Notícias

APQ TAC-3000 em projeto de máquina inteligente de inspeção de tecidos

APQ TAC-3000 em projeto de máquina inteligente de inspeção de tecidos

No passado, as inspeções tradicionais de qualidade dos tecidos na indústria têxtil eram realizadas principalmente manualmente, o que gerava alta intensidade de trabalho, baixa eficiência e precisão inconsistente. Mesmo trabalhadores altamente experientes, após mais de 20 minutos de trabalho contínuo, experimentam um declínio na sua capacidade de identificar defeitos nos tecidos.

Para resolver esse problema, os fornecedores de soluções visuais utilizaram a avançada tecnologia de algoritmo visual de IA para desenvolver máquinas inteligentes de inspeção de tecidos para substituir trabalhadores qualificados. Estas máquinas podem inspecionar tecidos a velocidades de 45 a 60 metros por minuto, melhorando a eficiência em 50% em comparação com inspeções manuais.

Essas máquinas são capazes de detectar mais de 10 tipos de defeitos, incluindo furos, manchas, nós de fios e muito mais, com uma taxa de detecção de defeitos em tecidos de até 90%. O uso de máquinas inteligentes de inspeção de tecidos reduz significativamente os custos operacionais para as empresas.

A maioria das máquinas inteligentes de inspeção de tecidos do mercado usa configurações tradicionais, incluindo PCs industriais, placas gráficas e placas de captura. No entanto, nas fábricas têxteis, o ar húmido causado pelo humedecimento do tecido com água e a presença de fiapos flutuantes podem facilmente causar corrosão e curtos-circuitos em PCs industriais tradicionais e placas gráficas, resultando em perdas económicas e elevados custos pós-venda.

O APQ TAC-3000 substitui a necessidade deplacas de captura, PCs industriais e placas gráficas, oferecendo maior estabilidade e reduzindo os custos de aquisição e pós-venda.

1

Parte 1: Recursos e Vantagens do APQ TAC-3000

O TAC-3000, projetado para computação de ponta, utiliza o módulo da série NVIDIA Jetson como núcleo e possui os seguintes recursos:

  1. Poderosa capacidade de computação de IA: Com até 100 TOPS de poder computacional, ele atende às altas demandas computacionais de tarefas complexas de inspeção visual.
  2. Expansibilidade flexível: Suporta uma variedade de interfaces de E/S (Gigabit Ethernet, USB 3.0, DIO, RS232/RS485) para fácil conexão a dispositivos e sensores externos.
  3. Comunicação sem fio: Suporta expansão 5G/4G/WiFi para comunicação estável em vários ambientes.
  4. Ampla entrada de tensão e design compacto: Suporta entrada DC 12-28V e apresenta um design ultracompacto e sem ventoinha, adequado para instalação em espaços apertados.
  5. Aplicativos de aprendizagem profunda: compatível com TensorFlow, PyTorch e outras estruturas de aprendizado profundo, permitindo a implantação e o treinamento de modelos para melhorar a precisão da inspeção.
  6. Baixo consumo de energia e alta eficiência: O design fanless, aliado à plataforma Jetson, garante baixo consumo de energia e desempenho estável em ambientes com umidade e alto calor, reduzindo custos operacionais e consumo de energia.
2

Especificações do TAC-3000

Suporta placa principal NVIDIA® Jetson™ SO-DIMM
Controlador AI de alto desempenho com até 100 TOPS de poder computacional
Três portas Gigabit Ethernet, quatro portas USB 3.0
DIO opcional de 16 bits, 2 portas COM configuráveis ​​RS232/RS485
Suporta expansão 5G/4G/WiFi
Entrada de tensão ampla DC 12-28V
Design ultracompacto e sem ventoinha com corpo metálico de alta resistência
Adequado para instalação em mesa ou DIN

3

Caso de inspeção de tecido inteligente

O controlador APQ TAC-3000, baseado na plataforma NVIDIA Jetson, oferece excelente poder de computação, estabilidade e economia. Ele tem amplas aplicações em campos de inspeção visual de IA, como inspeção de tecidos, detecção de quebra de fios, detecção de defeitos no revestimento de eletrodos e muito mais. A APQ continua a fornecer soluções de computação industrial inteligente integradas e confiáveis ​​para ajudar a avançar a iniciativa "Made in China 2025".


Horário da postagem: 30 de agosto de 2024