生地の期待される性能を低下させる欠陥、または生地で作られた製品の目立つ位置に発生した場合に、購入予定者が簡単に見つけて受け入れられない欠陥は、「生地の欠陥」と呼ばれます。
これらのエラーは、機械的な理由または生地の製織中に使用される糸が原因で発生します。 生地製織企業で生産された原反生地は、製織工程後に生地品質管理テーブルで検査されます。 製織技術の進歩にもかかわらず、生地の欠陥は依然として大きなコストとなっています。 生地の欠陥は、繊維製織企業の経験豊富な品質管理担当者によって管理されています。 .
文献から得て学んだ情報によると、経験豊富な品質管理スタッフはエラーの 60 ～ 70% しか検出できません。 幅約2mの品質管理台で96～99%の効率で生産される生地は、毎分30mの速度で巻いていくしか管理できません。 生地の品質評価は客観的なものではなく、生地の欠陥について統計的な評価を行うことはできません。
自動生地品質管理方法
ファブリックの品質管理システムは、次の XNUMX つのプロセス ステップで構成できます。
• 機能の選択
• 比べる
• 決断
自動オンライン生地検査システムは、次の方法を使用して生地の欠陥を検出します。
•高度な画像分析
• ニューラル ネットワーク
• ウェーブレット パケット モデル (最適なウェーブレット パケット モデル)
•ファジーロジック法
エラーを特定するには、主に次の XNUMX つの方法があります。
1.機能ツリー
2. 数値識別
3. 技術体制
フィーチャー ツリー アプローチは、手動の生地検査における欠陥の外観を表します。
数値識別アプローチは、エラーの長さと幅を指定します。 制御方法は、能動的および受動的な性質に応じてカテゴリに分類されます。 アクティブな方法では、センサーの光源が必要です。
自動生地品質管理方法は、光の反射、レーザー光、またはビデオ画像処理に基づいています。 これらの自動化されたシステムは、ファブリックの表面で単純なフォトセル スキャンまたはキャパシタンス測定デバイスを操作します。 織布で広く使用されている電荷結合素子 CCD カメラの解像度は 2.048 ピクセルと 4.096 ピクセルです。
このようなシステムは、CCD カメラ、アナログ信号からデジタル信号へのコンバーター、画像 (画像) 記憶装置、モニターへの入力用のデジタルからアナログへのコンバーター、中央処理装置 (CPU) で構成されます。 それらは標準的なイメージ フィルター (ローパス フィルターなど) で分類され、サンプルはフーリエ変換を使用して特徴付けられます。 多くのアルゴリズムは処理時間に依存します。 したがって、ファブリック制御には専用の強力な計算ハードウェアが必要です。
画像解析方法
生地欠陥管理の主な目的は、画像に含まれる非常に詳細な情報から、研究者が関心を持つ情報のみを抽出し、その情報を評価することです。 迅速かつ効果的な方法として、画像解析システムは、さまざまな測定および制御の目的でさまざまな繊維製品に適用できます。 画像解析は、特定の目的のために画像に対して実行される操作を説明するために使用される用語です。 これらの目的は例です。 イメージを持ち運びやすい形にしたり、コンピュータのメモリに入れたりすることもあれば、見る人が興味を持っている情報だけを抽出することもあるでしょう。 一般的に使用される画像処理操作。 フィルタリング、サンプリング、分類、コーディング、特徴抽出、パターン認識、動き予測で構成されています。 生地のデジタルスキャン中に得られたデータが、同じ条件で欠陥のない生地のスキャンと比較して異なる場合、エラーの存在が明確に識別されます。 ただし、さまざまなパターン、織り構造、色、および布地のさまざまな種類の欠陥により、このプロセスが複雑になります。 したがって、プロセス全体を段階的に簡素化する必要があります。 まず第一に、生地の色付き構造をグレースケール画像で単色に縮小し、次にこの画像に他の処理ステップを適用する必要があります。
画像解析によるエラー検出には、XNUMX つの基本的な段階があります。 学習段階とも呼べる最初の段階では、障害のないファブリックに基づいて、問題のファブリックの関連パラメータの実際の限界が計算され、各機能の分類が行われます。
