Die Erfindung betnfft ein Verfahren und eine Vomchtung zur Erkennung von Fehlem in textilen Flächengebilden

Aus dem Textile Research Journal 63(4), Seiten 244-246 (1993) und 66(7), Seiten 474-482 (1996) sind unter dem Titel "Assessment of Set Marks by Means of Neurai Nets" und "Automa¬ tic Inspection of Fabπc Defects Usmg an Artificial Neurai Network Technique" Vorschlage bekannt, gemass denen neuronale Netzwerke für die Erkennung von Fehlem in Textilien ver¬ wendet werden können Dabei wird so verfahren, dass zuerst bestimmte Eingangswerte für das Netzwerk ermittelt werden Solche Eingangswerte sind beispielsweise der Abstand zwi¬ schen Faden im Gewebe an einer vorgegebenen Stelle oder der Mittelwert dieses Abstandes über das ganze Gewebe, die Standard Abweichung von Werten für den genannten Abstand, die Gammasse oder Intensitätswerte, die aus einem Gewebebild stammen, das einer Fouπer- transformation unterzogen wurde Dies sind alles Messgrossen, die aus Grossen aus dem Gewebe durch mehr oder weniger umfangreiche Berechnungen zuerst gewonnen werden müssen

Ein Nachteil solcher Verfahren besteht dann, dass diese nicht sehr flexibel sind, so dass die Erkennung von Fehlem in verschiedenen Geweben Berechnungen voraussetzt, die vorausge¬ hend durchgeführt werden müssen. Damit ist es nicht möglich aus dem Flachengebilde Ein¬ gangswerte für ein Fehlererkennungssystem zu entnehmen oder abzuleiten, welche für alle möglichen Arten von Oberflächenstrukturen des Flächengebildes hinreichend sind Soll dies trotzdem näherungsweise erreicht werden, so sind sehr viele verschiedene Messgrόssen zu bestimmen, die einen entsprechend grossen Berechnungsaufwand verursachen Dazu sind sehr schnelle und teure Rechner einzusetzen

Die Erfindung, wie sie in den Patentansprüchen gekennzeichnet ist, löst deshalb die Aufgabe, ein Verfahren und eine Vorrichtung zu schaffen, die an verschiedenste textile Flächengebilde schnell anpassbar und einfach zu bedienen ist.

Dies wird durch geschickte Nutzung modemer, kostengünstiger und parallel arbeitender Rech¬ ner erreicht. Das Flächengebilde wird in zwar bekannter Weise beispielsweise zeilenweise durch eine Kamera abgetastet, die einen Speicher speist. Dann werden nun Werte für die Helligkeit oder Intensität von Bildpunkten oder Teilbereichen eines Flächengebiides gespei¬ chert. Damit enthält der Speicher mit der Zeit ein Bild eines Ausschnittes des Flächengebildes. Aus diesem Speicher werden nun Werte aus zusammenhängenden Bereichen parallel entnom¬ men und parallel einem neuronalen Netz zugeführt, das vorausgehend auf Fehlererkennung trainiert wurde. Das neuronale Netz gibt als Resultat an, ob im untersuchten Bereich ein Fehler vorliegt. Dieses Resultat wird in einen weiteren Speicher eingelesen, der dieses Resultat unter Berücksichtigung der Lage des Bereiches auf dem Flächengebilde speichert. Haben die unter¬ suchten Bereiche nach und nach die ganze Breite des Flächengebildes und damit das Flächen¬ gebilde auch über einen Abschnitt in seiner Längsrichtung zeilenweise erfasst, so liegt eine abschliessende Angabe über Fehler im untersuchten Abschnitt vor. Gemass der Erfindung wird ein an sich bekannter neuronaler Klassifikator als nichtlineares Filter benutzt und statt mit zusätzlichen Messgrössen, direkt mit Helligkeitswerten aus einer relativ grossen Umgebung (z.B. 10 x 100 Pixel) als Eingangswerte für das neuronale Netz gearbeitet. Die Umgebung wird auf der Oberfläche des Flächengebildes pixelweise verschoben, so dass eine Filterung ausge¬ führt wird. Am Ausgang des Klassifikators entsteht ein gefiltertes Binärbild, in dem Fehler im Flächengebilde deutlich aufscheinen. Durch einen Lemprozess werden sowohl die Filterstruktur wie auch die Filterparameter automatisch ermittelt und so an beliebige, strukturierte bis klein¬ gemusterte Oberflächen angepasst. Der Lemprozess kann durch Vorlage von ca. 20 bis 100 Bildmustem, die Fehler enthalten und von ebensovielen Bildmustem die keine Fehler enthal¬ ten, erfolgen. Durch eine Aufteilung des Filters in zwei neuronale Netze für Eingangsumgebun¬ gen, die bei Geweben in Kett- oder Schussrichtung orientiert sind, kann die Unterscheidung zwischen Kett- und Schussfehlem weiter gefördert werden.

