Kualitas Tanpa Cela: Mengklasifikasikan Jahitan pada Konveyor Bergerak dengan AI

Di dunia manufaktur pakaian dan tekstil, jahitan adalah dasar dari kualitas. Jahitan yang sempurna menjamin ketahanan, kenyamanan, dan estetika. Namun, memeriksa konsistensi dan integritas jahitan pada ribuan potong kain yang bergerak cepat di sepanjang conveyor belt selalu menjadi hambatan, yang bergantung pada kecepatan dan konsistensi mata manusia.

Saat ini, tantangan ini diatasi oleh sistem visi Mesin canggih yang didukung oleh Kecerdasan Buatan. Sistem-sistem ini tidak hanya dapat mendeteksi cacat seperti jahitan yang terlewat atau kerutan, tetapi juga dapat mengklasifikasikan mengklasifikasikan kualitas dan jenis jahitan secara real-time, membawa kecepatan dan ketepatan yang belum pernah terjadi sebelumnya pada proses kontrol kualitas akhir.

Satu. Mengapa Inspeksi Jahitan Menjadi Tantangan Besar

Memeriksa jahitan pada pakaian pada dasarnya sulit karena tiga faktor utama yang menantang otomatisasi tradisional:

1. Blur Gerakan: Pakaian tersebut berada pada conveyor yang bergerak. Mengambil gambar yang tajam dan jelas dari elemen halus dengan kontras tinggi seperti jahitan memerlukan perangkat keras khusus untuk menghentikan gerakan.

2. Variasi Kain: Permukaan kain sering kali memiliki tekstur, elastis, bermotif, atau reflektif. Variasi-variasi ini dapat mengganggu cahaya, sehingga cacat yang sebenarnya sulit dibedakan dari kerutan atau pola normal.

3. Keluguan Cacat: Cacat penting, seperti jahitan yang terlewat , putus benang, atau puckering (di mana kain mengumpul), sering kali sangat halus dan bersifat topologis (perubahan ketinggian atau bentuk), sehingga memerlukan pencahayaan khusus agar bisa terlihat.

Dua. Rancangan Sistem Visi: Bekukan, Cahayai, dan Pelajari

Untuk memeriksa dan mengklasifikasikan jahitan pada lini yang bergerak secara andal, sistem penglihatan mesin harus menjalankan tiga langkah presisi secara bersamaan:

1. Menghentikan Gerakan dengan Pencahayaan Strobo (Pembekuan)

Karena konveyor bergerak cepat, sistem tidak dapat mengandalkan gambar dengan eksposur lama. Sebagai gantinya, sistem menggunakan pencahayaan strobo —kilatan cahaya singkat dan berintensitas tinggi yang disinkronkan sempurna dengan rana kamera. Pulsa cahaya ini sangat singkat (sering kali berdurasi mikrodetik) sehingga secara efektif membekukan gerakan dari jahitan, menghasilkan gambar yang sangat jernih tanpa blur akibat gerakan.

2. Pencahayaan Khusus untuk Klasifikasi (Cahaya)

Inspeksi jahitan lebih berkaitan dengan kontras dan tekstur daripada kecerahan. Sistem menggunakan teknik pencahayaan tertentu untuk menonjolkan topologi jahitan:

(1). Pencahayaan Sudut Rendah (Lapangan Gelap): Cahaya dipancarkan pada sudut yang sangat rendah ke permukaan kain. Pada permukaan yang halus dan bebas cacat, cahaya akan memantul menjauhi kamera. Namun, tonjolan kecil dari jahitan yang baik, putusnya benang, atau ketidakteraturan pada kerutan akan scatter memantulkan cahaya, sehingga cacat tersebut tampak sebagai fitur terang dengan kontras tinggi terhadap latar belakang gelap.

(2). Pencahayaan Dome Difus: Ini digunakan untuk mengklasifikasikan jenis jahitan (misalnya, flat fell, French seam, atau overlock sederhana). Cahaya lembut dan seragam dari segala arah membantu AI melihat tepian luas yang terdefinisi dengan baik serta bayangan yang menjadi ciri konstruksi keseluruhan jahitan, mendukung identifikasi yang akurat.

3. AI untuk Pengambilan Keputusan Instan (The Learn)

Kamera menangkap gambar, dan perangkat lunak pengolahan gambar, yang sering memanfaatkan Model Deep Learning (DL) mengambil alih.

(1). Klasifikasi: Model DL, yang dilatih pada ribuan contoh, secara instan mengklasifikasikan jenis jahitan (misalnya, "Ini adalah French Seam") untuk menerapkan parameter inspeksi yang tepat.

(2). Deteksi Cacat: AI mengidentifikasi setiap anomali (bintik terang akibat putus benang atau bayangan gelap dari kerutan) dan membandingkannya dengan batas toleransi yang dapat diterima, menandai cacat seperti:

Jahitan yang Terlewat: Celah dalam pola jahitan.

Kerutan: Kumpulan kain bergelombang dan tidak rata.

Roping: Jahitan dengan ketegangan yang tidak tepat sehingga menyebabkan jahitan memutar.

Hasilnya adalah penilaian kualitas yang andal dan objektif, dilakukan dalam hitungan sepersekian detik, memungkinkan penolakan atau pengurutan barang yang cacat secara segera.

Tiga. Benang Masa Depan

Inspeksi jahitan otomatis pada conveyor yang bergerak kini telah menjadi kenyataan. Teknologi ini menurunkan tingkat penarikan produk, secara signifikan meningkatkan kualitas produk secara keseluruhan, serta mengurangi biaya tenaga kerja yang terkait dengan inspeksi manual. Bagi para produsen, teknologi ini memberikan ketenangan bahwa setiap barang yang keluar dari lini produksi memenuhi standar sempurna yang dituntut oleh pasar.

Siap mengintegrasikan presisi ke dalam lini produksi Anda?

Jelajahi bagaimana klasifikasi jahitan berbasis AI secara real-time dapat menghilangkan hambatan dan menjamin integritas tekstil Anda.