TSFabrics: Dairesel Örme Makinelerinde Gerçek Zamanlı Hata Tespiti için Bir Zaman Serisi Kumaş Veri Seti

Canlanan Kumaşı İzlemek

Giysi veya çarşaf aldığımızda, fabrikalarda sonsuzca kumaş ören makineleri nadiren aklımıza gelir. Oysa o akıp giden kumaştaki tek bir fark edilmeyen kusur, atık malzemeye ve artan maliyete dönüşebilir. Bu makale, bilgisayarların kumaşı gerçek zamanlı, kare kare izleyerek gerçek kusurları tespit etmelerine ve üretim sırasında doğal olarak ortaya çıkan zararsız işaretleri görmezden gelmelerine yardımcı olan yeni bir görüntü veri kümesi türü olan TSfabrics’i tanıtıyor.

Durmuş Fotoğraflardan Hareket Halindeki Kumaşa

Mevcut kumaş denetim veri kümelerinin çoğu tek, izole fotoğraflardan oluşturulmuştur. Bu anlık görüntüler laboratuvarda iyi çalışabilir, ancak kumaşın dairesel örme makinelerinde nasıl üretildiğini—kumaşın sürekli bir akış halinde ortaya çıktığı durumu—yansıtmaktan uzaktır. Gerçek fabrikalarda kameralar hareket halindeki aynı kumaş parçasını izler ve zaman içinde hızlı bir görüntü dizisi kaydeder. Yazarlar, tespit sistemlerini yalnızca durağan görüntülerle eğitmenin bir boşluk bıraktığını savunuyor: kağıt üzerinde iyi görünen modeller, doku ve aydınlatmanın sürekli değiştiği gerçek bir üretim hattında başarısız olabilir.

“Kesim Çizgileri” Neden Hata Değildir

Dairesel örme makineleri kumaşa periyodik olarak, ileride kesme ve işlemeyi yönlendiren ince çizgiler—kesim çizgileri—işaretler. Durmuş bir görüntüde bir kesim çizgisi dokunun düzenini bozduğu için bir kusura çok benzer görünür. Eski veri kümeleri genellikle bu tür düzensizlikleri hasar olarak ele alır. Sonuç olarak, bu tür veri kümeleriyle eğitilmiş modeller, kasıtlı bu işaretleri gördüklerinde yanlış alarm verebilir. TSfabrics bununla başa çıkarak hem kusursuz örnekleri hem de içinde kesim çizgilerinin açıkça bulunduğu ancak normal olarak etiketlenmiş görüntüleri içerir. Piksel düzeyindeki anotasyonlar kesim çizgilerini gerçek kusurlardan açıkça ayırır ve her tuhaf görünümlü çizginin hatayı durdurma uyarısını hak etmediğini sistemlere öğretir.

Gerçek Fabrika Koşullarını Yakalamak

TSfabrics, 22 gerçek üretim senaryosu boyunca zaman serisi dizileri olarak kaydedilmiş 93.196 gri tonlamalı görüntüden oluşur. Kumaş, üç yaygın örme yapısı üreten çift yüzlü dairesel bir örme makinesinden gelmektedir. Kamera sabit 30 kare/saniye hızında kaydederken makine hızı ve kumaş türü değişir; bu nedenle bazı diziler dönüş başına birçok üst üste binen görünüm gösterirken bazılarında yalnızca birkaç görünüm vardır. Aydınlatmaya doğal olarak değişmesine izin verilir; loştan parlak koşulara kadar geniş bir aralık bulunur, tıpkı yoğun bir dokuma fabrikasında olacağı gibi. Veri seti hem kusursuz çalışmaları hem de düşen ilmekler, delikler, tüy, yağ lekeleri, kumaş bozulmaları ve renk bantları dahil yedi gerçek kusur türünü kapsar; bunların tümü piksel düzeyinde dikkatle işaretlenmiştir.

Zaman Serileri Sorunları Nasıl Ortaya Çıkarır

Tam görüntü dizilerini, rastgele seçilmiş kareler yerine saklayarak TSfabrics tespit modellerinin sadece kumaşın tek bir andaki görünüşünü değil, dokusunun zaman içinde nasıl evrildiğini de kullanmasına olanak tanır. Yazarlar ardışık kareler arasındaki hareketi görebilen bir 3B sinir ağı ile desenleri izleyen bir bellek bileşenini birleştiren bir temel sistem kurarlar. Bu kurulumla, aydınlatma değiştiğinde veya makine eğitimdeki hızdan daha yavaş ya da daha hızlı çalıştığında tespit performansının nasıl etkilendiğini test ederler. Aydınlatma ve hız eğitim koşullarıyla eşleştiğinde modellerin güçlü performans gösterdiğini, ancak özellikle sahneler karardığında yeni aydınlatma altında doğruluğun keskin şekilde düştüğünü görürler. Modeller, eğitimde beklenenden daha yüksek makine hızlarıyla başa çıkmada daha başarılı olurken, dönüş başına daha fazla kare olması durumunda (yani daha yavaş makinelerde) yoğun örnekleme sisteme daha önce görülmemişse karışıklık yaratabilir.

Günlük Tekstiller İçin Anlamı

Uzman olmayanlar için ana mesaj şudur: hareket halindeki kumaşı denetlemek, bir yığın durağan fotoğrafı kontrol etmekten çok farklıdır. TSfabrics, sürekli hız, ışık ve malzeme değişimleri altında kumaş görüntü akışlarını yakalayarak ve kesim çizgileri gibi süreçten kaynaklananları dikkatlice etiketleyerek araştırmacıları gerçeğe daha yakınlaştırır. Bu daha zengin bakış açısı, gelecekteki otomatik denetçilerin önemli kusurlara odaklanmasına, atığı azaltmasına ve gardıroplarımızda ve evlerimizde sonlanan tekstillerde daha güvenilir kalite kontrolünü desteklemesine yardımcı olmalıdır.

Atıf: 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

Anahtar kelimeler: kumaş hata tespiti, endüstriyel görme, zaman serisi görüntüleme, tekstil üretimi, kalite kontrol