Die durch die Erfindung erreichten Vorteile sind insbesondere darin zu sehen, dass eine solche Vomchtung aus kostengünstigen, einfachen, parallel arbeitenden und für neuronale Netzwerke optimierte Rechenr aufgebaut werden kann. Durch die parallele Verarbeitung aller Eingangs¬ werte werden sehr hohe Rechenleistungen (z.B einige Giga MAC (multipy accumulate)) erzielt, so dass das Resultat der Untersuchung auch bei hohen Warenbahngeschwindigkeiten laufend emriittelt werden kann Rechner dieser Art können weitgehend auf einem einzigen Silizium-Chip integriert werden und in Form von Zusatzplatten in Personal Computern eingesetzt werden Als Beispiele für solche Leiterplatten seien hier das PALM PC Board der Firma Neuoptic Technolo¬ gies, Ine und das CNAPS PC Board der Firma Adaptive Solutions genannt. So sind hohe In¬ spektionsleistungen von z.B 120 m/min möglich

Der Lemvorgang kann ganz einfach mit Hilfe eines beispielsweise von Auge als fehlerfrei er¬ kannten Abschnittes und von fehlerbehafteten Abschnitten des Flächengebildes durchgeführt werden. Zudem kann die Sensitivität der Fehlererkennung durch die besondere Form und Orientierung der Bereiche, aus denen Eingangswerte entnommen werden, gesteigert werden. Durch den einfachen Lemvorgang ist die Fähigkeit zur Anpassung an verschiedene Strukturen des Flächengebildes gross. Für die einfache Bedienung braucht es kein speziell geschultes Fachpersonal. Die Erfindung kann für struktunerte und gemusterte Oberflächen verwendet werden

Im folgenden wird die Erfindung anhand eines Beispiels und mit Bezug auf die beiliegenden Zeichnungen näher erläutert. Es zeigen:

Figur 1 einen Teil eines textilen Flächengebildes auf dem verschiedene Merkmale schematisch angedeutet sind,

Figur 2 eine schematische Darstellung einer nichtlinearen Filteroperation,

Figur 3 ein Bild des Flächengebildes mit Fehlermarkierungen,

Figur 4 eine schematische Darstellung einer erfindungsgemässen Vomchtung und

Figur 5 eine schematische Darstellung eines Teils der Vomchtung

Fig. 1 zeigt einen Teil eines Flächengebildes 1, hier beispielsweise eines Gewebes, das aus Kettfäden 2 und Schussfäden 3 aufgebaut ist, von denen aber hier nur einige wenige darge¬ stellt sind Weiter sind einige Zeilen 4 dargestellt, wie sie beispielsweise von einer Zeilenkame- ra erfasst werden können, die das Flächengebilde 1 so überstreicht, dass das ganze Flächen¬ gebilde erfasst wird. Solche Zeilen 4, können auch überlappend angeordnet sein, um keine Lücken zwischen den Zeilen frei zu lassen Weiter erkennt man Bereiche 5 und 6 die je aus 72 Teilbereichen 7 und 56 Teilbereichen 8 bestehen Solche Bereiche 5, 6 sind nur für eine be¬ stimmte Zeitdauer definiert und werden damit für andere Zeiten zwar in gleicher Form und Grosse doch in anderer Lage definiert. Mit 5a, 5b und 6a, 6b sind weitere solche Bereiche in anderer Lage bezeichnet, wobei sich mehrere für aufeinanderfolgende Zeitdauern definierte Bereiche 5, 5a, 5b und 6, 6a, 6b überlappen. Vorzugsweise pflanzen sich diese Bereiche mit der Zeit in Richtung eines Pfeiles 9 über die Breite des Flächengebildes 1 so fort, dass aufein¬ anderfolgende Bereiche 5, 5a, 5b und 6, 6a, 6b um einen Teilbereich 7, 8 zueinander versetzt sind.

