بینایی ماشین و هوش مصنوعی چیست؟

دوربین دیجیتال یا اسکنر گوشی شما اساساً دستگاهی است که داده های بصری را می گیرد. هنگامی که شما این داده ها را به رایانه می دهید، یک نرم افزار هوش مصنوعی آموزش دیده می تواند آنچه را که دستگاه «دیده است» شناسایی کند. بسته به وظیفه ای که برنامه نویس بین یادگیری تحت نظارت و بدون نظارت انتخاب می کند.

برای مثال هوش مصنوعی طراحی شده است که محل وقوع انحراف را ذخیره کند و بررسی کند که آیا داده ها با ویژگی های دیگری که آموخته است مطابقت دارند یا خیر، و غیره.

توجه داشته باشید که AI گاهی اوقات به عنوان یادگیری ماشین یا یادگیری عمیق نیز شناخته می شود.

نحوه استفاده از ماشین بینایی در صنعت نساجی

بسته به دستگاه، داده‌های بینایی ماشین خط به خط یا به صورت مساحت X پیکسل بر پیکسل Y گرفته می‌شوند. در صنعت نساجی، استفاده از دومی رایج تر است.

تضمین کیفیت/کنترل کیفیت نخ

فرایند ریسندگی نخ را ایجاد میکند. در طول فرآیند ریسندگی، الیاف کوتاه ممکن است منجر به ساختار ناهموار نخ شود و در نتیجه موهای مختلف ایجاد شود. همچنین ممکن است پیچش ناهمواری رخ دهد که منجر به نازک یا بیش از حد ضخیم شدن مکان ها شود. این عیوب باعث کاهش کیفیت پارچه بافتنی یا بافته شده و در نهایت لباس می شود. اینکه چگونه نخ باکیفیت باید در تصویر دیجیتالی به نظر برسد، به شناسایی نخ با کیفیت پایین قبل قرار گرفتن روی ماشین بافندگی کمک می کند. بینایی ماشین حتی امکان طبقه بندی نوع نقص را فراهم می کند.

بازرسی کیفیت پارچه

از زمان انقلاب صنعتی در قرن 18، دستگاه‌های بافندگی ماشینی پارچه‌ها را می‌بافند. به دلیل این خودکارسازی، کارگران انسانی باید پارچه ها را از نظر کیفیت بررسی کنند. در حالی که پارچه با سرعت معینی از جلوی این کارها عبور می کند، دارای عیوب مانند نخ پود شل، نخ کشیده شده ، لکه های روغنی از ماشین آلات، نخ های پاره شده و… هستند.

عکس های پارچه (سمت چپ) نمونه ای از عیوب پارچه و عکس (سمت راست) نمونه ای از پارچه ی سالم

تجزیه و تحلیل تصویر و یادگیری عمیق توسط بینایی ماشین

تنوع ذاتی در پارچه ها یکی از ویژگی های تعیین کننده بازرسی نساجی است. نخ‌ها و الگوهای مختلف، و همچنین رنگ‌ها یا سایر فرآیندهای پس از شکل‌گیری، همگی به شبکه‌ای از مواد اضافه می‌کنند که در آن تشخیص تفاوت بین یک نقص و یک تغییر طبیعی برای یک سیستم بینایی خودکار بسیار دشوار است.

میزان تشخیص کارگران به دلیل خستگی، سرعت پارچه متحرک (10 متر در دقیقه) و کار خسته کننده به طور متوسط 60 تا 75 درصد است. در مقابل، بینایی ماشین قابلیت شناسایی عیوب پارچه را تا 98 درصد دارد.

ماشین بینایی و هوش مصنوعی برای تشخیص روند و رنگ در باند

نمایش های مد معمولا آتش بازی رنگ ها و سبک ها هستند. در حالی که چشم انسان می تواند رنگ ها را تشخیص دهد، درک طول موج دقیق رنگ و اینکه کدام رنگ ها بیشتر رخ می دهند دشوار است.

با این حال، هوش مصنوعی می‌تواند پس‌زمینه را از داده‌های بینایی ماشین حذف کند، نور را فیلتر کند و رنگ‌ها را از جمله درصد رنگ‌های تصویر را به‌طور عینی تشخیص دهد.

برخی از برندهای مد (مانند H&M، Zara) از بینایی ماشین استفاده می کنند که روندهای تغییرات و عیوب را شناسایی می کند. در نتیجه آنها می توانند سریعتر از رقبای خود به این تغییرات پاسخ دهند. در نتیجه، آنها نه تنها نمی توانند محصولات بیشتری بفروشند، بلکه پس انداز نیز می کنند زیرا می توانند در صورت کاهش روند، تولید را متوقف کنند. محیط زیست نیز سودمند است زیرا تکنیک بینایی ماشین مقدار مازاد موجودی را که تبدیل به زباله می شود کاهش می دهد.

تولیدکنندگان زمانی که بازرسی بینایی ماشین را با بازرسی دستی مقایسه می‌کند، می گویند جایی که رول‌های نهایی توسط اپراتور روی میز بازرسی اندازه‌گیری و بریده می‌شوند. اپراتور ممکن است رول اول 100 متری را برش دهد، زمانی که اندازه گیری رول دوم شروع کند و بعد از هفت متر یک درز یا نقص بزرگی وجود داشته باشد که باید برطرف شود – آن هفت متر پارچه برای حمل بسیار کوتاه است و بنابراین هدر می رود. اگر بازرس می‌دانست که نقص در 107 متر است، می‌توانست دو رول کوتاه‌تر بسازد که همچنان با قوانین مشتری مطابقت داشته باشد و هفت متر را نجات دهد. این یک مثال نسبتاً ناخوشایند است که چگونه می‌توانید پارچه‌های زیادی را از دست بدهید، زیرا نمی‌دانید چه اتفاقی در راه است.

تشخیص ناک آف

بدیهی است که برندهای سطح بالا از تکراری شدن محصولات خود رنج می برند. افت کیفیت پایین می تواند ایمان مشتریان را به برند و تصویر برند به خطر بیندازد. در اینجا استقرار بینایی ماشین و هوش مصنوعی می تواند به شناسایی محصولات جعلی و لوگوها کمک کند. در نتیجه، برند می تواند محصولات تقلبی را قبل از ورود به بازار حذف کند.

مزایای ماشین بینایی و هوش مصنوعی در صنعت نساجی به طور خلاصه

تشخیص زودهنگام عیوب باعث کاهش هزینه ها، ضایعات و تاخیر در زمان تولید می شود. صنعت نساجی می تواند ضایعات را در فرآیند ریسندگی بازیافت کند، در حالی که برای مثال، پارچه های بافته شده برای ورود به زنجیره بازیافت به عنوان ماده پرکننده، به حمل و نقل نیاز دارند. علاوه بر این، اتوماسیون بازرسی بصری روزمره و تکراری، میزان تشخیص عیوب را افزایش می دهد، هزینه ها را کاهش می دهد و عینی است. با این حال، استفاده از بینایی ماشین با یادگیری عمیق در فرآیند بازرسی، بسته به نوع پارچه، بافت، طرح و چاپ، نیازمند نرم افزارهای متفاوتی است. در نتیجه، هزینه های اولیه برای ایجاد هوش مصنوعی ممکن است زیاد باشد.