Sistemas de detección y clasificación de defectos en telares basados en deeplearning

Desde mediados de los años 90 se han venido desarrollando técnicas de visión artificial, basadas en algoritmos clásicos (transformadas del dominio, modelos, etc.) para la detección y clasificación de defectos de tejidos. Habitualmente, estas tecnologías se desarrollan para ser aplicadas en máquinas de repasado, en lugar de las máquinas de producción. Esto es así, por el elevado coste en el equipamiento que requieren los sistemas de captura y procesado. En los resultados que se presentan aquí se dispone de un sistema que, a diferencia de otros: · Utiliza sistemas de adquisición más económicos que permiten la integración en el propio telar de producción. · Utilizan algoritmos de detección y clasificación basados en técnicas de visión artificial convencionales combinadas con técnicas de Deep learning como las supporting vector machines (SVM). · Utilizan sistemas de procesado basado en sistemas multicore basado en arquitecturas ARM. Estas tres características hacen que el sistema tenga un elevado potencial de uso, al ser aplicable no sólo en máquinas de repasado, sino que también lo pueden hacer en el propio telar, lo que representa un importante avance para las empresas productoras, que se evitan la generación y entrega de productos defectuosos, y las consumidoras, que reducen los metros de salto generados por errores en el tejido.