検査段階である第 XNUMX 段階では、関連する機能が前段階で指定された制限内にあるかどうかを比較してチェックします。 エラーの大きさは、所定の制限からの逸脱率によって決まります。 一般的な画像処理システムは、一般に XNUMX つの基本的な部分で構成されています。 これらは;
1. 画像取得ユニット: このユニットは、TV カメラ、A/D および D/A コンバーター、およびデジタル メモリで構成されます。 デジタルメモリの階調は8ビット(256桁)で、容量は1024～1024画素です。
2. 画像処理装置：この装置は主にマイコンシステムで構成されており、画像ストア内のインターフェース回路は、ディスクドライブ、プリンター、モニターと共にこのシステムに接続されています。 プロセスの主要部分はこのユニットで行われます。 このプロセスは、次の XNUMX つの単純な部分で構成されています。
• イメージ強化、
• 画像解析、
• 画像のエンコード (デジタル化)
3. モニター（表示器）
FUZZY LOGIC METHOD ( ファジーロジック ) :
2001 年、Choi らは、多種多様な生地の欠陥とその定義の不確実性に基づいて、研究にファジー論理法を使用しました。 ファジー論理は、不確実性を表現し、不確実性を処理するために確立された数学的順序として定義されています。 ファジー論理ルールが使用されるシステムでは、これらのルールのメンバーシップ関数がニューラル ネットワーク アプローチに適合されます。 この研究では、欠陥のない領域、魚 (よこ糸とたて糸の方向)、ネップ、および複合エラーのある領域を決定するために、いくつかのファジー ルールの仮定が行われました。
作成されたあいまいなルール ベースは、多くの鮮明で古典的なルールに置き換えられました。 従来のシステムベースの複雑なシステムでは、正しい決定を下すために多数のルールを適用する必要がありました。ファジー ルール アプローチは、より狭いルール ベースを使用して信頼できるルールを作成する機会を提供しました。 この研究では、ファジー論理システムを使用して生地の欠陥を判断するという考えで、4 段階のプロセス モジュールが作成されました。 これらは：
1-ファジー化、
2ファジールールベース、
3 ファジー推論
4-それらは非ファジー化プロセスです。
これら XNUMX つの段階の最後に、テスト ファブリック イメージの障害領域のエラー タイプを特定できます。 最初の段階では、エラーの最も顕著な特徴が決定され、決定的な特徴の決定後、それらのメンバーシップ関数を形成する必要がありました。つまり、それらをぼかす必要がありました。 入力パラメーターは、知識と経験に基づいて作成されたファジー セットに変換されました。 ネップと魚の欠陥を含む無地の布地の画像の測定値は変数として取得され、これらの値はファジー セットを形成するために使用されます。 ファジングの前に、古典的な言語学的説明を使用してメンバーシップ関数を作成し、エラーを識別するためにファジー ロジック システムで小、中、大の XNUMX つのフィールド レベルを作成します。
1-小面積エラーフリー
2-ミディアム サイズ エリア ネップまたはフィッシュ ディフェクト
3 つの大きな領域は、複合エラーの存在を示します。
表現するために使われる用語
第 2001 段階では、ファジー ルール ベースが作成され、エラー タイプがファジー ルールで定義されました。 ファジー論理ルールベースの形成において確率を特定の数に減らすために、結果に影響を与えない方法でいくつかの仮定が行われました。 これらのルールを利用することで、ファジー論理の基本となるファジー論理ルールベースを決定することができます。 第 512 段階では、ファジー論理規則に基づいてファジー意思決定プロセスが実行されました。 最後に、得られたファジー値をファジー集合演算の結果として奇数に変換する明確化プロセスを実行する必要がありました。 結果として; 入力メンバーシップ関数に対するエラーを示す出力メンバーシップ関数である、エラーの位置、数、およびタイプが見つかりました。 Choiの友人がファジー論理法を使用した研究では、生地の欠陥を分類することができました。 布地の欠陥制御にファジー論理規則を使用するこの方法は、人間の欠陥認識能力に似ており、従来の方法よりも優れた結果が得られることが観察されています。 ニューラル ファジー システムは、512 年に Huang と Chen が布地の欠陥を分類するために行った研究で使用されました。 