IT202000004072A1

IT202000004072A1 - Sistema di identificazione di difetti su tessuti, relativa apparecchiatura e relativo metodo

Info

Publication number: IT202000004072A1
Application number: IT102020000004072A
Authority: IT
Inventors: Franco Maiandi; Marta Maiandi; Mauro Maiandi
Original assignee: Orox Group Srl
Priority date: 2020-02-27
Filing date: 2020-02-27
Publication date: 2021-08-27
Also published as: WO2021170518A1

Description

DESCRIZIONE

Campo di applicazione

Nel suo aspetto pi? generale la presente invenzione riguarda un sistema di identificazione di difetti su qualsiasi tipologia di tessuto e/o pellame.

La presente invenzione riguarda anche un?apparecchiatura comprendente tale sistema e un metodo adottato per la suddetta identificazione di difetti.

La presente invenzione trova applicazione in particolare, ma non solo, nell?ambito tessile, e nello specifico all?interno delle macchine per stenditura automatiche, ampiamente adottate nella produzione in serie di componenti di vestiario.

Arte nota

Com?? ben noto in questo specifico settore tecnico, si ? assistito negli anni ad un sempre maggior sviluppo di sistemi automatici sia per quanto riguarda la fase di stenditura dei fogli di tessuto sia per quanto riguarda la successiva fase di taglio dei vari componenti dei capi da realizzare. Scopo di tali sistemi automatici ? ridurre i tempi operativi di produzione senza avere una perdita di qualit? del prodotto finale.

Sebbene l?automatizzazione attualmente raggiunta nel settore abbia gi? consentito un notevole sviluppo del processo produttivo, essa richiede ancora un intervento umano da parte di un operatore in prossimit? delle varie fasi di stenditura e taglio per effettuare operazioni, in particolare ma non solo, di correzione di anomalie.

Infatti, in tutte le fasi della produzione ? spesso presente un operatore a lato macchina in grado di evitare errori a monte della produzione che porterebbero a un prodotto finale di qualit? insoddisfacente .

Chiaramente ci? comporta spesso un utilizzo poco produttivo della forza lavoro a disposizione, sia in termini di tempo-operatore effettivamente adottato nel ciclo giornaliero sia in termini di margine di guadagno rispetto ai costi affrontati.

Al giorno d?oggi quindi la tendenza principale ? quella di sviluppare sistemi automatici sempre pi? autonomi nelle proprie funzioni di base, che consentano di adottare il tempo-operatore in maniera pi? proficua all?inteno di mansioni a pi? alto livello di controllo.

Tra le mansioni attualmente espletate dagli operatori, che non ha ancora trovato riscontro nella suddetta tendenza, vi ? quella di controllare che il tessuto che viene steso e da cui vengono successivamente tagliati i componenti del capo di vestiario da realizzare sia esente di difetti che si rifletterebbero sul prodotto finale. Esempi di tali difetti possono essere relativi al tipo di filato, in senso ordito e in senso di trama, difetti dovuti alla non uniformit? della tintura, stampa e finissaggio.

Quindi man mano che il tessuto viene steso, manualmente o mediante uno stenditore automatico, l?operatore pu? vedere una porzione di tessuto e valutarne la presenza o meno di difetti.

Nel caso in cui vengano trovati dei difetti, sar? compito dell?operatore procedere con un?interruzione della fase di stesura per passare ad una fase cosiddetta di "taglio-ripresa?, procedura necessaria per ?coprire? la porzione contenente il difetto, per poi avere un foglio di tessuto steso in modo ottimale.

Tuttavia, ? possibile che l?operatore si distragga o non sia perfettamente competente per il suddetto lavoro, non individuando quindi alcuni difetti.

Ancora, ? possibile che la luce non sia ottimale per vedere i difetti ad occhio nudo.

Vi ?, come suddetto, sia un problema legato ai tempi di produzione, dato che l'identificazione visiva di macchie o difetti non cos? evidenti pu? richiedere pi? tempo, sia un problema di sfruttamento efficiente del tempo di lavoro di personale qualificato.

Infine, la definizione dei limiti del difetto in modo manuale presenta degli errori grossolani con relativa spesa legata alla maggiore quantit? di materiale utilizzato.

Il problema tecnico della presente invenzione ? quindi escogitare un sistema in grado di identificare in modo automatico la presenza di difetti di qualsivoglia natura e dimensione all'interno di un tessuto e di segnalarlo.

Ulteriore scopo ? quello di prevedere un sistema che possa essere adottato indifferentemente su qualsiasi tipo di tessuto o pellame senza che vi sia la necessit? di una configurazione dedicata.

Un altro scopo ? quello di prevedere un sistema di semplice utilizzo, una volta installato, per un operatore non richiedendo una complessa formazione specifica.

Infine, scopo dell?invenzione ? quello di prevedere un sistema di semplice implementazione cos? da poter essere applicato anche ad apparecchiature preesistenti senza che si presentino particolari problematiche di conformit?.

