TSFabrics: מאגר תמונות של בדים כסדרות זמן לזיהוי פגמים בזמן אמת במכונות סריגה מעגליות

להתבונן בבד כשהוא נוצר

כשאנחנו קונים בגדים או שסדינים, נדיר שנחשוב על המכונות שדורגות את הבד במפעלים ללא הפסקה. ואולם פגם בודד שלא זוהה בבד הזורם הזה עלול להידרש לחומר מבוזבז ולעלויות גבוהות יותר. מאמר זה מציג את TSfabrics, סוג חדש של מאגר תמונות שעוזר למחשבים לצפות בבד בזמן אמת, פריים אחרי פריים, כדי לזהות פגמים אמיתיים ולתעלם מסימנים חסרי מזיק שמופיעים באופן טבעי במהלך הייצור.

מתמונות סטטיות לבד בתנועה

רוב מאגרי הבד הקיימים נבנו מתמונות בודדות ומבודדות. תמונות כאלה עשויות לעבוד היטב במעבדה, אך הן אינן משקפות כיצד הבד מיוצר בפועל במכונות סריגה מעגליות, שבהן הבד יוצא בזרם רציף. במפעלים אמיתיים מצלמות מביטות על אותו מקטע בד בתנועה ותופסות רצף מהיר של תמונות לאורך זמן. המחברים טוענים שאימון מערכות זיהוי רק על תמונות סטטיות יוצר פער: מודלים שנראים טובים על הנייר עלולים להיכשל כשמיושמים על פס ייצור אמיתי, שם המרקם וההארה משתנים כל הזמן.

למה "קאטליינים" אינם טעויות

מכונות סריגה מעגליות מסמנות מדי פעם את הבד בקווים דקים, המכונים קאטליינים, שמנחים חיתוך וטיפול מאוחר יותר. בתמונה סטטית קאטליין נראה הרבה כמו פגם כי הוא שוברת את המרקם הסדיר של הבד. מאגרי נתונים ישנים נוטים לתייג כל אי-סדירות ככשל. כתוצאה מכך, מודלים שאומנו עליהם עלולים להשמיע אזעקות שווא בכל פעם שהם נתקלים בסימנים מכוונים אלה. TSfabrics מתמודד עם הבעיה על ידי הכללת דגימות ללא פגמים וגם תמונות שבהן קאטליינים נוכחים בבירור אך מתויגים כנורמליים. אנוטציות ברמת הפיקסל מבחינות במפורש בין קאטליינים לפגמים אמיתיים, ולומדות למערכות שלא כל קו שנראה מוזר מחייב עצירת קו הייצור.

לתפוס תנאי יצרן אמתיים

TSfabrics מורכב מ-93,196 תמונות בגווני אפור שנרשמו כרצפי סדרות-זמן ב-22 תרחישי ייצור אמיתיים. הבד מגיע ממכונת סריגה מעגלית מסוג דבל-ג'רסי המייצרת שלוש מבני סריגה נפוצים. המצלמה מצולמת בקצב יציב של 30 פריימים לשנייה בזמן שהמהירות של המכונה וסוג הבד משתנים, כך שחלק מהרצפים מציגים תצפיות רבות חופפות לכל סיבוב ואחרים רק מעט. ההארה משתנה באופן טבעי, מטווח כהה ועד בהיר, בדיוק כפי שזה קורה במפעל פעיל. המאגר מכסה גם ריצות ללא פגמים וגם שבעה סוגי פגמים אמיתיים, כולל עיצורים שנפלו (dropped stitches), חורים, פרווה/לינט, כתמי שמן, עיוותי בד ורצועות צבע, כולם מסומנים בקפידה ברמת הפיקסל.

כיצד סדרות-זמן עוזרות לאתר בעיות

על-ידי שמירה של רצפי תמונות מלאים במקום בחירת פריימים בודדים, TSfabrics מאפשר למודלים של זיהוי להשתמש לא רק במראה הבד ברגע נתון, אלא גם באיך המרקם משתנה לאורך זמן. המחברים בונים מערכת בסיסית שמשלבת רשת עצבית תלת-ממדית, היכולה לזהות תנועה בין פריימים סמוכים, עם רכיב זיכרון העוקב אחר דפוסים. באמצעות הגדרה זו הם בודקים עד כמה הזיהוי עומד בשינויים בהארה או במהירות המכונה בהשוואה לאימון. הם מגלים שמודלים עובדים היטב כשהתנאים של תאורה ומהירות תואמים לאימון, אך הדיוק צונח במהירות בתנאי תאורה חדשים, במיוחד כשהסצנות נהיות חשוכות יותר. המודלים גם מסתדרים טוב יותר עם מהירויות גבוהות מהצפוי מאשר עם מהירויות איטיות יותר, שבהן מספר הפריימים לכל סיבוב גדול יותר ועלול לבלבל מערכת שלא נחשפה לדגימת צפיפות כזו קודם.

מה זה אומר לטקסטיל היומיומי

ללא מומחיות מיוחדת, המסר העיקרי הוא שבדיקת בד בתנועה שונה מאוד מבדיקת ערימה של תמונות סטטיות. TSfabrics מקרב חוקרים לעולם האמיתי על ידי הקלטת זרמי תמונות רציפים של בד תחת מהירויות, תאורות וחומרים משתנים, ועל-ידי תיוג מדויק של מהו פגם אמיתי ומהו חלק מהתהליך, כמו קאטליינים. התצוגה העשירה הזו אמורה לעזור למבדקים אוטומטיים עתידיים להתמקד בפגמים שחשובים, להקטין בזבוז ולתמוך בבקרת איכות אמינה יותר בטקסטיל שמגיע אל הארונות והבתים שלנו.

ציטוט: 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

מילות מפתח: זיהוי פגמי בד, ראייה תעשייתית, דימות כסדרות זמן, ייצור טקסטיל, בקרת איכות