Fig. 2 zeigt schematisch und in einer Ebene 13 angeordnet, einen Speichennhalt mit Eingangs¬ werten 14a, 14b, 14c usw. die die Helligkeit oder einen Grauwert des Flächengebildes dar¬ stellen, wie er von einem Sensor oder einer Kamera erfasst wird. In einer Ebene 15 sind als Ausgangswerte oder Resultate Signale dargestellt von denen hier nur ein Signal 16 ersichtlich ist, das vorzugsweise zwei mögliche Zustände anzeigen kann nämlich Fehler oder kein Fehler Zwischen den Ebenen 13 und 15 liegt eine nichtlineare Filteroperation, wenn man diese Dar¬ stellung funktionsmässig auffasst. Diese Darstellung kann aber auch im Sinne eines Aufbaus einer Vorrichtung aufgefasst werden. Dann ist mit 17 ein Zwischenrechner und mit 16 ein Aus¬ gangsrechner bezeichnet. Man kann die Eingangswerte 14 auch als Eingangsneuronen, die

Zwischenrechner 17 als versteckte Neuronen und die Ausgangsrechner 16 als Ausgangsneu¬ ron eines neuronalen Netzwerkes auffassen

Fig. 3 zeigt ein Bild 10 eines Abschnittes des Flächengebildes 1 in vergrόsserter Darstellung Darauf sind zwei Regionen 11 und 12 markiert, die fehlerbehaftet sind Diese Regionen 11 , 12 sind aus Teilbereichen gemass Fig 1 zusammengesetzt, so dass, wie hier ersichtlich, mehrere Teilbereiche mit einem Fehlersignal belegt sind und so zusammen die Regionen 11 und 12 ergeben.

Fig. 4 zeigt schematisch den Aufbau einer erfindungsgemassen Vomchtung Diese weist eine unmittelbar neben dem Flächengebilde 20 angeordnete Kamera 21 , z B eine CCD-Kamera oder allgemein einen photo-elektπschen Wandler auf, der an einen Speicher 22 angeschlossen ist. In diesem sind die Signale aus mehreren nebeneinanderliegenden Zeilen 4 für eine be¬ stimmte Zeit gespeichert. Diese Signale und Zeilen werden dann nach dem FIFO-Prinzip be¬ wirtschaftet. Der Speicher 22 ist an ein nichtlineares Filter 23 angeschlossen, das beispiels¬ weise als Rechner ausgebildet sein kann, in dem ein entsprechendes Filterprogramm geladen ist. Das Filterprogramm ist nach den Grundsätzen eines neuronalen Netzes aufgebaut, so dass das Filter 23 die Funktion eines Klassifikators ausübt. Dieser ist an einen Speicher 24 ange¬ schlossen, in dem Fehlersignale (oder eben Nichtfehlersignale) mit Zuordnungen zu Bereichen auf dem Flächengebilde gespeichert sind. Auch hier bleiben die Fehlersignale für eine bestimmte Zeitdauer im Speicher 24 gespeichert und die Fehlersignale werden ebenfalls nach dem FIFO-Pπnzip bewirtschaftet. Über eine Verbindung 25 ist der Speicher 24 mit einem Weg¬ messer oder Längenkodierer 26 verbunden, so dass eine Angabe über die augenblickliche Lage der Kamera 21 längs des Flächengebildes 20 im Speicher 24 aufgenommen werden kann. Zur Anzeige der Resultate der Untersuchungen am textilen Flächengebilde 20 ist eine Anzeigeeinheit 27 an den Speicher 24 angeschlossen, die beispielsweise als Drucker oder als Bildschirm ausgebildet sein kann. Anstelle der Anzeigeeinheit 27 kann aber auch eine Ver¬ arbeitungseinheit, z.B. ein Rechner vorgesehen sein, welche den Inhalt des Speichers 24 einer weiteren Klassierung unterzieht, und zwar in dem Sinne, dass Fehlerregionen wie die Regionen

11 und 12 aus Fig. 3 mit vorgegebenen Kriterien verglichen werden, so dass sie verschiedenen Arten von Fehlem zugeordnet werden können. Bei Geweben können sich die Fehler so bei¬ spielsweise in Schussfehler und Kettfehler klassieren lassen. In Fig. 3 würde damit die Region 11 einen Schussfehler und die Region 12 einen Kettfehler darstellen.

