Обнаружение дефектов ткани на хлопчатобумажном комбинате с помощью нейросети

Сейчас на предприятиях текстильной и легкой промышленности определение сортности и выявление брака текстильных материалов - одно из наименее автоматизированных и компьютеризированных этапов технологической цепочки. В большинстве случаев используется ручной труд, в подразделениях по контролю качества заняты десятки человек, тратится огромное количество рабочего времени, однако не всегда эти затраты являются эффективными и брак может быть пропущен. Повышение качества продукции при минимальных затратах человеческого труда – одна из главных задач цифровизации промышленности.

Для автоматического контроля качества рулонных материалов, таких как ткань, бумага, пленки и т.п., требовалось создать автоматическую систему обнаружения дефектов (системы автоматического контроля качества – САКК) как части автоматической системы управления технологическим процессом. При своевременном анализе всего потока дефектов текстильных материалов и сырья это позволит значительно повысить эффективность текстильного комплекса в целом.

Широкое использование в текстильной промышленности систем автоматической обработки видеоинформации сдерживается множеством факторов: значительные информационные потоки в системах обработки сигналов; необходимость разработки специальных методов и средств обнаружения сигналов дефектов, обладающих малым отношением сигнал–шум; высокая стоимость известных систем контроля качества; большая скорость смены рисунков ткани, требующая перенастройки системы.

Разработка и апробация ИИ решения.

Группа специалистов из лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ Санкт-Петербургского политехнического университета, Национального исследовательского университета «Высшая школа экономики», Ивановского государственного политехнического университета и компании Визиумтекс разработала прототип программно-аппаратного комплекса (ПАК) для автоматизированного обнаружения дефектов тканей бесконтактным способом с помощью технического зрения и нейросети. Его разработка заняла 1 год. Решение запущено в опытную эксплуатацию на производственной линии Тейковского хлопчатобумажного комбината.

ПАК применяется на сушильно-ширильной машине, где определяет дефекты суровых тканей полотняного переплетения. Выбор участка для тестирования системы обусловлен тем, что после стадий очистки и отбелки ткани выявление дефектов перед процессами дальнейшего крашения и печати является принципиально важным для производства.

Программно-аппаратный комплекс состоит из модулей захвата изображения (цифровых камер и объективов, осветительных устройств), модуля обработки и хранения изображений и модуля синхронизации и управления. Камеры и осветители поставляются российскими поставщиками, промышленный компьютер состоит из иностранных компонентов.

Ключевую роль в программном модуле обработки изображений играют нейросетевые алгоритмы обнаружения, локализации и классификации дефектов. В реализации ПО используется глубокая сверточная нейронная сеть для семантической сегментации изображений. Для машинного обучения нейросетей была подготовлена база данных дефектов материалов полотняного переплетения после первичной отделки, которая включает в себя более 150 000 образцов тканей, предоставленных текстильными предприятиями Ивановской области.

Разработанная система обнаруживает, классифицирует дефекты и формирует выходной сигнал с информацией о них. Таким образом, оператор на производстве может быстро отреагировать на выявленный дефект, определить причину и место его возникновения и передать сведения на ответственный за этот дефект производственный участок.

Для определения названия и описания дефектов текстильных материалов при формировании базы данных был взят за основу ГОСТ № 25506-82. Поскольку «фабричный жаргон» часто не совпадает с терминами дефектов из ГОСТа и проф. литературы, исследователи составили таблицу соответствий. Это позволило дополнить базу данных дефектов и повысить точность распознавания.

Проект реализуется при финансовой поддержке Фонда содействия развитию малых форм предприятий в научно-технической сфере.

Планируемая стоимость комплекса составит около 3 – 6 млн. руб. (цена на зарубежные аналоги варьируется в диапазоне от $100 000 до $650 000).

При тестировании программно-аппаратного комплекса на образце ткани длиной 700 м система обнаружила 1363 дефекта 17 видов, наиболее характерных для полотен, прошедших операции отбеливания. Для определения степени точности выявления дефектов данный образец ткани затем отправили на ручную разбраковку в отдел контроля качества предприятия, где было выявлено 217 дефектов. Таким образом, с помощью ПАК обнаружено в 6,28 раз больше дефектов, поскольку система с высокой точностью выявляет даже мелкие недостатки, невидимые глазу при перемотке материала со скоростью до 60 метров в минуту. В дальнейшем возможно также увеличение скорости выявления дефектов.

Подобный разрыв между результатами ПАК и ОТК вызван тем, что при работе ОТК не все дефекты обнаруживаются ввиду человеческого фактора, т.к. ткань на мерильно-браковочных машинах или других участках движется с достаточно высокой скоростью, и у работника в течение рабочей смены в разные периоды времени может происходить потеря бдительности. Разработанная система не имеет таких ограничений и надежно выявляет дефекты в режиме 24/7.

Также среди обнаруженных дефектов часть приходилось на дефекты сырья, на которые работники ОТК не обращали внимания, заранее зная, что данная ткань не самого высокого качества. Система же обнаруживала все браки, которые встречались на полотне, даже такие мелкие дефекты сырья, как мушковатость.

В процессе производства информация о выявленных видах дефектов будет накапливаться в памяти компьютера. В любой момент эти данные могут быть востребованы оператором. Нужная информация может выдаваться как о конкретном рулоне, так и на протяжении всей партии. При отклонении полотна от эталона за критическое значение, которое задается заранее, на монитор будет выдаваться предупредительное сообщение со звуковым или световым сигналом.

При интеграции компьютера оператора в информационную инфраструктуру фабрики с любого ПК локальной сети можно будет наблюдать все получаемые изображения в режиме реального времени. Это позволит представителям различных служб полностью контролировать качество производимого полотна в удаленном режиме.