TSFabrics: набор временных изображений тканей для обнаружения дефектов в реальном времени на кругловязальных машинах

Наблюдая за тканью, пока она оживает

Когда мы покупаем одежду или постельное белье, мы редко задумываемся о машинах, которые бесконечно вяжут ткань на фабриках. Между тем одна незамеченная погрешность в этом движущемся полотне может обернуться потерянным материалом и ростом расходов. В этой статье представлен TSfabrics — новый тип набора изображений, который помогает компьютерам наблюдать за тканью в реальном времени, кадр за кадром, чтобы выявлять истинные дефекты и при этом игнорировать безвредные отметины, возникающие в процессе производства.

От статичных фото к движущейся ткани

Большинство существующих наборов для инспекции тканей собраны из одиночных, изолированных снимков. Такие фотографии могут работать в лаборатории, но они не отражают того, как ткань действительно получается на кругловязальных машинах, где материал выходит непрерывной лентой. В реальных цехах камеры фиксируют одну и ту же зону движущейся ткани и снимают быструю последовательность изображений во времени. Авторы утверждают, что обучение систем обнаружения исключительно по статичным кадрам оставляет пробел: модели, которые хорошо выглядят на бумаге, могут провалиться при развёртывании на реальной производственной линии, где текстура и освещение постоянно меняются.

Почему «резовые линии» — не дефекты

Кругловязальные машины периодически наносят на ткань тонкие линии, известные как резовые линии (cutlines), которые служат ориентиром при последующей резке и обработке. На статичном снимке резовая линия похожа на дефект, так как нарушает регулярную текстуру полотна. В старых наборах такие неоднородности часто считали повреждениями. В результате модели, обученные на них, могут давать ложные тревоги при встрече с этими намеренными метками. TSfabrics решает эту проблему, включив как образцы без дефектов, так и изображения с явно видимыми резовыми линиями, помеченными как нормальные. Аннотации на уровне пикселя явно различают резовые линии и настоящие повреждения, обучая системы тому, что не каждая странная линия заслуживает остановки производства.

Фиксация реальных заводских условий

TSfabrics содержит 93 196 изображений в оттенках серого, записанных в виде временных последовательностей в 22 реальных производственных сценариях. Ткань получена на двухфонтурной кругловязальной машине, производящей три распространённые конструкции вязки. Камера снимает с постоянной частотой 30 кадров в секунду при изменяющейся скорости машины и типе ткани: в некоторых последовательностях на один оборот приходится много перекрывающихся кадров, в других — лишь немного. Освещение допускается естественным образом, от тёмного до яркого, как это бывает в шумном цехе. Набор охватывает как пробеги без дефектов, так и семь реальных типов повреждений — пропущенные петли, отверстия, ворс, масляные пятна, деформации ткани и цветовые полосы — все аккуратно размеченные на уровне пикселя.

Как временные последовательности помогают замечать проблемы

Сохраняя полные последовательности изображений вместо выборки отдельных кадров, TSfabrics позволяет моделям обнаружения учитывать не только то, как ткань выглядит в конкретный момент, но и как её текстура меняется со временем. Авторы создают базовую систему, сочетающую 3D‑нейросеть, способную фиксировать движение между последовательными кадрами, и компонент памяти, отслеживающий паттерны. С помощью этой схемы они проверяют, как устойчиво работает обнаружение при изменении освещения или при работе машины медленнее или быстрее, чем во время обучения. Они обнаруживают, что модели демонстрируют хорошую производительность, когда освещение и скорость соответствуют условиям обучения, но точность резко падает при новом освещении, особенно в более тёмных сценах. Модели также лучше справляются с более высокой, чем ожидалось, скоростью машины, чем с более медленной, когда больше кадров на оборот может запутать систему, не видевшую раньше такой плотной дискретизации.

Что это значит для повседневных текстилей

Для неспециалистов основная мысль такова: инспекция ткани в движении существенно отличается от проверки стопки статичных фотографий. TSfabrics приближает исследователей к реальным условиям, фиксируя непрерывные потоки изображений ткани при меняющихся скоростях, освещении и материалах, а также тщательной разметкой того, что действительно является дефектом, а что — частью процесса, как резовые линии. Такое более полное представление должно помочь будущим автоматическим инспекторам сосредоточиться на действительно важных повреждениях, сократить отходы и обеспечить более надёжный контроль качества текстиля, который попадает в наши шкафы и дома.

Цитирование: 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

Ключевые слова: обнаружение дефектов ткани, промышленное зрение, временная визуализация, текстильное производство, контроль качества