Sommario

L?idea che sta alla base della presente invenzione ? rilevare la presenza di un difetto su un foglio steso, riconoscendone le peculiarit? grazie a informazioni pre- memorizzate sui difetti indipendentemente dal tipo di materiale steso.

Per ?difetto? nella presente trattazione si intende una non conformit? di una porzione di tessuto o pellame con le caratteristiche standard del tessuto o pellame stesso, non considerando quindi come difetto, ad esempio, una venatura di un pellame che fa parte della natura stessa di questo specifico materiale.

Sulla base di questa idea di soluzione il problema tecnico ? risolto da un sistema di identificazione di difetti su tessuti e/o pellami comprendente una struttura di stenditura comprendente una superficie di stenditura per almeno un foglio di tessuti e/o pellami, almeno un dispositivo di cattura di immagini sulla struttura di stenditura e atto a catturare almeno una immagine del foglio di detti tessuti e/o pellami, almeno una banca dati, almeno un sistema di elaborazione collegato all'almeno un dispositivo di cattura di immagini e collegato airalmeno una banca dati, un dispositivo di segnalazione di errore operativamente connesso al sistema di elaborazione.

Tale sistema di elaborazione ? atto a ricevere una pluralit? di prime immagini del foglio di tessuti e/o pellami dal dispositivo di cattura di immagini, estrapolare caratteristiche di definizione di difetti per i tessuti e/o pellami e classificare le caratteristiche di definizione di difetti secondo strati successivi di apprendimento, memorizzare le caratteristiche di definizione di difetti in porzioni dedicate della banca dati.

Questa fase di apprendimento ? effettuata un'unica volta per addestrare il sistema a riconoscere un difetto, mentre le fasi successive vengono effettuate ogniqualvolta si voglia analizzare uno specifico foglio.

Il sistema di elaborazione ? quindi atto a ricevere almeno una seconda immagine del foglio di tessuti e/o pellami dal dispositivo di cattura di immagini, estrapolare caratteristiche della seconda immagine, operare un confronto tra le caratteristiche della seconda immagine con le caratteristiche di definizione di difetti sugli strati successivi di apprendimento, in caso di corrispondenza delle caratteristiche della seconda immagine con le caratteristiche di definizione di difetti, classificare la seconda immagine come difetto.

Nel caso di mancata corrispondenza delle caratteristiche della seconda immagine con le caratteristiche di definizione di difetti il sistema di elaborazione ? atto a classificare la seconda immagine come porzione esente da difetti.

Il dispositivo di segnalazione di errore genera un segnale di comando solo quando detta seconda immagine ? classificata come difetto.

Vantaggiosamente, la presente soluzione consente di istruire un?apposita banca dati sulle caratteristiche che caratterizzano un?anomalia come difetto. L?estrapolazione di tali caratteristiche consente quindi di identificare un difetto anche se differente da tutte le immagini analizzate, valutandone solo le peculiarit?. Ci? chiaramente fa s? che un operatore possa unicamente andare a tagliare o compensare ci? che ? gi? stato elaborato, oppure ? possibile inviare le informazioni ricavate a una eventuale successiva macchina di taglio, che nelle sue operazioni evita o elimina la porzione di tessuto o pellame valutata come difetto.

Preferibilmente, il sistema di elaborazione ? ulteriormente atto a realizzare una mappatura di una pluralit? di seconde immagini per formare una immagine complessiva di una estesa porzione di foglio o dell?intero foglio di tessuto o pellame, identificando le seconde immagini classificate come difetti sull?immagine complessiva.

Vantaggiosamente, questa soluzione consente di avere un?immagine complessiva contenente di una estesa porzione eventualmente contenenti difetti, rendendo quindi possibile una valutazione pi? d?insieme del materiale da tagliare.

Ancora preferibilmente, il segnale di comando attiva un output sonoro e/o visivo all?identificazione di un difetto da parte di detto sistema di elaborazione.

Vantaggiosamente, il tipo di segnalazione utilizzata pu? essere adattabile e coerente con le caratteristiche del sistema produttivo globale su cui si innesta il sistema secondo l?invenzione e/ o selezionata in base a esigenze contingenti.

Preferibilmente, il sistema di identificazione di difetti secondo l?invenzione comprende una pluralit? di dispositivi di cattura di immagini sulla struttura di stenditura per catturare una pluralit? di immagini del foglio di tessuti e/o pellami.

Secondo un altro aspetto la presente invenzione prevede un?apparecchiatura di stenditura per tessuti, comprendente almeno un telaio mobile, almeno due nastri di stenditura, almeno un mezzo di movimentazione per i nastri di stenditura, e un sistema di identificazione di difetti in accordo con quanto sopra descritto.

Vantaggiosamente, in linea con le esigenze descritte per le produzioni in larga scala, la presente soluzione possiede un alto grado di automazione riducendo il tempo-operatore necessario direttamente sulla macchina, ma lasciando solo un compito di controllo ad alto livello anche in remoto.