このシステムは、ファジー論理手法とニューラル ネットワークのバック プロパゲーション学習アルゴリズムから作成されます。 ニューラル ネットワークとファジー ロジック システムが相互に補完するにつれて、分類能力の向上が観察されています。 ぼかしは非線形マッピング操作です。 ニューラルファジーシステムは、不確実なデータを分離し、クラス間の境界点を重ねることによって操作されました。 この研究では、無地の生地のうち 0 つが欠陥があり、1 つが欠陥のないものを使用しました。 これらのエラーは次のとおりです。 よこ糸切れ、たて糸切れ、二重たて糸、二重よこ糸、穴、よこ糸の細いテープ、油汚れ、クモの巣。 布地の画像は XNUMX x XNUMX ピクセルの解像度で撮影され、垂直方向と水平方向の欠陥の寸法を比例させることによって XNUMX つのクラスが形成されました。 エラー サイズとは別に、分類に使用されるもう XNUMX つの特徴は、画像密度です。 例えば; 二重たて糸は、たて糸破断よりも強度が高いことが観察されています。 画像強度はグレースケール分布の平均値と標準偏差として表され、欠陥領域のグレースケール平均値と標準偏差値が特徴として採用されました。 入力パラメーターは、三角形のメンバーシップ関数を使用してファジーです。 定義機能として使用される入力値は、XNUMX ～ XNUMX の数値です。 テスト段階の出力値は、学習段階のサンプルからのデータに従って計算されました。
サイロプス制御方法
織機の Barco の自動制御システムとして、織機に統合された移動カメラ システムの助けを借りて、縦糸と横糸の欠陥を識別します。 たて糸またはよこ糸のエラーが発生すると、システムが織機を停止し、警告ランプが点灯し、マイクロプロセッサの助けを借りて織機上の位置を表示し、織工による「エラーが修正されました」という警告が出るまで織機を停止します。 . Barco Weave Master モニター システムに関するすべての欠陥情報は、生地品質データベースに送信されます。 このようにして、欠陥マップ (マップ) とさまざまな種類の品質レポートが作成されます。 織機の制御システムは、織機のマイクロプロセッサにリンクされています。 各障害時間は履歴とともに記録されます。 したがって、生地ロールのエラーとより詳細な情報が品質レポートに含まれます。 Cyclops 制御システムは、Barco weavemaster に簡単に接続できます。 Barco 監視システムは、Cyclops 自動オンマシン監視システムに含めることができます.TCP/IP プロトコルを使用することにより、HUB と Bench および Barco 監視システムはイーサネット経由で相互に接続されます. 判定された欠陥の数と濃度に応じて生地を品質に分類し、原反は管理を通過して他の工程に送られます。
サイクロプス
ベンチ上のコントロールユニット、
カメラと照明ユニットから、
および動画取得
タイトルで構成されています。
決定（試験／学習）段階の間、布地のある数の位置における布地の画像が撮影され、画像処理ユニットに転送される。 ここでは、特別なアルゴリズムを使用して生地の織りを分析し、標準からの偏差をエラーとして判断します。 布の境界を自動検出し、布の位置と幅に応じてスキャン範囲を自動的に調整します。 照明とカメラの配置は、ファブリックの光学特性に応じて、ソフトウェア モジュールのキャリブレーションによって調整されます。 ファブリックの構造は、最適な欠陥検出のためのアルゴリズム パラメータを計算することによって自動的に決定されます。 Cyclops スキャン ヘッドには、カメラと照明システムが含まれています。 このシステムは、生地の欠陥の 70% を検出します。
メリット
• 引き込み、カーディングエラー、経糸切れなどの連続エラーを100%検出。
• 緯糸振れ、二重緯糸など、すべての幅の緯糸エラーを 100% 検出します。
• 織機を停止することにより、欠陥形成を即座に検出して防止し、欠陥のある生地生産を防止します。
• ヒューマン エラーとは無関係に制御を実行する。
• 生地の品質が高く、二次的な生地の形成が少ない。
• 原反制御セクションの負荷が軽減されます。
• 織機の生地の自動制御。