Fig. 5 zeigt einen Ausschnitt eines nichtlinearen Filters 23 (Fig. 4), wobei das Filter hier als neuronales Netz aufgebaut ist. Es enthält in einer ersten Schicht angeordnete Prozessoren 30 und in einer zweiten Schicht angeordnete Prozessoren 35. Im Vergleich zur Fig. 2 sind die Prozessoren 30 als beispielhafte Ausführungen für die Zwischenrechner 17 und die Prozesso¬ ren 35 für die Ausgangsrechner oder Ausgangsneuronen 16 aufzufassen. Die Prozessoren 30 sind aus mehreren Multiplikatoren 31 mit zugeordneten Speichern 32 aufgebaut, die alle an einen Addierer 33 angeschlossen sind. Dieser ist wiederum mit seinem Ausgang an eine Ver¬ arbeitungsstufe 34 angeschlossen, die eine nichtlineare Kennlinie aufweist. Die Multiplikatoren 31 sind mit dem Speicher 24 für die Aufnahme von Eingangswerten 14a, 14b, 14c usw. ver¬ bunden. Die Prozessoren 35 sind in gleicher Art aufgebaut, wobei aber die Verarbeitungsstufen 34 der Prozessoren 30 mit den Multiplikatoren 31 der Prozessoren 35 verbunden sind. Diese weisen einen Ausgang 16 für Ausgangswerte auf. Die gezeigte Anordnung, bei der die Prozes¬ soren 30 der ersten Schicht mit allen Eingangswerten eines Bereiches beaufschlagt werden, ist hier als Parallelrechner realisiert, der aus lauter gleichartigen Prozessoren 30, 35 besteht.

Die Wirkungsweise des erfindungsgemässen Verfahrens und der Vorrichtung ist wie folgt: In bezug auf das Flächengebilde 1 werden zuerst Bereiche 5, 6 im Speicher 22 definiert, indem in diesem oder im daran angeschlossenen Filter 23 Instruktionen vorgegeben werden, die Bestimmen aus welchen Speicherplätzen im Speicher 22 Werte entnommen und als Eingangs¬ werte für das Filter 23 zugeführt werden. Einerseits sollen solche Bereiche 5, 6 Seiten auf¬ weisen, die parallel zu den Zeilen 4 liegen, die die Kamera 21 vom Flächengebilde 1 aufnimmt. Andererseits sollen die Bereiche vorzugsweise auch eine Hauptrichtung aufweisen, die parallel zu Strukturmerkmalen des Flächengebildes 1 ausgerichtet ist. In diesem Falle ist der Bereich 5

in seiner Hauptrichtung parallel zu den Schussfäden 3 und der Bereich 6 parallel zu den Kett¬ fäden 2 ausgerichtet.

Zum Einstellen der Filterkoeffizienten oder Filterparameter erfolgt anschliessend eine Lempha¬ se. In dieser wird die Kamera 21 abwechslungsweise auf Bereiche, die keinen Fehler enthalten und auf Bereiche die einen Fehler enthalten gerichtet. Dabei wird auch jedesmal das Resultat, das das Filter 23 anzeigen soll vorgegeben. Dabei wird der Rechner, der das Filter bildet, in einem Modus betrieben, in dem er nicht Resultate ausgibt, sondern aus den Resultaten und den Eingangswerten seine Koeffizienten und Parameter adaptiert. Diese sind als Ausgangs¬ werte zunächst beliebig beispielsweise als Werte in den Speichern 32 oder als Parameter der nichtlinearen Kennlinie der Verarbeitungsstufe 34 vorgegeben und werden durch den Lem¬ prozess nach vorbestimmten Regeln adaptiert, so dass das Filter eine bestimmte Übertra¬ gungsfunktion erhält. Dieser Vorgang wird vorzugsweise nicht ein für alle mal sondern jedes¬ mal wiederholt, wenn ein neues Flächengebilde 1 , 20 aufgespannt wird.