Preferibilmente, in tale apparecchiatura il segnale di comando attiva un sistema di blocco di stenditura quando una seconda immagine ? classificata come difetto.

Vantaggiosamente, questa caratteristica rappresenta un?ulteriore misura di sicurezza per evitare il propagarsi di un difetto in una catena produttiva automatica.

Secondo un ulteriore aspetto dell?invenzione, si prevede un metodo di identificazione di difetti su tessuti e/o pellami per almeno un foglio di tessuti e/o pellami comprendente un apprendimento comprendente le fasi di predisposizione di un sistema di cattura di immagini, posizionamento in sequenza di una pluralit? di porzioni di foglio comprendenti difetti noti in corrispondenza del sistema di cattura di immagini su un banco di apprendimento, ricezione di una corrispondente pluralit? di prime immagini della pluralit? di porzioni di foglio in un sistema di elaborazione dal dispositivo di cattura di immagini, estrapolazione di caratteristiche di definizione di difetti dalle prime immagini, classificazione delle caratteristiche di definizione di difetti secondo strati successivi di apprendimento nel sistema di elaborazione e memorizzazione delle caratteristiche di definizione di difetti in porzioni dedicate di una banca dati.

Questa fase di apprendimento ? effettuata un?unica volta per addestrare il sistema a riconoscere un difetto, mentre le fasi successive vengono effettuate ogniqualvolta si voglia analizzare uno specifico foglio.

A questo punto, il metodo prevede un?applicazione specifica comprendente il posizionamento di un foglio di un tessuto e/o pellame da controllare su una superficie di stenditura, la cattura di almeno una seconda immagine di una almeno una porzione del foglio, l?elaborazione dell?almeno una seconda immagine mediante il sistema di elaborazione.

Tale elaborazione prevede le sotto-fasi di estrapolare caratteristiche della seconda immagine, confronto tra le caratteristiche della seconda immagine corrispondenti alle caratteristiche di definizione di difetti sugli strati successivi di apprendimento, classificazione della seconda immagine come difetto in caso di corrispondenza delle caratteristiche della seconda immagine con le caratteristiche di definizione di difetti sugli strati successivi di apprendimento, oppure classificazione della seconda immagine come porzione esente da difetti in caso di mancata corrispondenza delle caratteristiche della seconda immagine con le caratteristiche di definizione di difetti.

A questo punto il metodo prevede una generazione di un segnale di comando mediante un dispositivo di segnalazione di un errore solo quando la seconda immagine ? classificata come difetto.

Vantaggiosamente, detto metodo consente un?applicazione pressoch? universale su tutte le macchine di stenditura essendo indipendente dall?apparecchiatura adottata, purch? questa sia dotata di una sufficiente potenza di calcolo per l?immagazzinamento e l?elaborazione dei dati in tempi relativamente brevi.

Preferibilmente, il metodo comprende ulteriormente una fase di mappatura di una pluralit? di seconde immagini per formare una immagine complessiva di una estesa porzione del foglio di tessuto e/o pellame o dell?intero foglio, identificando le seconde immagini classificate come difetti sull?immagine complessiva.

Vantaggiosamente, questa specifica consente di ricavare un?informazione maggiormente univoca, da inviare, ad esempio, a un successivo dispositivo atto al taglio del foglio di tessuto cos? da ottimizzarne il funzionamento.

Ancora preferibilmente, il suddetto metodo comprende una fase di blocco di una stenditura del tessuto e/o pellame mediante un sistema di blocco di stenditura quando una seconda immagine ? classificata come difetto.

Vantaggiosamente, la presente caratteristica consente una maggiore comodit? per gli operatori che dovessero essere coinvolti poi nella rimozione del difetto individuato.

Preferibilmente le fasi di cattura di immagini mediante il sistema di cattura di immagini e la fase di elaborazione delle prime immagini sono realizzate mediante Deep Neural Network per il riconoscimento di oggetti.

Vantaggiosamente, questa tecnologia di apprendimento automatico consente di riconoscere in modo efficace anche i piccoli difetti e imperfezioni del tessuto incluse pinzatura difettosa, strappi, buchi, e macchie, dal momento che non ? legata all?osservazione visiva dell?operatore.

Ulteriori caratteristiche e vantaggi del sistema di identificazione di difetti, della relativa apparecchiatura e del relativo metodo secondo la presente invenzione risulteranno dalla descrizione, fatta qui di seguito, di un esempio di realizzazione preferito dato a titolo indicativo e non limitativo con riferimento alle figure allegate.

