в текстильной промышленности», опубликованной в сборнике AIP Conference Proceedings, 2024 год.

Система распознавания брака с помощью компьютерного зрения в общем случае считывает изображения с датчиков, оснащенных камерой, корректирует эти изображения, удаляя шумы, размытия и другие помехи, и правильно находит места с дефектами.

Соответствующий алгоритм распознавания границ изображений может опираться на различные методы. Одним из широко применяемых является метод нечеткой логики, который при обработке фото и видеосъемки в соответствии с базой данных определяет степень принадлежности элементов к тому или иному виду (брак или нет, а если брак, то какого типа).

Такой алгоритм подходит для обнаружения дефектов текстильных изделий, однако существующий его прототип не учитывает нерезкие цветовые перепады изображения, по которым можно определить как заломы (неровность полотна), так и неравномерность плотности полотна.

Ученые Пермского Политеха усовершенствовали существующий алгоритм, чтобы исключить этот его недостаток. Заведующий кафедрой «Автоматизация технологических процессов» Березниковского филиала ПНИПУ доктор технических наук Андрей Затонский рассказал, как они это сделали:

«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».

Тестовая проверка нового алгоритма на примере ткани с дефектом неровности полотна показала, что этот брак обнаружила только программа пермских ученых.

В новом алгоритме изображение разделяется на две основные части (общий фон и дефект, если он есть). При пропускании изображения, в котором нет брака, через систему нечеткого вывода, на выходе изображение будет или полностью окрашено одним цветом, или содержать минимальные примеси других цветов.

Политехники определили среднее фоновое распределение (типичное для конкретной ткани соотношение текстуры и фона) для текстур каждого типа материала. Для джинсовой ткани оно равно 72%, для льняной — 67% и т. д.

Этот параметр они использовали для перехода от первой фазы анализа ко второй, где подтверждается или отрицается наличие дефекта. Брак в первой фазе определяется, если процент фонового распределения на каком-либо участке ткани значительно отличается от среднего значения.

На второй фазе соответствующие браку пиксели на изображении помечаются красным цветом, и оператор получает сигнал о наличии дефекта.

Бюджетная по стоимости и не трудозатратная по обслуживанию универсальная система для распознавания дефектов в текстильной промышленности, усовершенствованная учеными ПНИПУ, позволит быстро и точно определять изъяны в материале на любом этапе производства, что позволит российским производителям повысить качество продукции и снизить затраты на брак, уверены разработчики.