No pasado, as inspeccións tradicionais da calidade dos tecidos na industria téxtil realizábanse principalmente de forma manual, o que levaba a unha alta intensidade de traballo, baixa eficiencia e unha precisión inconsistente. Mesmo os traballadores con moita experiencia, despois de máis de 20 minutos de traballo continuo, experimentan unha diminución na súa capacidade para identificar defectos nos tecidos.
Para abordar este problema, os provedores de solucións visuais utilizaron a tecnoloxía avanzada de algoritmos visuais de IA para desenvolver máquinas intelixentes de inspección de tecidos que substitúan os 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 buratos, manchas, nós de fío e moito máis, cunha taxa de detección de defectos no 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 empregan configuracións tradicionais, como ordenadores industriais, tarxetas gráficas e tarxetas de captura. Non obstante, nas fábricas téxtiles, o aire húmido causado pola humidade do tecido con auga e a presenza de pelusa flotante poden causar facilmente corrosión e curtocircuítos nos ordenadores industriais e tarxetas gráficas tradicionais, o que resulta en perdas económicas e elevados custos posvenda.
O APQ TAC-3000 substitúe a necesidade detarxetas de captura, ordenadores industriais e tarxetas gráficas, ofrecendo unha mellor estabilidade á vez que reduce os custos de adquisición e posvenda.
Parte 1: Características e vantaxes do APQ TAC-3000
O TAC-3000, deseñado para a computación perimetral, utiliza o módulo da serie Jetson de NVIDIA como núcleo e ten as seguintes características:
- Potente capacidade de computación de IACunha potencia de cálculo de ata 100 TOPS, cumpre as elevadas esixencias computacionais das complexas tarefas de inspección visual.
- Expansibilidade flexibleAdmite unha variedade de interfaces de E/S (Gigabit Ethernet, USB 3.0, DIO, RS232/RS485) para unha sinxela conexión a dispositivos e sensores externos.
- Comunicación sen fíosAdmite a expansión 5G/4G/WiFi para unha comunicación estable en diversos entornos.
- Entrada de tensión ampla e deseño compactoAdmite unha entrada de CC de 12 a 28 V e presenta un deseño ultracompacto sen ventilador axeitado para a instalación en espazos reducidos.
- Aplicacións de aprendizaxe profundaCompatible con TensorFlow, PyTorch e outros marcos de aprendizaxe profunda, o que permite a implementación e o adestramento de modelos para mellorar a precisión da inspección.
- Baixo consumo de enerxía e alta eficienciaO deseño sen ventilador, combinado coa plataforma Jetson, garante un baixo consumo de enerxía e un rendemento estable en ambientes con humidade e calor elevado, o que reduce os custos operativos e o consumo de enerxía.
Especificacións do TAC-3000
Admite placas base SO-DIMM NVIDIA® Jetson™
Controlador de IA de alto rendemento con ata 100 TOPS de potencia de cálculo
Tres portos Gigabit Ethernet, catro portos USB 3.0
DIO de 16 bits opcional, 2 portos COM configurables RS232/RS485
Admite a expansión 5G/4G/WiFi
Entrada de tensión ampla de CC de 12 a 28 V
Deseño ultracompacto sen ventilador cun corpo metálico de alta resistencia
Apto para instalación sobremesa ou DIN
Estuche de inspección de tecidos intelixentes
O controlador APQ TAC-3000, baseado na plataforma NVIDIA Jetson, ofrece unha excelente potencia de cálculo, estabilidade e rendibilidade. Ten amplas aplicacións nos campos da inspección visual de IA, como a inspección de tecidos, a detección de roturas de fíos, a detección de defectos de revestimento de eléctrodos e moito máis. APQ continúa a proporcionar solucións de computación intelixente industrial integradas e fiables para axudar a avanzar na iniciativa "Made in China 2025".
Data de publicación: 30 de agosto de 2024