Breve descrizione delle figure

la figura 1 mostra schematicamente una vista complessiva di una apparecchiatura di stenditura secondo l?arte nota, con un foglio di tessuto steso;

la figura 2 mostra schematicamente una ulteriore vista dell?apparecchiatura della figura 1 su cui ? steso un foglio di tessuto contenente un difetto;

la figura 3 mostra schematicamente una procedura di individuazione del difetto della figura 2;

la figura 4 mostra un sistema di individuazione di difetti su una relativa apparecchiatura secondo la presente invenzione;

la figura 5 mostra uno schema di un metodo di individuazione di difetti secondo la presente invenzione;

la figura 6 mostra un esempio di difetto individuabile secondo la presenza invenzione;

la figura 7 mostra una individuazione del difetto della figura 6. Nelle differenti figure, elementi analoghi saranno identificati da numeri di riferimento analoghi.

Descrizione dettagliata

Con riferimento alla figura 1 allegata, con 1 ? indicata un?apparecchiatura di stenditura realizzata secondo l?arte nota.

In particolare, l?apparecchiatura 1 di stenditura comprende un telaio mobile 2, almeno due nastri di stenditura 3 disposti a culla, ovvero formanti tra loro sostanzialmente una V, e almeno un mezzo di movimentazione 4 per i nastri di stenditura 3, il tutto essendo innestato su una struttura di stenditura 5, comprendente una superficie di stenditura 5A.

Sulla superficie di stenditura 5 A, in modo automatico o manuale viene steso un foglio 6 di tessuto e/o pellame, il quale nella maggior parte dei casi si trova inizialmente sotto forma di rotoli.

Una volta terminata la stenditura, il foglio 6 sar? poi inviato a operatori o apparecchiature successive per il taglio dei componenti.

Come visibile nelle Figure 2 e 3, una volta steso il tessuto ? possibile individuare la presenza di un eventuale difetto 7, che pu? essere sotto forma di strappo, macchia, errata stampe di trama, ecc.

Secondo l?arte nota l?individuazione di tali difetti deve essere effettuata da un operatore, che durante o al termine della stenditura riconosce visivamente la presenza di anomalie sul materiale che devono essere rimosse, oppure, come si dice nella terminologia del settore, ?compensato?. In altre parole, grazie al metodo detto ?taglio-ripresa?, si compensa con la porzione minima possibile di tessuto tale da non avere pi? la porzione persa a causa del difetto ma ottenendo un surplus di materiale atto a compensare. Pi? tale operazione ? svolta in modo preciso, minore ? lo spreco di tessuto.

Tuttavia, come detto, il riconoscimento affidato all?operatore pu? presentare alcuni problemi, dovuti alla distrazione dell?operatore stesso, alla luce che illumina il foglio, a eventuali motivi che possono ricoprire il foglio e rendere pi? difficile distinguere il difetto o ad altri errori di diversa natura, comportando inoltre l?allungamento dei tempi di produzione.

In Figura 4 ? quindi mostrata un?apparecchiatura 8 di identificazione di difetti secondo l?invenzione, che nella presente forma di realizzazione comprende analogamente all?arte nota un telaio mobile 2, nastri di stenditura 3, un mezzo di movimentazione 4. Dai nastri di stenditura 3 sul telaio mobile 2, il foglio 6 passa sotto una traversa di stenditura 9 per essere disteso.

La presente apparecchiatura 8 adottata come preferita per la presente invenzione essendo fortemente automatizzata, risulta meramente esemplificativa, dato che la presente invenzione ? innestabile anche all'interno di soluzioni pi? semplici con stenditura manuale.

L?apparecchiatura 8 comprende quindi ulteriormente un sistema di identificazione di difetti 10 secondo rinvenzione.

Il sistema di identificazione di difetti 10 comprende la struttura di stenditura 5, includente la superficie di stenditura 5A su cui viene disteso il foglio 6.

Il sistema di identificazione di difetti 10 comprende inoltre almeno un dispositivo di cattura di immagini 11 predisposto sulla struttura di stenditura 5 e atto a catturare almeno una immagine di detto foglio 6 di detti tessuti e/o pellami quando posizionato sulla superficie di stenditura 5 A della struttura di stenditura 5.

Nella forma di realizzazione rappresentata viene impiegata una pluralit? di dispositivi di cattura di immagini 11, per coprire in modo migliore tutta l?area di stenditura, incrementare le possibilit? del sistema di identificazione di difetti 10 e per velocizzare il processo di verifica.

Nulla vieta comunque di adottare un unico dispositivo di cattura immagini 11 se maggiormente adatto alla configurazione della apparecchiatura di stenditura a cui deve essere associato.

Ancora pi? nello specifico, nella forma di realizzazione rappresentata il dispositivo di cattura di immagini 1 1 ? montato sulla traversa di stenditura 9, in modo da rilevare la presenza di un difetto 7 immediatamente nel corso della stenditura del foglio 6.

Il dispositivo di cattura immagini 11 ? collegato, in modo cablato o tramite collegamento wireless, a un sistema di elaborazione 12 e a una banca dati 13.

Nella forma di realizzazione rappresentata la banca dati 13 ? contenuta all'interno del sistema di elaborazione 12, tuttavia ? anche possibile avere una banca dati 13 esterna collegata al sistema di elaborazione 12, anche in questo caso indifferentemente tramite connessione fisica tra i dispositivi oppure mediante connessione senza fili.

