De Hong Kong Polytechnic University (PolyU) heeft onlangs een intelligent detectiesysteem voor weefseldefecten ontwikkeld, genaamd "WiseEye", die gebruikmaakt van geavanceerde technologieën, waaronder kunstmatige intelligentie (AI) en diep leren in het proces van kwaliteitscontrole (QC) in de textielindustrie. Het systeem minimaliseert effectief de kans op het produceren van ondermaatse stof met 90%, waardoor verlies en verspilling in de productie aanzienlijk worden verminderd. Het helpt om mankracht te besparen en het automatiseringsbeheer in de textielproductie te verbeteren.

Ondersteund door op AI gebaseerde machine vision-technologie, de nieuwe "WiseEye" kan in een weefmachine worden geïnstalleerd om textielfabrikanten te helpen defecten direct in het productieproces te detecteren. Door het automatische inspectiesysteem, de productielijnmanager kan de gebreken gemakkelijk detecteren, waardoor ze de oorzaak van de problemen kunnen identificeren en deze onmiddellijk kunnen oplossen.

"WiseEye" is ontwikkeld door het onderzoeksteam Textile and Apparel Artificial Intelligence (TAAI), die wordt geleid door Prof Calvin Wong, Cheng Yik Hung Professor in de mode van het Instituut voor Textiel en Kleding, PolyU.

Textielfabrikanten vertrouwen momenteel op menselijke inspanningen om de stof willekeurig met het blote oog te inspecteren. Door menselijke factoren zoals nalatigheid of fysieke vermoeidheid, defectdetectie door menselijke arbeid is meestal inconsistent en onbetrouwbaar. Textielfabrikanten probeerden ook enkele andere weefselinspectiesystemen te gebruiken, maar die systemen waren niet in staat om aan de behoeften van de industrie te voldoen. Het waarborgen van de kwaliteit in de textielproductie wordt een grote uitdaging voor de industrie.

Prof Calvin Wong zei:" 'Wise Eye' is een uniek op AI gebaseerd inspectiesysteem dat voldoet aan de eisen van textielfabrikanten. Het is een geïntegreerd systeem met een aantal componenten die verschillende functies vervullen in het inspectieproces. Het systeem is ingebed met een krachtige LED lichtbalk en een oplaadgekoppelde camera met hoge resolutie die wordt aangedreven door een elektronische motor en op een rail is gemonteerd om tijdens het weefproces beelden van de hele breedte van geweven stof vast te leggen. De vastgelegde beelden worden voorbewerkt en ingevoerd in het op AI gebaseerde machine vision-algoritme om stofdefecten te detecteren. Realtime informatie die tijdens het detectieproces wordt verzameld, wordt naar het computersysteem gestuurd, en analytische statistieken en waarschuwingen kunnen worden gegenereerd en weergegeven wanneer dat nodig is."

Het onderzoeksteam heeft Big Data en Deep Learning-technologieën toegepast in "WiseEye". Door gegevens van duizenden meters stof in het systeem in te voeren, het team heeft "WiseEye" getraind om ongeveer 40 veelvoorkomende stofdefecten te detecteren met een uitzonderlijk hoge nauwkeurigheidsresolutie tot 0,1 mm/pixel.

"Gezien de talrijke weefselstructuren die grote variaties in weefseltextuur en defecttypes geven, automatische detectie van stofdefecten is de afgelopen twee decennia een uitdagende en onvoltooide missie geweest. Onze innovatieve introductie van AI, Big Data en Deep Learning-technologieën in 'WiseEye' is niet alleen een technologische doorbraak die voldoet aan de behoeften van de industrie; maar markeert ook een belangrijke mijlpaal in de automatisering van kwaliteitscontrole voor de traditionele textielindustrie, " voegde prof Wong eraan toe.

"WiseEye" is gedurende meer dan zes maanden uitgeprobeerd in een echte productieomgeving. De resultaten tonen aan dat het systeem in staat is om 90% van het verlies en de verspilling in het fabricageproces van stoffen te verminderen in vergelijking met traditionele menselijke visuele inspectie. Dat betekent dat het systeem helpt de productiekosten te verlagen en tegelijkertijd de productie-efficiëntie te verbeteren.

Momenteel, "WiseEye" kan worden toegepast op de meeste soorten stoffen met verschillende weefstructuren en effen kleuren. Het onderzoeksteam is van plan om het systeem verder te trainen en uit te breiden om defecten te detecteren in stoffen met meer uitdagende patronen, zoals ingewikkelde strook- en ruitpatronen. Het uiteindelijke doel is om over vijf jaar alle gangbare stofsoorten te bekleden.

Prof Wong en het TAAI-onderzoeksteam hebben fundamenteel en toegepast onderzoek gedaan naar AI, computervisie en machine learning, specifiek voor de mode- en textielindustrie sinds 2012. Het team heeft eerder de eerste in zijn soort "FashionAI Dataset" geïntroduceerd die mode en machine learning integreert voor systematische analyse van modebeelden door het gebruik van AI. De dataset helpt de mode-industrie vooruit en ontwikkelt een nieuwe modus voor moderetail.

Gebieden die onder hun andere projecten vallen, zijn onder meer inspectie van intelligent textielmateriaal en kledingkwaliteit, grootschalige stofstalen en mode-afbeeldingen zoeken en modeverkoopprognoses. Het team heeft ook samengewerkt met verschillende lokale en internationale bedrijven in een aantal onderzoeksprojecten en onderzoeksartikelen gepubliceerd in toonaangevende tijdschriften, inclusief IEEE-transacties op neurale netwerken en leersystemen , IEEE-transacties op cybernetica , en IEEE-transacties bij beeldverwerking . Sommige artikelen zijn gerangschikt door Essential Science Indicators als de top 1% van de meest geciteerde artikelen op gerelateerde gebieden.