• Weave Master Machine 監視モニターのサポート。
• スキャン速度: 18cm\sec。
• インストールの容易さ。
• メンテナンスフリー
Qualimaster は、未加工および完成品のファブリック コントロールをサポートしています。 これらとは別に、各ファブリック ボール カットのエラー マップを決定し、対応するエラー スコアを決定します。 Qualimaster は、生地の各連またはカットの最後にラベルを印刷します。 Weavemaster 生産監視システムとともに、製織計画は、織機の Qualimaster のオンライン制御と組み合わされます。 コントロール パネルと切断ツールに応じて、このターミナルはエラー入力用の Windows ベースのグラフィカル ユーザー インターフェイスを作成します。 エラーコードは画面にボタンとして表示されます。 コントローラは、エラーに対応するボタンに触れることによってエラーを記録します。 進行中の障害、切断、および修理のために、特別なボタンが可能です。 必要に応じて、キーボードからさまざまなエラー コードを入力できます。
エラー マップを作成し、ファブリック ボールごとにスコアを計算できます。
インターフェース • 各ファブリック ロール定義のバーコード リーダーを許可 • エラー マーキング装置 • ファブリック ボールの重量を記録するためのスケール • ピース ラベルおよび欠陥マップ用のソフトウェア。 各エントリは、織機のファブリック コントロール用の緯糸カウンターに自動的に接続されます。 それらは製織中に欠陥マップの形成を提供します。 Qualimaster ファブリック コントロール ソフトウェアには、製織に応じて、たて糸の準備から糸サプライヤーまでの広範なレポートが含まれます。
Qualimaster レポートの種類
タイプ欠陥分析 欠陥率とスコアに関して、さまざまな生地タイプを比較できます。 パレート分析により、タイプごとに XNUMX 個の主要なエラーが表示されます。
インスペクター パフォーマンス レポート 各シフトの開始時に、インスペクター ファブリック レポートが開始点を示します。 このレポートには、チェックされた長さと、エラーが発生したオペレーターが示されます。 管理者は、長期間にわたって同じファブリック タイプの複数のコントローラを比較できます。 このタイプのレポートは、品質管理マネージャーが各タイプについてより多くのトレーニングを必要とし、平均よりも実行速度が遅い検査員を特定するために使用できます。 Qualimaster は、大きなボールを小さなロットに分割することを最適化します。 制御と裁断が XNUMX つの別々のステップで行われる場合、Qualimaster はエラー マップと採点基準から生地の裁断位置を決定します。 お客様のご要望に応じて、生地の長さの最小/最大、誤差箇所をご指定いただきます。
Elbit Vision I-Tex コントロール システム
制御速度300m/minでエラー検出可能。 まず、エラーのサイズと座標位置が決定され、エラーの位置がエラー マップに記録され、エラーのデジタル画像が保存されます。 このシステムのコストは、作業速度と布幅によって異なります。
ルームテックス システム要素
• ビデオ スキャナーですべてを制御
• デュアル照明モジュールとの組み合わせ
• マシンごとに作成されたプロセス
• 監視方法については、中央コンピュータは作業台の幅 390 cm まで作業できます。
識別可能なエラーの種類:
- よこ糸のたるみ
- ダブルワープ
- 製図エラー
- ダブルスカーフ
・ワープブレイク
- コームトラック
- 姿勢マーク
・ワープエンド
・油汚れ
- 密な横糸
- 穴
- バッドエッジ
- しわ
・厚いところ
- よこ糸スタッキング
I-Tex 1000 ビデオ制御システムを操作します。 エラーを自動的に検出して保存し、それらを見つけて、後で採点します。 このシステムは、0,5 mm のエラーも検出できます。 デニム生地、原反、単色染め生地が確認できます。 不織布、コーティング、カーボンウェブ、複合材料、金属ラミネート、プラスチック、紙の分野にうまく適用できます。
USTER FABRICSCAN 制御システム