Al sistema di elaborazione 12 ? ulteriormente operativamente connesso un dispositivo di segnalazione di errore 14. Nella presente forma di realizzazione il dispositivo di segnalazione di errore 14 ? una funzionalit? interna del dispositivo di elaborazione 12, ma nulla vieta di predisporre un dispositivo di segnalazione di errore 14 esterno al dispositivo di elaborazione 12 stesso.

Una volta predisposto il sistema di cattura di immagini 11, viene eseguita una fase di apprendimento da parte del sistema. Tale fase di apprendimento, come visibile nell?immagine schematica di Figura 5, prevede inizialmente un posizionamento in sequenza di una pluralit? di porzioni di foglio 15A, 15B, 15C comprendenti difetti noti 17A, 17B, 17C su un banco di apprendimento {non mostrato) in corrispondenza del sistema di cattura di immagini 11.

Il sistema di elaborazione 12 riceve quindi una corrispondente pluralit? di prime immagini 16 della pluralit? di porzioni di foglio 15A, 15B, 15C ed estrapola caratteristiche di definizione di difetti 18 dalle prime immagini 16 e le classifica secondo strati successivi di apprendimento 25 nel sistema di elaborazione 12 stesso. Le caratteristiche di definizione di difetti 18 vengono memorizzate in porzioni dedicate della banca dati 13.

La banca data 13 viene costruita secondo format predefiniti dove si prevede che alle prime immagini 16 siano associate informazioni, quali ad esempio la classe e la posizione degli oggetti presenti al loro interno. In particolare, la banca dati 13 comprende quindi una pluralit?, anche numerosa, di prime immagini 16 suddivise ed etichettate per categorie di difetti. Ad esempio, ? presente un gruppo di prime immagini 16 riferite al difetto ?taglio?, un secondo gruppo di prime immagini 16 riferite al difetto ?foro? e cos? via.

A ciascuna di tali prime immagini 16 ? altres? associato un archivio di file testo, indicando la categoria a cui appartiene quella singola immagine e le coordinate in pixel necessarie per identificare con precisione la localizzazione sull?immagine di quel difetto.

La numerosit? e qualit? della banca dati 13 e il grado di complessit? del modello ricavato sono dei fattori critici e svolgono un ruolo cruciale per ottimizzare le prestazioni del sistema e per ricomputare i ?pesi? e i parametri ad ogni ciclo di lavoro dell?apparecchiatura comprendente il sistema di identificazione di difetti 10.

L?apprendimento del sistema di identificazione di difetti 10 procede di ciclo in ciclo mediante la minimizzazione di una ?funzione di costo? che serve a ridurre progressivamente la distanza tra il risultato ottenuto e quello atteso. In caso di errori il sistema propaga all'indietro l?errore in modo che i pesi delle connessioni vengano aggiornati in modo pi? appropriato.

Questo processo di apprendimento continua in modo iterativo finch? il gradiente tra risultato di individuazione desiderato e risultato di individuazione ottenuto ? nullo o ritenuto sufficientemente piccolo da poter essere accettato.

In altre parole, questo apprendimento ? previsto per evitare errori cosiddetti di ?underfitting? e ?overfitting?.

Gli errori di ?underfitting? corrispondono a una curva di apprendimento insufficiente dai dati per il sistema di identificazione di difetti 10.

Gli errori di tipo ?overfitting? insorgono invece quando il sistema di identificazione di difetti 10 fornisce risultati errati perch? non in grado di generalizzare e ottenere le corrette caratteristiche di definizione di difetti 18.

Per quest?ultimo tipo di problematica la banca dati 13 include anche un gruppo di ulteriori prime immagini (non rappresentate) sempre etichettate e divise per categorie che rappresentano un set di valutazione per verificare errori di tipo overfitting se presenti.

? da comprendere come questo apprendimento sia per il sistema di elaborazione 12 sia per la banca dati 13, venga generalmente effettuata una sola volta e di conseguenza tale impostazione iniziale non risulti necessaria ogniqualvolta si voglia utilizzare il sistema di identificazione di difetti 10.

Il sistema di elaborazione 12 utilizza una rete neurale profonda, o Deep Neural Network, per la suddivisione e lo sviluppo delle caratteristiche di definizione di difetti 18 summenzionate. Le caratteristiche di definizione di difetti 18 possono essere ad esempio rappresentate dai bordi del difetto da riconoscere, dalla forma.

Preferibilmente, ? utilizzata una rete neurale convoluzionale, ossia un tipo di rete neurale artificiale feed-forward in cui lo schema di connettivit? ? ispirato dall'organizzazione della corteccia visiva animale, i cui neuroni individuali sono disposti in maniera tale da rispondere alle regioni di sovrapposizione che tassellano il campo visivo.

