织物外观检测挑战
●织物图案可能高度复杂，而且位置变化可能会妨碍一些基于空间频率分析的简单方法的使用。
●视觉外观存在显著变化，包括：因面料的延展性而产生的变形以及其他变化，比如纱线厚度。
●织物缺陷具有无数形式和类型，明确搜寻所有缺陷并非一个可行的方式。
解决方案
有了康耐视ViDi套件后，具有复杂图案织物的自动化检测现在变得极其简单。
软件算法可以基于一组已知合格元件样本的图像自行进行训练，以创建参考模型。无需繁琐的软件开发!
当训练阶段完成后，就可以随时继续进行检测。该套件能够快速识别和报告织物上的缺陷区域。最重要的是，无需广泛的缺陷数据库!
康耐视ViDi套件
基于深度学习的工业级图像分析软软件，可实现自动检测和分类。
▪类似于人类：胜过最优秀的质量检测员
▪自主学习：无需开发软件
▪功能强大：解决无法编程的检测挑战
它是如何工作的?非常简单，只需执行下面的步骤:
1.收集“已知合格元件”的图像
2.让康耐视ViDi套件基于这些样本进行训练，以创建参考模型
3.继续进行测试
色织格子织物
在第一个色织织物例子中，我们为康耐视ViDi红色检查工具提供了一组具有代表性的合格元件图像样本，供系统在完全无监督的模式下自行学习纺织图案、纱线特性、颜色和可接受的缺陷。
当培训阶段完成后，检测流程就能够快速识别右侧图片中显示的这类缺陷。
上图：非预期的线迹
下图：纬纱浮纹
色织条纹织物
在第二个织物例子中，跟前面的例子一样，ViDi红色检查工具可以基于一组随机选择的合格元件样本图像自行学习复杂针织图案的模型。
在检测阶段，红色检查工具可以报告面料上如下图中显示的这类缺陷区域：经纱和纬纱中的针织成圈缺陷
结果和性能
这种新型方法将人类视觉检测性能引入了织物自动化质量控制设备。凭借以下优势，它完全不同于传统的机器视觉解决方案：
自主学习：进行织物检测时无需任何预先定义的缺陷数据库。相反，系统能够在完全无监督的模式下自行学习纺织图案、纱线特性、颜色和可接受的缺陷。
类似于人类：它在准确度、测试一致性和速度方面胜过最优秀的质量检测员。
性能卓越：在两个示例中，只需不到10分钟便可基于已知合格元件样本图像完成学习。它能够在织物加工的每个阶段(轧花、纺纱、切割、编织/针织、预处理、染色/印花、整理和缝合)识别出大多数类型的织物制造缺陷。
集成
康耐视ViDi套件具有自主学习能力，您可以快速、轻松部署该套件来解决各种新应用，无需任何特定的开发。
QQ交流群