最新のニューラル ネットワーク技術を使用しています。 生地の種類や特性にもよりますが、速度90m/分、最小サイズ0.3mmのエラーを検出できます。 生地幅110～440cmまで対応。 エラー分類システム Uster Fabriclass は、次のプロファイルを簡単に識別します。 エラーのサイズと性質に応じて、エラーの種類はその数と種類に分類されます。 特定の要件に従って、妨害的で刺激のないエラー クラスが生産全体で作成されます。 エラー検出には、エラー位置、エラー測定、およびエラー タイプ関数が使用されます。 取られた他の測定値は、生地の長さと幅です. 生地は、生、仕上げ（染色）、無地、ツイル、サテンのいずれかです。 エラー分類は、Demerit Error Scoring と Uster Fabriclass の XNUMX つの方法で行うことができます。 要約レポート、マシン レポート、およびシフト レポートを作成して、プロセス分析を行うことができます。 システムはエラー画像を表示できます。
生地の幅に応じて、XNUMX つ以上の特別なタイプのビデオ CCD カメラを使用して生地をスキャンします。 最初のフェーズは、学習プロセスとして数分かかります。 エラーのサイズと位置が記録され、次の XNUMX つのクラスに分類されます。
1-ワープエラー
2 よこ糸欠陥、
3-表面欠陥）とその程度
決定します。 特徴ツリー アプローチを使用して作成されたエラー分類システムには、100 種類のエラーが含まれています。 画像処理では、ビデオカメラで読み取った画像をアナログデジタル変換器でデジタル画像に変換します。 画像処理技術を使用して 1 次元配列を分析し、エラーを明らかにすることができます。 各エラーは、標準の画像処理アルゴリズムとフィルターを組み合わせて調べられます。 エラータイプは、エラー分類からの数値定義アプローチの助けを借りて決定できます。 エラー検出のために開発された技術は非常に多く、そのアプローチに従って分類されています。 各エラーは画像として保存されます。 これは広範囲に表示でき、エラー レポートと一緒に印刷できます。 ファブリックは、反射光と透過光を通過させる 3 つの複合照明モジュールの間を通過します。 照明タイプの選択は、生地の密度によって異なります。 新しい商品を制御すると、システムがファブリックの正常な外観を登録し、内部学習フェーズに移行する学習フェーズが、ファブリックの最初の XNUMX メートルで行われます. 内部学習フェーズには約 XNUMX 分かかります.商品ごとに事前に行う必要があります。 同一商品の全部品を同一基準で管理できる まとめると、以下のXNUMXつの対策で誤検出率が上がると言えます。
• 高いカメラ解像度と高速イメージング操作による制御された操作
• ファブリックの欠陥を検出するためのニューラル ネットワーク ベースの学習可能なシステム
• 欠陥の長さと色の違いに基づく欠陥の特徴の単純な識別 Zellweger Uster の自動生地検査システムは、次の機能を実行します。
• ファブリックの特徴と特定の障害を学習します。
• ファブリック内の障害の場所を特定します。
• マーキング。 • 記録、つまり記憶します。 エラー情報を自動的に分析して分類します。
システムチェックレポート
標準レポート
生地の長さと幅の測定値とは別に、生地のロールと 100 メートルあたりのエラー数に関する情報も提供します。 FABRICLASS と故障タイプに応じて、故障の正確な位置とサイズ、および故障の分類が表示されます。 特に興味深いエラーが見つかった場合は、それをクリックするだけでエラーの正確な形式が表示されます。
ポジションレポート
ファブリックの欠陥をすばやく確認できます。 特に、故障の頻度、大きさ、位置が一目でわかります。 エラーのパターンとともに、このレポートと次のレポートはプロセスの最適化に役立ちます。
エラー タイプ レポート
ユーザーは、特定のタイプのエラーが頻繁に発生するかどうかを確認できます。 さらに、レポートのデザインは、特定のタイプのエラーが商品の平均頻度よりも高い頻度で発生するかどうかを示すように設計されています。
ファブリクラスレポート
各クラスのエラーの頻度に関する情報を提供します。 リストには、色の違いと長さによって、厄介で些細なエラーが表示されます。 ファブリックの典型的な外観が変化するまで増加すると、重要でない欠陥の頻度が重要になります。
レッスンテキスタイル 
