Naadloze kwaliteit: het classificeren van naden op een bewegende transportband met AI

In de wereld van kleding en textielproductie is de naad de basis van kwaliteit. Een perfect genaaide naden zorgt voor duurzaamheid, comfort en esthetiek. Toch was het controleren van de consistentie en integriteit van naden over duizenden stukken stof die snel over een transportband bewegen altijd een knelpunt, afhankelijk van de snelheid en consistentie van het menselijk oog.

Vandaag wordt deze uitdaging opgelost door geavanceerde machinevisie systemen aangedreven door kunstmatige intelligentie. Deze systemen kunnen niet alleen gebreken zoals overgeslagen steken of plooivorming detecteren, maar ook indelen de kwaliteit en het type naad in real-time beoordelen, waardoor ongekende snelheid en precisie worden gebracht in het laatste kwaliteitscontroleproces.

Een. Waarom nadeninspectie een grote uitdaging is

Het inspecteren van naden is fundamenteel moeilijk vanwege drie belangrijke factoren die traditionele automatisering uitdagen:

1. Bewegingsonscherpte: Het kledingstuk bevindt zich op een bewegende transportband. Om een scherp, duidelijk beeld te maken van een fijn, hoogcontrastelement zoals een naden, is gespecialiseerde hardware nodig om de beweging stil te zetten.

2. Variabiliteit van stof: Stoffen zijn vaak textuurrijk, rekbaar, bedrukt of reflecterend. Deze variaties kunnen invloed hebben op het licht, waardoor het moeilijk wordt om een echte fout te onderscheiden van een normale plooien of patroon.

3. Subtiliteit van fouten: Kritieke fouten, zoals een overgeslagen steek , een draadbreuk of krimpeling (waarbij de stof samengetrokken raakt), zijn vaak subtiel en topologisch (veranderingen in hoogte of vorm), wat gespecialiseerde verlichting vereist om ze zichtbaar te maken.

Twee. De blauwdruk van het visiesysteem: bevriezen, belichten en leren

Om een naden op een bewegende lijn betrouwbaar te inspecteren en te classificeren, moet het machinevisiesysteem drie gelijktijdige, precisie-stappen uitvoeren:

1. Beweging stoppen met stroboscoopverlichting (Het bevriezen)

Aangezien de transportband snel beweegt, kan het systeem niet vertrouwen op een opname met lange sluitertijd. In plaats daarvan gebruikt het stroboscoopverlichting —een korte, intensieve lichtflits die perfect gesynchroniseerd is met de sluiter van de camera. Deze lichtpuls is zo kort (vaak microseconden) dat deze effectief de beweging bevriest van de naad, wat resulteert in een kristalheldere afbeelding zonder bewegingsonscherpte.

2. Gespecialiseerde verlichting voor classificatie (Het licht)

Nadinspectie draait minder om helderheid en meer om contrast en textuur. Het systeem maakt gebruik van specifieke verlichtingstechnieken om de topologie van de naad te benadrukken:

(1). Verlichting onder een lage hoek (Dark Field): Er wordt licht onder een zeer kleine hoek op het weefseloppervlak geschenen. Op een glad, foutloos oppervlak kaatst het licht weg van de camera. Echter, de licht verhoogde richel van een goede steek, een gebroken draad of de onregelmatigheid van plooivorming zal verspreiden het licht reflecteren, waardoor de fout zichtbaar wordt als een heldere, hoogcontrasterende kenmerk tegen een donkere achtergrond.

(2). Diffuus koepellicht: Dit wordt gebruikt om het steektype (bijvoorbeeld platte naad, franse naad of eenvoudige overlock) te classificeren. Zacht, uniform licht vanuit alle richtingen helpt de AI bij het herkennen van brede, duidelijk afgebakende randen en schaduwen die typerend zijn voor de algehele constructie van de naad, wat leidt tot nauwkeurige identificatie.

3. AI voor directe besluitvorming (Het Leren)

De camera neemt de afbeelding op, en de beeldverwerkingssoftware, vaak gebruikmakend van Deep Learning (DL) modellen, neemt het over.

(1). Classificatie: Het DL-model, getraind op duizenden voorbeelden, classificeert direct het type naad (bijvoorbeeld "Dit is een Franse naad") om de juiste inspectieparameters toe te passen.

(2). Defectdetectie: De AI detecteert eventuele afwijkingen (lichte plekken door een gebroken draad of donkere schaduwen door plooien) en vergelijkt deze met aanvaardbare tolerantiegrenzen, waardoor defecten zoals:

Overgeslagen steken: Openingen in het steekpatroon.

Plooien: Golvende, ongelijkmatige verzameling van de stof.

Roping: Een verkeerd geploegde steek die ervoor zorgt dat de naad draait.

Het resultaat is een betrouwbare, objectieve kwaliteitsbeoordeling die in een fractie van een seconde wordt uitgevoerd, waardoor direct afwijkingen kunnen worden afgewezen of gesorteerd.

Drie. De draad van de toekomst

Geautomatiseerde nadeninspectie op een bewegende transportband is nu werkelijkheid. Deze technologie verlaagt de terugroepkosten, verbetert aanzienlijk de algehele productkwaliteit en vermindert de arbeidskosten die gepaard gaan met handmatige inspectie. Voor fabrikanten biedt het de geruststelling dat elk item dat de lijn verlaat voldoet aan de exacte, foutloze normen die de markt stelt.

Klaar om precisie te integreren in uw productielijn?

Ontdek hoe real-time, AI-gestuurde nadenclassificatie knelpunten kan elimineren en de integriteit van uw textielproducten kan garanderen.