Ancora preferibilmente, per sfruttare le prestazioni possibili mediante l?uso di detta rete neurale convoluzionale, il sistema di elaborazione 12 comprende una unit? di elaborazione grafica (o GPU). Nulla vieta al momento, o vieter? tramite lo sviluppo tecnologico, di adottare unit? differenti, senza che ci? si discosti dall?ambito di protezione definito dalle rivendicazioni allegate.

Terminato l?apprendimento del sistema di elaborazione 12 e il popolamento della banca dati 13 il sistema di identificazione di difetti 10 pu? operare su qualsiasi foglio di tessuto o pellame di qualsiasi natura.

Il sistema di elaborazione 12 ? in particolare atto a ricevere almeno una seconda immagine 19 del foglio 6 dal dispositivo di cattura di immagini 11. Viene quindi operato un confronto tra le caratteristiche 24 della seconda immagine 19 con le caratteristiche di definizione di difetti 18 presenti nella banca dati 13 sugli strati successivi di apprendimento 25. Nello specifico, nel caso in cui preferibilmente venga adottata una rete neurale convoluzionale l?estrazione delle caratteristiche 24 viene effettuata direttamente dalla seconda immagine 19 in ingresso, consentendo un?elevata precisione.

Le caratteristiche di definizione di difetti 18 possono essere molteplici e organizzate sui relativi strati successivi di apprendimento 25 seguendo una struttura logica ben definita. In questo caso specifico ciascuna delle caratteristiche di definizione di difetti 18 corrisponde a una caratteristica pi? peculiare deH?immagine da analizzare. Per esempio, la prima analisi potrebbe individuare i bordi, mentre l?ultima le forme pi? complesse, specifiche per la forma che si cerca di riconoscere, cos? da ottenere una definizione univoca.

In tal modo, il difetto sar? identificato come tale anche quando questo non assomigli a nessuna della pluralit? di prime immagini 16 memorizzata, avendo acquisito, in poche parole, il concetto del difetto da riconoscere. Questa competenza della rete ? il risultato della configurazione dei parametri e dei ?pesi" nei nodi distribuiti negli ultimi strati successivi di apprendimento 25.

Nel caso si verifichi una corrispondenza tra le caratteristiche 24 individuate nella seconda immagine con le caratteristiche di definizione di difetti 18 presenti nella banca dati 13, tale seconda immagine 19 ? classificata come difetto e il sistema di elaborazione 12 invia il segnale di comando 20 relativo alla sua individuazione.

Il segnale di comando 20 inviato a seguito del confronto attiva, in una forma di realizzazione preferita, un output sonoro e/o visivo, immediatamente percepibile da un operatore che si debba occupare del difetto individuato Ulteriormente viene attivato un processo di ?taglioripresa? del tipo descritto in precedenza.

Nel caso infine in cui vi sia una mancata corrispondenza anche tra le caratteristiche 24 della seconda immagine 19 con le caratteristiche di definizione di difetti 18, tale seconda immagine 19 ? classificata come porzione esente da difetti.

La medesima operazione ? effettuata porzione per porzione del foglio 6 cos? da controllarlo interamente.

? quindi ulteriormente possibile per il sistema realizzare una mappatura di una pluralit? di seconde immagini 19 per formare una immagine complessiva (non mostrata) di una estesa porzione di foglio 6 di tessuto o pellame, identificando le seconde immagini 19 classificate come difetti sull?immagine complessiva. In tal modo ? possibile quindi anche avere un?informazione maggiormente aggregata da inviare a ima successiva apparecchiatura di taglio.

Ogniqualvolta sia rivelata la presenza di un difetto 7 su una seconda immagine 19 o, se preferito, quando si rivela la presenza di un difetto 7 sul foglio 6 dopo aver effettuato la mappatura dello stesso, il sistema di identificazione di difetti 10 pu? interfacciarsi con l?apparecchiatura 8 attivando un sistema di blocco di stenditura 21, evitando quindi, soprattutto nei sistemi fortemente automatizzati, la propagazione del lavoro lungo il ciclo produttivo.

Nelle Figure 6 e 7 viene rappresentato come esempio un difetto 22.

Nello specifico in questo esempio si identifica un difetto di tipo ?taglio?, il quale viene rivelato dal sistema di identificazione di difetti 10 mediante la valutazione delle sue caratteristiche 24 o mediante una corrispondenza fotografica con una delle prime immagini 16 gi? memorizzate. Una volta identificato e localizzato per l?operatore viene tracciato un perimetro d?errore 23 che viene circoscritto dall?operatore per eliminare la porzione difettata in modo limitato minimizzando la quantit? di materiale eliminato.

Vantaggiosamente la presente invenzione consente di ispezionare tessuti e rilevare, localizzare e classificare eventuali difetti presenti su di essi.

Ancora vantaggiosamente, la presente invenzione consente di rilevare diverse tipologie di difetti, non essendo legata a una serie di immagini prese come confronto, ma essendo in grado di individuare e classificare come difetti qualunque tipo di anomalia, anche quelle non ?viste? in precedenza, dato l?apprendimento delle specifiche generali che caratterizzano la tipologia di difetto.

