Smidig kvalitet: Klassificering av sömmar på en rörlig bandtransportör med hjälp av AI

I kläd- och textilindustrin är den största söm är grunden för kvalitet. Ett perfekt söm är hållbart, bekvämt och estetiskt. Men det har alltid varit en flaskhals att kontrollera att sömmarna är sammanhängande och intakta över tusentals tygstycken som snabbt rör sig nerför ett transportband, eftersom man förlitar sig på hur snabbt och jämnt det går för människosynen.

Idag löser man denna utmaning med avancerade maskinseende system som drivs av artificiell intelligens. Dessa system kan inte bara upptäcka fel som hoppat stygn eller puckering men kan också klassificera kvaliteten och typen av söm i realtid, vilket ger en aldrig tidigare skådad hastighet och precision i den slutliga kvalitetskontrollprocessen.

一. Varför sömnsyn är en stor utmaning

Inspektionen av sömnsömningar är i grunden svår på grund av tre viktiga faktorer som utmanar traditionell automatisering:

1. - Motion Blur: Klädet är på en rörlig transportör. För att få en skarp, klar bild av ett känsligt, kontrastfyllt element som ett söm kräver man specialiserad hårdvara för att frysa rörelsen.

2. För att Variabilitet för tyg: Tygsytan är ofta texturerad, stretchbar, mönstrad eller reflekterande. Dessa variationer kan störa ljuset, vilket gör det svårt att skilja på en riktig defekt från en normal rynka eller mönster.

3. För att Felet är subtilt: Kritiska defekter, t.ex. skippa stygn , ett trådslag, eller kräkningar (där tyget samlas), är ofta subtila och topologiska (förändringar i höjd eller form), vilket kräver specialiserad belysning för att göra dem synliga.

- Jag är inte säker. Synsystemets plan: Frys, ljus och lär dig

För att tillförlitligt inspektera och klassificera en söm på en rörlig linje måste systemet för maskinseende utföra tre samtidiga, precisionssteg:

1. Stoppa rörelse med stroboskopisk belysning (Fryst bild)

Eftersom transportbandet rör sig snabbt kan systemet inte använda en bild med lång exponeringstid. Istället använder det stroboskopisk belysning —en kort, intensiv ljuspuls perfekt synkroniserad med kamerans slutare. Denna ljuspuls är så kort (ofta i mikrosekundslängd) att den effektivt frystillrör sömmens rörelse vilket resulterar i en kristallklar bild utan suddighet orsakad av rörelse.

2. Specialiserad belysning för klassificering (Ljuset)

Sömsinspektion handlar mindre om ljusstyrka och mer om kontrast och struktur. Systemet använder specifika belysningstekniker för att framhäva sömmens topografi:

(1). Lågvinklig belysning (mörkfält) Ljus skines i en mycket låg vinkel över tygens yta. På en slät, felfri yta studsar ljuset bort från kameran. Men den lätt upphöjda kammen vid en bra söm, en avbruten tråd eller ojämnheten vid veckning kommer spridning ljuset, vilket gör felet synligt som en ljus, kontrastrik figur mot en mörk bakgrund.

(2). Diffust kupolljus: Detta används för att klassificera sömtyp (t.ex. plattfälts, fransk söm eller enkel overlock). Mjukt, jämnt ljus från alla riktningar hjälper AI:n att se de breda, väldefinierade kanter och skuggor som kännetecknar sömens allmänna konstruktion, vilket underlättar korrekt identifiering.

3. AI för omedelbar beslutsfattande (The Learn)

Kameran fångar upp bilden, och bildbehandlingsprogramvaran, ofta med stöd av Djupinlärning (DL) modeller, tar över.

(1). Klassificering: DL-modellen, tränad på tusentals exempel, klassificerar automatiskt sömmens typ (t.ex. "Detta är en fransk söm") för att tillämpa rätt granskningsparametrar.

(2). Defektidentifiering: AI:n identifierar eventuella avvikelser (ljusa fläckar från trasig tråd eller mörka skuggor från veckning) och jämför dem med acceptabla toleransgränser, och markerar fel som:

Hoppar stängsel: Glapp i stickmönstret.

Veckning: Vågformad, ojämn samling av tyget.

Roping: En söm med felaktig spänning som gör att sömmen vrids.

Resultatet blir en tillförlitlig, objektiv kvalitetsbedömning som utförs på en bråkdel av en sekund, vilket möjliggör omedelbar avvisning eller sortering av felaktiga föremål.

Tre. Tråden till framtiden

Automatiserad sömsynskontroll på en rörlig bandtransport är nu verklighet. Denna teknik minskar återkallanden, förbättrar produkternas totala kvalitet avsevärt och sänker arbetskostnader kopplade till manuell kontroll. För tillverkare innebär det trygghet i att varje produkt som lämnar produktionen uppfyller exakta, felfria standarder enligt marknadens krav.

Redo att införliva precision i din produktionslinje?

Utforska hur realtidsbaserad, AI-driven sömklassificering kan eliminera flaskhalsar och garantera textiliernas integritet.