Систему распознавания дефектов ткани обучают для работы с гладкокрашеным материалом
Инженеры Лаборатории ПСПОД ПИШ СПбПУ дорабатывают прототип программно-аппаратного комплекса для автоматизированного обнаружения дефектов тканей.
Первая версия программного обеспечения позволяла комплексу обнаруживать и распознавать дефекты при производстве сурового полотна – неокрашенных хлопчатобумажных тканей полотняного переплетения. Функция была реализована в 2022 году. Система устанавливалась на сушильно-ширильной машине производственной линии, нейросетевые модели комплекса были обучены на датасетах, подготовленных с использованием суровых тканей. Испытания, проведенные на текстильном производстве в Ивановской области, показали, что разработка позволяет обнаружить в шесть раз больше дефектов, чем при работе вручную.
Второй этап разработки комплекса, запланированный на 2023-2024 годы, предусматривает добавление новой функции – распознавания и обнаружения дефектов гладкокрашеных тканей.
В феврале 2024 года опытный образец аппаратно-программного комплекса распознавания брака текстильной продукции был установлен на Ивановском Меланжевом комбинате для проведения испытаний и расширения базы данных дефектов.
Устройство состоит из цифровых камер и объективов, осветительных элементов, модуля обработки и хранения изображений и модуля синхронизации и управления. Ключевую роль в программном модуле обработки изображений играют нейросетевые алгоритмы обнаружения, локализации и классификации дефектов по видеоданным. Для этого используется сегментация, при которой изображение разделяется на группы пикселей, принадлежащих разным объектам.
Для качественного распознавания дефектов гладкокрашеных тканей необходимо расширение базы данных, используемых для обучения нейронных сетей. Чтобы собрать базу снимков дефектов ткани для датасета, комплекс был установлен на мерильно-браковочной машине, где выполняется разбраковка.
На текущий момент уже накоплено несколько тысяч снимков и проведена их разметка. Ряд дефектов уже распознается системой достаточно качественно. Научный коллектив продолжает расширять базу данных дефектов, и планирует тестирование наиболее актуальных нейросетевых моделей, таких как YOLOv8-11 и сети-трансформеры. Это более современные модели, которые позволят снизить требования как к объему датасета, необходимого для обучения модели, так и к вычислительным мощностям, которые нужны для запуска системы в режиме реального времени.
Специалисты Лаборатории ПСПОД ПИШ СПбПУ работают над проектом совместно с сотрудниками Ивановского государственного политехнического университета, НИУ «Высшая школа экономики» и ООО «Визиумтекс».