Per questo motivo, la presente invenzione non risulta legata al tipo di tessuto o pellame analizzato non tenendo in considerazione solo particolari trame o caratteristiche del materiale, ma riuscendo ad astrarre le generalit? di un difetto a prescindere dal foglio sul quale questo si trova.

Vantaggiosamente, la presente soluzione risulta non inficiata da un possibile errore umano, che come detto pu? verificarsi sia per mancata preparazione dell?operatore, sia per una normale distrazione, sia per condizioni contingenti non ottimali per l?individuazione di un difetto sul foglio di tessuto e/o pellame.

Ulteriormente vantaggiosamente, viene incrementata l?efficienza della fase di stenditura e individuazione di difetti sui fogli di tessuto e/o pellame. Tale efficienza ? chiaramente determinata dal minor tempo di valutazione della macchina rispetto a un operatore con un connesso incremento di produzione a parit? di ciclo giornaliero di lavoro. Ulteriormente lincremento in efficienza ? dato dairottimizzazione del tempo-operatore, in particolare con la riduzione del tempo necessario per il personale altamente qualificato per svolgere questa funzione. In tal modo si pu? tendere per la fase di rilevazione dell?errore alla totale automazione e a un tempo-operatore speso pari a zero, potendo occupare lo stesso tempo dell?operatore per funzioni di pi? alto livello di controllo, anche da remoto senza la necessit? di essere sul posto.

Ancora vantaggiosamente, l?utilizzo del sistema dedicato secondo l?invenzione consente di limitare al massimo il perimetro del foglio su cui ? presente l?errore, producendo il minor dispendio di materiale possibile.

Vantaggiosamente, il sistema secondo l?invenzione ? applicabile ad apparecchiature di stenditura preesistenti, senza che sia necessario applicare particolari accorgimenti di adattamento.

Infine, vantaggiosamente, una volta installato su un?apparecchiatura con la fase di apprendimento gi? operata, il sistema ? di semplice esecuzione senza che si necessitino complesse istruzioni d?uso, essendo necessaria unicamente la sufficiente potenza di calcolo del sistema di elaborazione.

Al tecnico del ramo risulter? chiaro che al sistema del presente trovato possono essere apportate modifiche e varianti tutte rientranti neH?ambito dell?invenzione definito dalle rivendicazioni allegate.

Ad esempio, come gi? anticipato, lo sviluppo tecnologico in particolare di sistema di elaborazione e banca dati potr? comportare migliorie dal punto di vista della rapidit? di esecuzione, senza discostarsi per? dal concetto di applicazione generale definito dalle rivendicazioni allegate. Nello specifico, la rete neurale e l?ambiente di sviluppo utilizzati comprenderanno soluzioni sempre pi? performanti e la stessa GPU potr? estrarre sempre pi? immagini al secondo ed esaurire il riconoscimento di un intero foglio in sempre meno tempo.

