TSFabrics: مجموعة بيانات أقمشة متسلسلة زمنياً للكشف الفوري عن العيوب على آلات الحياكة الدائرية

مراقبة القماش أثناء ولادته

عند شراء الملابس أو أغطية السرير، نادراً ما نفكر في الآلات التي تحيك الأقمشة بلا انقطاع في المصانع. ومع ذلك، يمكن لخلل واحد غير ملحوظ في ذلك القماش المتدفق أن يتحول إلى هدر في المادة وتكاليف أعلى. يقدم هذا المقال TSfabrics، نوعاً جديداً من مجموعات الصور التي تساعد الحواسيب على مراقبة القماش في الزمن الحقيقي، إطاراً تلو الآخر، بحيث تتمكن من رصد العيوب الحقيقية مع تجاهل العلامات غير الضارة التي تظهر طبيعياً أثناء الإنتاج.

من الصور الثابتة إلى القماش المتحرك

معظم مجموعات بيانات فحص الأقمشة الموجودة مبنية على صور مفردة ومعزولة. قد تنجح هذه اللقطات في المختبر، لكنها تفشل في التقاط كيفية إنتاج القماش فعلياً على آلات الحياكة الدائرية، حيث يظهر القماش في تيار مستمر. في المصانع الحقيقية، تركز الكاميرات على نفس رقعة القماش المتحركة وتلتقط تسلسلاً سريعاً من الصور مع مرور الوقت. يجادل المؤلفون بأن تدريب أنظمة الكشف على الصور الثابتة فقط يترك فجوة: النماذج التي تبدو جيدة على الورق قد تفشل عند نشرها على خط إنتاج حقيقي، حيث تتغير النسيج والإضاءة باستمرار.

لماذا «خطوط القص» ليست أخطاء

تقوم آلات الحياكة الدائرية بشكل دوري بوضع خطوط رفيعة على القماش، تُعرف بخطوط القص، لتوجيه القص والمعالجة لاحقاً. في صورة ثابتة، تبدو خطٌّ القص مشابهاً كثيراً لعيب لأنه يكسر النسيج المنتظم للقماش. غالباً ما تعامل مجموعات البيانات القديمة أي شذوذ من هذا النوع كأنه تلف. ونتيجة لذلك، قد تثير النماذج المدربة عليها إنذارات كاذبة كلما رأت هذه العلامات المقصودة. يتعامل TSfabrics مع هذه المسألة من خلال تضمين عينات خالية من العيوب وصوراً تظهر فيها خطوط القص بوضوح لكنها مُوسومة كحالة طبيعية. تمييزات مستوى البكسل تفرّق صراحةً بين خطوط القص والعيوب الحقيقية، ما يعلّم الأنظمة أن كل خط غريب المظهر لا يستدعي توجيه إنذار لوقف الخط.

التقاط ظروف المصانع الحقيقية

تتألف مجموعة TSfabrics من 93,196 صورة رمادية مسجلة كسلاسل زمنية عبر 22 سيناريو إنتاج حقيقي. القماش مأخوذ من آلة حياكة دبل جيرسي دائرية تنتج ثلاثة تركيبات حياكة شائعة. تلتقط الكاميرا بمعدل ثابت يبلغ 30 إطاراً في الثانية بينما تتغير سرعة الآلة ونوع القماش، لذا تُظهر بعض التسلسلات العديد من الرؤى المتداخلة لكل دورة وأخرى عددًا قليلاً فقط. تُترك الإضاءة لتتغير طبيعياً، من ظروف مظلمة إلى ساطعة، تماماً كما في مطحنة مشغولة. تغطي مجموعة البيانات كلّاً من دورات خالية من العيوب وسبعة أنواع عيوب حقيقية، بما في ذلك غرز مفقودة، ثقوب، وبرزة، بقع زيت، تشوّهات القماش، وأشرطة لونية، وكلها مُعلّمة بعناية على مستوى البكسل.

كيف تساعد السلاسل الزمنية في كشف المشاكل

من خلال الاحتفاظ بالتسلسلات الكاملة من الصور بدلاً من إطارات منتقاة، تتيح TSfabrics لأنظمة الكشف استخدام ليس فقط شكل القماش في لحظة معينة، بل كيف يتطور نسيجه عبر الزمن. يبني المؤلفون نظاماً أساسياً يجمع بين شبكة عصبونية ثلاثية الأبعاد، قادرة على رؤية الحركة عبر الإطارات المتتالية، ومكوّناً ذاكرة يتتبع الأنماط. باستخدام هذا الإعداد، يختبرون مدى استمرار أداء الكشف عندما تتغير الإضاءة أو عندما تعمل الآلة أبطأ أو أسرع من ظروف التدريب. يجدون أن أداء النماذج يكون جيداً عندما تطابق الإضاءة والسرعة ظروف التدريب، لكن الدقة تنخفض بشكل حاد في ظل إضاءات جديدة، خاصةً عندما تصبح المشاهد أكثر ظلمة. كما تتعامل النماذج بشكل أفضل مع سرعات آلة أعلى من المتوقع مقارنةً بالسرعات الأبطأ، حيث يمكن أن تربك كثافة الإطارات الأعلى النظام إذا لم يشهد مثل هذا التكرار الكثيف سابقاً.

ماذا يعني هذا للنسيج اليومي

بالنسبة لغير المتخصصين، الرسالة الأساسية هي أن فحص القماش أثناء الحركة يختلف تمام الاختلاف عن فحص رزمة من الصور الثابتة. تقرّب TSfabrics الباحثين من العالم الحقيقي من خلال التقاط تيارات مستمرة من صور القماش تحت سرعات وإضاءات ومواد متغيرة، وبوسم دقيق لما هو فعلاً معيب وما هو جزء طبيعي من العملية، مثل خطوط القص. ينبغي أن تساعد هذه الرؤية الأكثر ثراءً مفتّشي المستقبل الآليين على التركيز على العيوب ذات الأهمية، تقليل الهدر، ودعم رقابة جودة أكثر موثوقية في المنسوجات التي تنتهي في خزائننا ومنازلنا.

الاستشهاد: Ni, YQ., Huang, PK., Wang, WJ. et al. TSFabrics: A Time-Series Fabric Dataset for Real-Time Defect Detection on Circular Knitting Machines. Sci Data 13, 379 (2026). https://doi.org/10.1038/s41597-026-06748-9

الكلمات المفتاحية: كشف عيوب النسيج, الرؤية الصناعية, تصوير السلاسل الزمنية, تصنيع المنسوجات, مراقبة الجودة