Il team del Prof Wong integra Intelligenza Artificiale, Grandi dati, Tecnologie di Deep Learning e Machine-vision in "WiseEye" che migliorano l'automazione del controllo di qualità nella produzione tessile. Credito:Università politecnica di Hong Kong
La Hong Kong Polytechnic University (PolyU) ha recentemente sviluppato un sistema intelligente di rilevamento dei difetti del tessuto, chiamato "WiseEye", che sfrutta tecnologie avanzate tra cui l'intelligenza artificiale (AI) e il Deep Learning nel processo di controllo della qualità (QC) nell'industria tessile. Il sistema riduce efficacemente del 90% la possibilità di produrre tessuto scadente, riducendo così sostanzialmente le perdite e gli sprechi nella produzione. Aiuta a risparmiare manodopera e a migliorare la gestione dell'automazione nella produzione tessile.
Supportato dalla tecnologia di visione artificiale basata sull'intelligenza artificiale, il nuovo "WiseEye" può essere installato in una macchina per tessere per aiutare i produttori di tessuti a rilevare istantaneamente i difetti nel processo di produzione. Attraverso il sistema di ispezione automatica, il responsabile della linea di produzione può facilmente rilevare i difetti, aiutandoli così a identificare la causa dei problemi e risolverli immediatamente.
"WiseEye" è sviluppato dal team di ricerca di Textile and Apparel Artificial Intelligence (TAAI), che è guidato dal prof Calvin Wong, Cheng Yik Hung Professore di Moda dell'Istituto di Tessile e Abbigliamento, PolyU.
I produttori tessili attualmente si affidano agli sforzi umani per ispezionare casualmente il tessuto a occhio nudo. A causa di fattori umani come negligenza o affaticamento fisico, il rilevamento dei difetti da parte del lavoro umano è solitamente incoerente e inaffidabile. I produttori tessili hanno anche tentato di utilizzare altri sistemi di ispezione dei tessuti, ma quei sistemi non erano in grado di soddisfare le esigenze del settore. Garantire la qualità nella produzione dei tessuti diventa una grande sfida per l'industria.
Il professor Calvin Wong ha detto:" 'Wise Eye' è un esclusivo sistema di ispezione basato sull'intelligenza artificiale che soddisfa i requisiti dei produttori tessili. È un sistema integrato con una serie di componenti che svolgono diverse funzioni nel processo di ispezione. Il sistema è integrato con un LED ad alta potenza barra luminosa e una fotocamera con dispositivo ad accoppiamento di carica ad alta risoluzione che è azionata da un motore elettronico ed è montata su un binario per acquisire immagini dell'intera larghezza del tessuto durante il processo di tessitura. l'algoritmo di visione artificiale basato sull'intelligenza artificiale per rilevare i difetti del tessuto. Le informazioni in tempo reale raccolte durante il processo di rilevamento verranno inviate al sistema informatico, e statistiche analitiche e avvisi possono essere generati e visualizzati come e quando necessario."
"WiseEye" è stato messo alla prova per oltre sei mesi in un ambiente di produzione reale. I risultati mostrano che il sistema è in grado di ridurre del 90% le perdite e gli sprechi nel processo di produzione dei tessuti. Credito:Università politecnica di Hong Kong
Il team di ricerca ha applicato le tecnologie Big Data e Deep Learning in "WiseEye". Inserendo i dati di migliaia di metri di tessuti nel sistema, il team ha addestrato "WiseEye" a rilevare circa 40 difetti comuni del tessuto con una risoluzione di precisione eccezionalmente elevata fino a 0,1 mm/pixel.
"In considerazione delle numerose strutture del tessuto che danno grandi variazioni nella trama del tessuto e nei tipi di difetti, il rilevamento automatico dei difetti del tessuto è stata una missione impegnativa e incompiuta negli ultimi due decenni. La nostra innovativa introduzione dell'IA, Le tecnologie Big Data e Deep Learning in "WiseEye" non sono solo una svolta tecnologica che soddisfa le esigenze del settore; ma segna anche una pietra miliare significativa nell'automazione del controllo qualità per l'industria tessile tradizionale, " ha aggiunto il professor Wong.
"WiseEye" è stato messo alla prova per oltre sei mesi in un ambiente di produzione reale. I risultati mostrano che il sistema è in grado di ridurre del 90% le perdite e gli sprechi nel processo di produzione dei tessuti rispetto all'ispezione visiva umana tradizionale. Ciò significa che il sistema aiuta a ridurre i costi di produzione migliorando allo stesso tempo l'efficienza della produzione.
Al momento, "WiseEye" può essere applicato alla maggior parte dei tipi di tessuti con diverse strutture di tessitura e colori a tinta unita. Il team di ricerca prevede di addestrare ed estendere ulteriormente il sistema per rilevare i difetti nei tessuti con modelli più impegnativi, come strisce complicate e modelli di controllo. L'obiettivo finale è quello di coprire tutti i comuni tipi di tessuto entro cinque anni.
Il professor Wong e il team di ricerca TAAI hanno condotto ricerche fondamentali e applicate sull'IA, visione artificiale e apprendimento automatico, specificamente per l'industria della moda e del tessile dal 2012. Il team ha già introdotto il primo nel suo genere "FashionAI Dataset" che integra moda e apprendimento automatico per l'analisi sistematica delle immagini di moda attraverso l'uso dell'intelligenza artificiale. Il set di dati aiuta a far progredire l'industria della moda e a sviluppare una nuova modalità per la vendita al dettaglio di moda.
Le aree coperte dai loro altri progetti includono l'ispezione intelligente dei materiali tessili e dell'abbigliamento, Campione di tessuto su larga scala e ricerca di immagini di moda e previsioni di vendita di moda. Il team ha anche collaborato con varie aziende locali e internazionali in una serie di progetti di ricerca e ha pubblicato articoli di ricerca su riviste leader a livello mondiale, Compreso Transazioni IEEE su reti neurali e sistemi di apprendimento , Transazioni IEEE sulla cibernetica , e Transazioni IEEE sull'elaborazione delle immagini . Alcuni degli articoli sono classificati da Essential Science Indicators come il primo 1% degli articoli più citati in campi correlati.