Claims

RIVENDICAZIONI 1. Sistema di identificazione di difetti (10) su tessuti e/o pellami comprendente: - una struttura di stenditura (5) comprendente una superficie di stenditura (5A) per almeno un foglio (6) di detti tessuti e/o pellami; - almeno un dispositivo di cattura di immagini (11) su detta struttura di stenditura (5) e atto a catturare almeno una immagine di detto foglio (6) di detti tessuti e/o pellami; - almeno una banca dati (13); - almeno un sistema di elaborazione (12) collegato a detto almeno un dispositivo di cattura di immagini (11) e collegato a detta almeno una banca dati (13); - un dispositivo di segnalazione di errore (14) operativamente connesso a detto sistema di elaborazione (12); caratterizzato dal fatto che detto sistema di elaborazione (12) ? atto a: - ricevere una pluralit? di prime immagini (16) di detto foglio (6) di detti tessuti e/ o pellami da detto dispositivo di cattura di immagini ( i i) ; - estrapolare caratteristiche di definizione di difetti (18) per detti tessuti e/o pellami e classificare dette caratteristiche di definizione di difetti (18) secondo strati successivi di apprendimento (25); - memorizzare dette caratteristiche di definizione di difetti (18) in porzioni dedicate di detta banca dati (13); - ricevere almeno una seconda immagine (19) di detto foglio (6) di detti tessuti e/o pellami da detto dispositivo di cattura di immagini ( ); - estrapolare caratteristiche (24) di detta seconda immagine (19); - operare un confronto tra dette caratteristiche (24) di detta seconda immagine (19) con dette caratteristiche di definizione di difetti (18) su detti strati successivi di apprendimento (25); - in caso di corrispondenza di dette caratteristiche (24) di detta seconda immagine (19) con dette caratteristiche di definizione di difetti (18): - classificare detta seconda immagine (19) come difetto; e - in caso di mancata corrispondenza di dette caratteristiche (24) di detta seconda immagine (19) con dette caratteristiche di definizione di difetti (18): - classificare detta seconda immagine (19) come porzione esente da difetti; e dal fatto che detto dispositivo di segnalazione di errore (14) genera un segnale di comando (20) solo quando detta seconda immagine (19) ? classificata come difetto.
2. Sistema di identificazione di difetti (10) secondo la rivendicazione 1, in cui detto sistema di elaborazione (12) ? ulteriormente atto a realizzare una mappatura di ima pluralit? di seconde immagini (19) per formare una immagine complessiva di una estesa porzione di detto foglio (6) di tessuto o pellame, identificando le seconde immagini (19) classificate come difetti su detta immagine complessiva.
3. Sistema di identificazione di difetti (10) secondo la rivendicazione 1 o 2, in cui detto segnale di comando (20) attiva un output sonoro e/o visivo all'identificazione di un difetto da parte di detto sistema di elaborazione (12).
4. Sistema di identificazione di difetti (10) secondo una qualsiasi delle rivendicazioni da 1 a 3, comprendente una pluralit? di dispositivi di cattura di immagini (11) su detta struttura di stenditura (5) per catturare una pluralit? di immagini di detto foglio (6) di detti tessuti e/o pellami.
5. Apparecchiatura (8) di stenditura per tessuti, comprendente almeno un telaio mobile (2), almeno due nastri di stenditura (3), almeno un mezzo di movimentazione (4) per detti nastri di stenditura (3), e un sistema di identificazione di difetti (10) secondo una qualsiasi delle rivendicazioni da 1 a 4.
6. Apparecchiatura (8) di stenditura per tessuti secondo la rivendicazione 5, in cui detto segnale di comando (20) attiva un sistema di blocco di stenditura (21) quando una seconda immagine (19) ? classificata come difetto.
7. Metodo di identificazione di difetti su tessuti e/o pellami per almeno un foglio (6) di detti tessuti e/o pellami comprendente le fasi di: - predisposizione di un sistema di cattura di immagini (11); - posizionamento in sequenza di una pluralit? di porzioni di foglio (15A, 15B, 15C) comprendenti difetti noti (17A, 17B, 17C) in corrispondenza di detto sistema di cattura di immagini (11) su un banco di apprendimento; - ricezione di una corrispondente pluralit? di prime immagini (16) di detta pluralit? di porzioni di foglio (15A, 15B, 15C) in un sistema di elaborazione (12) da detto dispositivo di cattura di immagini (1 1); - estrapolazione di caratteristiche di definizione di difetti (18) da dette prime immagini (16); - classificazione di dette caratteristiche di definizione di difetti (18) secondo strati successivi di apprendimento (25) in detto sistema di elaborazione (12); - memorizzazione di dette caratteristiche di definizione di difetti (18) in porzioni dedicate di una banca dati (13); - posizionamento di un foglio (6) di un tessuto e/o pellame da controllare su una superficie di stenditura (5A); - cattura di almeno una seconda immagine (19) di una almeno una porzione di detto foglio (6) ; - elaborazione di detta almeno una seconda immagine (19) mediante detto sistema di elaborazione (12) secondo le seguenti sottofasi: - estrapolazione di caratteristiche (24) di detta seconda immagine (19); - confronto tra dette caratteristiche (24) di detta seconda immagine (19) con dette caratteristiche di definizione di difetti (18) su detti strati successivi di apprendimento (25); - classificazione di detta seconda immagine (19) come difetto in caso di corrispondenza di dette caratteristiche (24) di detta seconda immagine (19) con dette caratteristiche di definizione di difetti (18) su detti strati successivi di apprendimento (25); oppure - classificazione di detta seconda immagine (19) come porzione esente da difetti in caso di mancata corrispondenza di dette caratteristiche (24) di detta seconda immagine (19) con dette caratteristiche di definizione di difetti (18); - generazione di un segnale di comando (20) mediante un dispositivo di segnalazione di un errore (14) solo quando detta seconda immagine (19) ? classificata come difetto.
8. Metodo di identificazione secondo la rivendicazione 7, ulteriormente comprendente una fase di mappatura di una pluralit? di seconde immagini (19) per formare una immagine complessiva di una estesa porzione di detto foglio (6) di tessuto e/o pellame, identificando le seconde immagini (19) classificate come difetti su detta immagine complessiva.
9. Metodo di identificazione secondo la rivendicazione 7 o 8, ulteriormente comprendente una fase di blocco di una stenditura di detto tessuto e/o pellame mediante un sistema di blocco di stenditura (21) quando una seconda immagine (19) ? classificata come difetto.
10. Metodo di identificazione secondo una qualsiasi delle rivendicazioni da 7 a 9, in cui dette fasi di cattura di immagini mediante detto sistema di cattura di immagini ( 11 ) e detta fase di elaborazione di dette prime immagini (16) sono realizzate mediante Deep Neural Network per il riconoscimento di oggetti.