Ist die Lemphase abgeschlossen, so wird im Rechner der Modus umgestellt und die Erkennung der Fehler kann an einem in einer Richtung senkrecht zum Pfeil 9 bewegten Flächengebilde 1 vorgenommen werden. Das bedeutet, dass nun die Kamera in an sich bekannter und deshalb hier nicht näher dargestellter Weise in Richtung des Pfeiles 9 über das Flächengebilde 1 streicht und dabei Zeilen 4 optisch abtastet. Dabei werden die erfassten Werte für die Helligkeit oder Farbintensität an den Speicher 22 geliefert, der diese beispielsweise ebenfalls zeilenweise speichert. Aus dem Speicher 22 werden die Werte für alle Teilbereiche 7, 8 aus Bereichen 5, 5a, 5b, 6, 6a, 6b usw. parallel dem Filter 23 zugeführt, der für jeden Bereich 5, 5a, 5b, 6, 6a, 6b einen Ausgangswert, Resultat oder Signal 16 (Fig. 3) abgibt. Dieses Signal, das vorzugsweise binärer Art ist, wird zusammen mit einer Angabe über die Lage des Bereiches von dem es stammt, in den Speicher 24 eingelesen und während einer Zeit gespeichert, die die Kamera 21 benötigt, um mehrere Zeilen 4 zu erfassen. So entsteht im Speicher 24 eine Belegung von Speicherplätzen mit Signalen, die einem Bild 10 entsprechen kann wie es aus der Fig. 3 be¬ kannt ist. Darin sind solche Signale 16 erkennbar, die, da sie meistens nicht isoliert, sondern

gruppenweise auftreten zu Regionen 11 , 12 zusammengefasst sind, die einen Fehler im Flä¬ chengebilde 1 anzeigen. Dieses Bild 10 kann in einer Anzeigeeinheit 27 auch sichtbar gemacht werden.

Ist statt der Anzeigeeinheit 27 eine Verarbeitungseinheit vorgesehen, so ist diese als Rechner ausgebildet, der eine Bildsegmentation vornehmen kann, um gemass geeigneten Verfahren, wie sie beispielsweise in "Rafael C. Gonzalez und Paul Wintz: Digital Image Processing, Addison-Wesley Publishing Company, Reading Massachusetts, 1987" beschrieben sind, ein¬ zelne Pixel zu Regionen zusammenzufassen.

Hat das nichtlineare Filter 23 einen Aufbau gemass Fig. 5, so werden entsprechend den Berei¬ chen 5, 6 ausgewählte Eingangswerte 14a, 14b, 14c usw. alle jedem Prozessor 30 der ersten Schicht zugeführt. Jeder Prozessor 30 weist somit soviele Multiplikatoren auf wie der Bereich Teilbereiche aufweist. In den Multiplikatoren werden die Eingangswerte 14 mit Faktoren Multi¬ pliziert, die in den Speichem 32 gespeichert sind und anschliessend im Addierer Summiert, so dass ein Mischwert entsteht, der aus allen Eingangswerten eines Bereiches zusammengesetzt ist. Dieser Mischwert wird weiter durch die nichtlineare Kennlinie der Verarbeitungsstufe 34 verändert. Die veränderten Mischwerte werden wiederum den Prozessoren 35 der zweiten Schicht zugeleitet, wo sie in gleicher Weise wie in den Prozessoren 30 verarbeitet werden. Daraus entsteht für jeden Bereich ein Ausgangswert am Ausgang 16. Diese Ausgangswerte werden dem Speicher 24 zugeführt und dort wie in Fig. 3 gezeigt abgelegt.

Obwohl die Erfindung hier insbesondere am Beispiel eines Gewebes erläutert ist, ist es genau¬ sogut möglich, diese bei gestrickten oder ähnlich strukturierten Flächengebilden anzuwenden. Dann ist insbesondere darauf zu achten, dass die Bereiche 5 und 6 mit ihren Hauptachsen so ausgerichtet werden, dass sie parallel zu herausragenden Linien des Musters oder Gestrickes ausgerichtet sind. Dabei ist es auch möglich die Hauptachsen der Bereiche 5, 6 beliebig (nicht rechtwinklig) anzuordnen und eine andere Richtung für die Fortpflanzung oder Verschiebung der Bereiche zu wählen als entsprechend dem Pfeil 9.