No pasado, as inspeccións tradicionais de calidade dos tecidos na industria téxtil realizábanse principalmente manualmente, o que levaba a unha alta intensidade de traballo, unha baixa eficiencia e unha precisión inconsistente. Mesmo os traballadores con moita experiencia, despois de máis de 20 minutos de traballo continuo, experimentan un descenso na súa capacidade para identificar defectos do tecido.
Para resolver este problema, os provedores de solucións visuais utilizaron a avanzada tecnoloxía de algoritmos visuais de intelixencia artificial para desenvolver máquinas intelixentes de inspección de tecidos para substituír aos traballadores cualificados. Estas máquinas poden inspeccionar tecidos a velocidades de 45-60 metros por minuto, mellorando a eficiencia nun 50% en comparación coas inspeccións manuais.
Estas máquinas son capaces de detectar máis de 10 tipos de defectos, incluíndo buracos, manchas, nós de fíos e moito máis, cunha taxa de detección de defectos de tecido de ata o 90%. O uso de máquinas intelixentes de inspección de tecidos reduce significativamente os custos operativos das empresas.
A maioría das máquinas intelixentes de inspección de tecidos do mercado usan configuracións tradicionais, incluíndo ordenadores industriais, tarxetas gráficas e tarxetas de captura. Non obstante, nas fábricas téxtiles, o aire húmido provocado pola molladura do tecido con auga e a presenza de pelusa flotante poden provocar facilmente corrosión e curtocircuítos nos ordenadores e tarxetas gráficas industriais tradicionais, o que supón perdas económicas e elevados custos posvenda.
O APQ TAC-3000 substitúe a necesidade detarxetas de captura, ordenadores industriais e tarxetas gráficas, ofrecendo unha estabilidade mellorada á vez que reduce os custos de adquisición e posvenda.
Parte 1: Características e vantaxes de APQ TAC-3000
O TAC-3000, deseñado para informática de punta, utiliza o módulo da serie NVIDIA Jetson como núcleo e ten as seguintes características:
- Potente capacidade de computación AI: Con ata 100 TOPS de potencia de cálculo, cumpre as altas demandas computacionais de tarefas complexas de inspección visual.
- Expansibilidade flexible: Admite unha variedade de interfaces de E/S (Gigabit Ethernet, USB 3.0, DIO, RS232/RS485) para facilitar a conexión a dispositivos e sensores externos.
- Comunicación sen fíos: Admite expansión 5G/4G/WiFi para unha comunicación estable en varios ambientes.
- Entrada de voltaxe ampla e deseño compacto: Admite entrada de CC 12-28 V e presenta un deseño ultracompacto e sen ventilador axeitado para a instalación en espazos reducidos.
- Aplicacións de aprendizaxe profunda: Compatible con TensorFlow, PyTorch e outros marcos de aprendizaxe profunda, o que permite a implantación e adestramento de modelos para mellorar a precisión da inspección.
- Baixo consumo de enerxía e alta eficiencia: O deseño sen ventilador, combinado coa plataforma Jetson, garante un baixo consumo de enerxía e un rendemento estable en ambientes con humidade e calor elevada, reducindo os custos operativos e o consumo de enerxía.
Especificacións de TAC-3000
Admite placas de núcleo SO-DIMM NVIDIA® Jetson™
Controlador AI de alto rendemento con ata 100 TOPS de potencia informática
Tres portos Gigabit Ethernet, catro portos USB 3.0
DIO de 16 bits opcional, 2 portos COM configurables RS232/RS485
Admite expansión 5G/4G/WiFi
Entrada de voltaxe de 12-28 V CC
Deseño ultracompacto e sen ventilador cun corpo metálico de alta resistencia
Adecuado para instalación de escritorio o DIN
Estuche de inspección de tela intelixente
O controlador APQ TAC-3000, baseado na plataforma NVIDIA Jetson, ofrece unha excelente potencia de cálculo, estabilidade e rendibilidade. Ten amplas aplicacións en campos de inspección visual da intelixencia artificial, como a inspección de tecidos, a detección de roturas de fíos, a detección de defectos de revestimento de electrodos e moito máis. APQ segue proporcionando solucións informáticas intelixentes industriais integradas e fiables para axudar a avanzar na iniciativa "Made in China 2025".
Hora de publicación: 30-Ago-2024