Στο παρελθόν, οι παραδοσιακοί έλεγχοι ποιότητας υφασμάτων στην κλωστοϋφαντουργία πραγματοποιούνταν κυρίως χειρωνακτικά, γεγονός που οδήγησε σε υψηλή ένταση εργασίας, χαμηλή απόδοση και ασυνεπή ακρίβεια. Ακόμη και έμπειροι εργαζόμενοι, μετά από περισσότερα από 20 λεπτά συνεχούς εργασίας, παρουσιάζουν μείωση της ικανότητάς τους να αναγνωρίζουν ελαττώματα υφάσματος.
Για την αντιμετώπιση αυτού του ζητήματος, οι πάροχοι οπτικών λύσεων έχουν χρησιμοποιήσει την προηγμένη τεχνολογία οπτικού αλγόριθμου AI για να αναπτύξουν έξυπνες μηχανές επιθεώρησης υφασμάτων για να αντικαταστήσουν τους ειδικευμένους εργάτες. Αυτά τα μηχανήματα μπορούν να επιθεωρήσουν υφάσματα με ταχύτητες 45-60 μέτρα ανά λεπτό, βελτιώνοντας την απόδοση κατά 50% σε σύγκριση με τους χειροκίνητους ελέγχους.
Αυτά τα μηχανήματα είναι ικανά να ανιχνεύουν πάνω από 10 τύπους ελαττωμάτων, συμπεριλαμβανομένων οπών, λεκέδων, κόμπων νήματος και πολλά άλλα, με ποσοστό ανίχνευσης ελαττωμάτων υφάσματος έως και 90%. Η χρήση έξυπνων μηχανών επιθεώρησης υφασμάτων μειώνει σημαντικά το λειτουργικό κόστος για τις εταιρείες.
Τα περισσότερα έξυπνα μηχανήματα επιθεώρησης υφασμάτων στην αγορά χρησιμοποιούν παραδοσιακές ρυθμίσεις, συμπεριλαμβανομένων βιομηχανικών υπολογιστών, καρτών γραφικών και καρτών λήψης. Ωστόσο, στα κλωστοϋφαντουργεία, ο υγρός αέρας που προκαλείται από το βρέξιμο του υφάσματος με νερό και η παρουσία επιπλέοντων χνουδιών μπορεί εύκολα να προκαλέσει διάβρωση και βραχυκυκλώματα σε παραδοσιακούς βιομηχανικούς υπολογιστές και κάρτες γραφικών, με αποτέλεσμα οικονομικές απώλειες και υψηλό κόστος μετά την πώληση.
Το APQ TAC-3000 αντικαθιστά την ανάγκη γιακάρτες λήψης, βιομηχανικοί υπολογιστές και κάρτες γραφικών, προσφέροντας βελτιωμένη σταθερότητα με ταυτόχρονη μείωση του κόστους προμήθειας και μετά την πώληση.
Μέρος 1: Χαρακτηριστικά και πλεονεκτήματα του APQ TAC-3000
Το TAC-3000, σχεδιασμένο για υπολογιστές αιχμής, χρησιμοποιεί τη μονάδα της σειράς Jetson της NVIDIA ως πυρήνα και έχει τα ακόλουθα χαρακτηριστικά:
- Ισχυρή ικανότητα AI Computing: Με έως και 100 TOPS υπολογιστικής ισχύος, ικανοποιεί τις υψηλές υπολογιστικές απαιτήσεις σύνθετων εργασιών οπτικής επιθεώρησης.
- Ευέλικτη Επεκτασιμότητα: Υποστηρίζει μια ποικιλία διεπαφών I/O (Gigabit Ethernet, USB 3.0, DIO, RS232/RS485) για εύκολη σύνδεση με εξωτερικές συσκευές και αισθητήρες.
- Ασύρματη Επικοινωνία: Υποστηρίζει επέκταση 5G/4G/WiFi για σταθερή επικοινωνία σε διάφορα περιβάλλοντα.
- Είσοδος ευρείας τάσης & συμπαγής σχεδιασμός: Υποστηρίζει είσοδο DC 12-28V και διαθέτει εξαιρετικά συμπαγή σχεδιασμό χωρίς ανεμιστήρα, κατάλληλο για εγκατάσταση σε στενούς χώρους.
- Εφαρμογές Deep Learning: Συμβατό με TensorFlow, PyTorch και άλλα πλαίσια βαθιάς μάθησης, επιτρέποντας την ανάπτυξη και εκπαίδευση μοντέλων για βελτιωμένη ακρίβεια επιθεώρησης.
- Χαμηλή κατανάλωση ενέργειας & υψηλή απόδοση: Ο σχεδιασμός χωρίς ανεμιστήρα, σε συνδυασμό με την πλατφόρμα Jetson, εξασφαλίζει χαμηλή κατανάλωση ενέργειας και σταθερή απόδοση σε περιβάλλοντα με υγρασία και υψηλή θερμότητα, μειώνοντας το λειτουργικό κόστος και την κατανάλωση ενέργειας.
TAC-3000 Προδιαγραφές
Υποστηρίζει πλακέτα πυρήνα NVIDIA® Jetson™ SO-DIMM
Ελεγκτής τεχνητής νοημοσύνης υψηλής απόδοσης με έως και 100 TOPS υπολογιστικής ισχύος
Τρεις θύρες Gigabit Ethernet, τέσσερις θύρες USB 3.0
Προαιρετικό 16-bit DIO, 2 ρυθμιζόμενες θύρες COM RS232/RS485
Υποστηρίζει επέκταση 5G/4G/WiFi
Είσοδος ευρείας τάσης DC 12-28V
Σχεδιασμός χωρίς ανεμιστήρα, εξαιρετικά συμπαγής με μεταλλικό σώμα υψηλής αντοχής
Κατάλληλο για επιτραπέζια εγκατάσταση ή εγκατάσταση DIN
Έξυπνη υφασμάτινη θήκη ελέγχου
Ο ελεγκτής APQ TAC-3000, που βασίζεται στην πλατφόρμα NVIDIA Jetson, προσφέρει εξαιρετική υπολογιστική ισχύ, σταθερότητα και οικονομική απόδοση. Έχει ευρείες εφαρμογές σε πεδία οπτικής επιθεώρησης τεχνητής νοημοσύνης, όπως επιθεώρηση υφάσματος, ανίχνευση θραύσης νήματος, ανίχνευση ελαττώματος επίστρωσης ηλεκτροδίου και πολλά άλλα. Η APQ συνεχίζει να παρέχει αξιόπιστες ολοκληρωμένες βιομηχανικές ευφυείς υπολογιστικές λύσεις για να συμβάλει στην προώθηση της πρωτοβουλίας "Made in China 2025".
Ώρα δημοσίευσης: 30-8-2024