Hong Kong Polytechnic University (PolyU) utvecklade nyligen ett intelligent tygdefektdetekteringssystem, kallas "WiseEye", som utnyttjar avancerad teknik inklusive artificiell intelligens (AI) och Deep Learning i processen för kvalitetskontroll (QC) inom textilindustrin. Systemet minimerar effektivt chansen att producera undermåliga tyger med 90 %, vilket avsevärt minskar förluster och svinn i produktionen. Det hjälper till att spara arbetskraft och förbättra automationshanteringen i textiltillverkningen.

Stöds av AI-baserad maskinsynsteknik, romanen "WiseEye" kan installeras i en vävmaskin för att hjälpa tygtillverkare att upptäcka defekter omedelbart i produktionsprocessen. Genom det automatiska inspektionssystemet, produktionslinjechefen kan enkelt upptäcka defekterna, vilket hjälper dem att identifiera orsaken till problemen och åtgärda dem omedelbart.

"WiseEye" är utvecklad av Textile and Apparel Artificial Intelligence (TAAI) Research Team, som leds av prof Calvin Wong, Cheng Yik Hung professor i mode vid Institute of Textiles and Clothing, PolyU.

Textiltillverkare förlitar sig för närvarande på mänskliga ansträngningar för att slumpmässigt inspektera tyget med blotta ögon. På grund av mänskliga faktorer som vårdslöshet eller fysisk trötthet, defektdetektering av mänskligt arbete är vanligtvis inkonsekvent och opålitlig. Textiltillverkare försökte också använda några andra system för tyginspektion, men dessa system kunde inte möta branschens behov. Att säkerställa kvalitet i tygproduktionen blir en stor utmaning för branschen.

Prof Calvin Wong sa, " 'Wise Eye' är ett unikt AI-baserat inspektionssystem som uppfyller textiltillverkarnas krav. Det är ett integrerat system med ett antal komponenter som utför olika funktioner i inspektionsprocessen. Systemet är inbyggt med en högeffekts LED ljusstav och en högupplöst laddningskopplad enhetskamera som drivs av en elektronisk motor och är monterad på en skena för att ta bilder av hela bredden av vävt tyg under vävningsprocessen. De tagna bilderna förbehandlas och matas in i den AI-baserade algoritmen för maskinseende för att upptäcka tygdefekter. Realtidsinformation som samlas in under detekteringsprocessen kommer att skickas till datorsystemet, och analytisk statistik och varningar kan genereras och visas när och när det behövs."

Forskargruppen har tillämpat Big Data och Deep Learning-teknologier i "WiseEye". Genom att mata in data om tusentals yards tyger i systemet, teamet har tränat "WiseEye" för att upptäcka cirka 40 vanliga tygdefekter med exceptionellt hög noggrannhet upplösning på upp till 0,1 mm/pixel.

"Med tanke på de många tygstrukturerna som ger stora variationer i tygstruktur och defekttyper, automatisk tygdefektdetektering har varit ett utmanande och oavslutat uppdrag under de senaste två decennierna. Vår innovativa introduktion av AI, Big Data och Deep Learning-teknologier till "WiseEye" är inte bara ett tekniskt genombrott som möter branschens behov; men markerar också en betydande milstolpe i kvalitetskontrollautomatiseringen för den traditionella textilindustrin, " tillade prof Wong.

"WiseEye" har ställts på prov i över sex månader i en verklig tillverkningsmiljö. Resultaten visar att systemet kan minska 90 % av förlusten och slöseriet i tygtillverkningsprocessen jämfört med traditionell visuell inspektion av människor. Det betyder att systemet hjälper till att sänka produktionskostnaderna samtidigt som det förbättrar produktionseffektiviteten.

Just nu, "WiseEye" kan appliceras på de flesta typer av tyger med olika vävstrukturer och solida färger. Forskargruppen planerar att vidareutbilda och utöka systemet för att upptäcka defekter i tyger med mer utmanande mönster, som komplicerade remsor och rutor. Det slutliga målet är att täcka alla vanliga typer av tyg på fem år.

Prof Wong och TAAI-forskargruppen har bedrivit grundläggande och tillämpad forskning om AI, datorseende och maskininlärning, specifikt för mode- och textilindustrin sedan 2012. Teamet har tidigare introducerat det första i sitt slag "FashionAI Dataset" som integrerar mode och maskininlärning för systematisk analys av modebilder genom användning av AI. Datasetet hjälper till att utveckla modebranschen och utveckla ett nytt läge för modedetaljhandel.

Områden som täcks av deras andra projekt inkluderar intelligent textilmaterial och kvalitetsinspektion av kläder, storskalig tygprov och modebildsökning och modeförsäljningsprognoser. Teamet har även samarbetat med olika lokala och internationella företag i ett antal forskningsprojekt och publicerat forskningsartiklar i världsledande tidskrifter, Inklusive IEEE-transaktioner på neurala nätverk och inlärningssystem , IEEE-transaktioner på cybernetik , och IEEE-transaktioner på bildbehandling . Vissa av artiklarna rankas av Essential Science Indicators som den översta 1% av de mest citerade artiklarna inom relaterade områden.