Forskere udvikler AI-drevet system til at automatisere kvalitetskontrolprocesser i tekstilindustrien

Hong Kong Polytechnic University (PolyU) har for nylig udviklet et intelligent stoffejldetekteringssystem, kaldet "WiseEye", som udnytter avancerede teknologier, herunder kunstig intelligens (AI) og dyb læring i processen med kvalitetskontrol (QC) i tekstilindustrien. Systemet minimerer effektivt chancen for at producere substandard stof med 90%, hvilket reducerer tab og spild i produktionen betydeligt. Det hjælper med at spare arbejdskraft samt forbedre automatiseringsstyringen i tekstilfremstillingen.

Understøttet af AI-baseret maskinsynsteknologi, romanen "WiseEye" kan installeres i en vævemaskine for at hjælpe stofproducenter med detektere fejl øjeblikkeligt i produktionsprocessen. Gennem det automatiske inspektionssystem, produktionslinjelederen kan let opdage fejlene, dermed hjælpe dem med at identificere årsagen til problemerne og rette dem med det samme.

"WiseEye" er udviklet af Textile and Apparel Artificial Intelligence (TAAI) Research Team, som står i spidsen for prof. Calvin Wong, Cheng Yik Hung professor i mode ved instituttet for tekstiler og tøj, PolyU.

Tekstilproducenter er i øjeblikket afhængige af menneskelige bestræbelser på tilfældigt at inspicere stoffet med blotte øjne. På grund af menneskelige faktorer som uagtsomhed eller fysisk træthed, defektopdagelse ved menneskeligt arbejde er normalt inkonsekvent og upålidelig. Tekstilproducenter forsøgte også at bruge nogle andre stofinspektionssystemer, men disse systemer var ikke i stand til at opfylde branchens behov. At sikre kvalitet i stofproduktionen bliver en stor udfordring for industrien.

Professor Calvin Wong sagde:"'Wise Eye' er et unikt AI-baseret inspektionssystem, der opfylder tekstilproducenternes krav. Det er et integreret system med en række komponenter, der udfører forskellige funktioner i inspektionsprocessen. Systemet er integreret med en LED med høj effekt lysbjælke og et højopløselig ladetilkoblet apparatkamera, der drives af en elektronisk motor og er monteret på en skinne for at fange billeder af hele bredden af ​​vævet stof under væveprocessen. De optagede billeder forbehandles og føres ind i den AI-baserede maskinsynalgoritme til at detektere stofdefekter. Realtidsinformation indsamlet under hele detektionsprocessen sendes til computersystemet, og analytisk statistik og advarsel kan genereres og vises efter behov. "

Forskerteamet har anvendt Big Data og Deep Learning -teknologier i "WiseEye". Ved at indsætte data om tusinder meter stof i systemet, teamet har trænet "WiseEye" til at opdage omkring 40 almindelige stofdefekter med en usædvanlig høj nøjagtighedsopløsning på op til 0,1 mm/pixel.

"I betragtning af de mange stofstrukturer, der giver store variationer i stoftekstur og defekttyper, automatisk detektion af stofdefekter har været en udfordrende og uopklaret mission i de sidste to årtier. Vores innovative introduktion af AI, Big Data og Deep Learning -teknologier i 'WiseEye' er ikke alene et teknologisk gennembrud, der opfylder branchens behov; men markerer også en betydelig milepæl i kvalitetskontrolautomatiseringen for den traditionelle tekstilindustri, "tilføjede prof Wong.

"WiseEye" er blevet prøvet i over seks måneder i et virkeligt produktionsmiljø. Resultater viser, at systemet er i stand til at reducere 90% af tab og spild i tekstilfremstillingsprocessen sammenlignet med traditionel menneskelig visuel inspektion. Det betyder, at systemet hjælper med at reducere produktionsomkostninger og samtidig øge produktionseffektiviteten på samme tid.

I øjeblikket, "WiseEye" kan anvendes på de fleste typer stoffer med forskellige vævestrukturer og solide farver. Forskergruppen planlægger at videreuddanne og udvide systemet til at opdage defekter i stoffer med mere udfordrende mønstre, såsom kompliceret strimmel og tjekmønstre. Det ultimative mål er at dække alle almindelige slags stof om fem år.

Prof Wong og TAAI -forskergruppen har udført grundlæggende og anvendt forskning om AI, computersyn og maskinlæring, specifikt til mode- og tekstilindustrien siden 2012. Teamet har tidligere introduceret det første af sin slags "FashionAI Dataset", der integrerer mode og maskinlæring til systematisk analyse af modebilleder ved hjælp af AI. Datasættet hjælper med at fremme modeindustrien og udvikle en ny mode til mode detailhandel.

Områder omfattet af deres andre projekter omfatter intelligent tekstilmateriale og kvalitetskontrol af beklædning, storskala stofprøve og modebilledesøgning og prognoser for modesalg. Teamet har også samarbejdet med forskellige lokale og internationale virksomheder i en række forskningsprojekter og publiceret forskningsartikler i verdensledende tidsskrifter, inklusive IEEE -transaktioner på neurale netværk og læringssystemer , IEEE -transaktioner om cybernetik , og IEEE -transaktioner om billedbehandling . Nogle af artiklerne er rangeret efter Essential Science Indicators som den øverste 1% af de mest citerede artikler inden for beslægtede områder.