Il Digital Innovation Hub Vicenza, assieme a TR2 S.r.l.s., azienda software specializzata in Machine Vision per applicazioni industriali, e IFARLAB-DIH, centro di ricerca per lo sviluppo di soluzioni di robotica e automazione industriale con sede in Turchia, è stato selezionato come uno dei vincitori della seconda Open Call DIH4AI, finanziata dall’Unione Europea.
Il progetto prevede, come Proof of Concept, lo sviluppo di due sistemi di Intelligenza Artificiale per il controllo qualità dei tessuti in fase di produzione:
- Riconoscimento delle anomalie nei tessuti denim per migliorare l’ispezione qualitativa.
- Rilevamento di sostanze contaminanti tramite una videocamera iperspettrale.
Questo progetto, guidato nello sviluppo da TR2, si è concluso con lo sviluppo di una dashboard che consente l’ispezione dei tessuti in tempo reale, pronto per la commercializzazione. Il risultato evidenzia in modo tangibile le straordinarie capacità offerte dalle tecniche di Machine Learning, soprattutto in contesti artigianali che attribuiscono la massima importanza alla qualità dei materiali.
Obiettivi di progetto
1.
Ridurre la percentuale di errori nel controllo qualità, supportando il lavoro di operatori tecnici
2.
Identificare e visualizzare le contaminazioni indesiderate nei prodotti tessili
3.
Ottimizzare i processi di produzione, riducendo gli scarti
Approccio e Risultati
L’apparato sperimentale ha incorporato una telecamera montata su specola, in linea con gli standard dell’industria. Utilizzando un modello YOLOv8 per il rilevamento delle anomalie, FABCOD ha superato le aspettative con una precisione del 92,8% e recall del 93,1% in condizioni statiche. Le capacità in tempo reale hanno raggiunto una percentuale di successo tra l’80% e il 90%, rispetto a un benchmark del 70%. Nelle seguenti immagini sono rappresentate diverse grafiche della dashboard, con rilevamento in tempo reale e report con statistiche sui difetti identificati.
Utilizzando una videocamera SWIR, il software di TR2 è in grado di analizzare anche immagini iperspettrali. Le seguenti immagini illustrano l’analisi condotta su cinque campioni di materiale, ognuno contenente diverse sostanze contaminanti, trasportati su un nastro. La risposta iperspettrale viene ottenuta a una banda specifica tramite scan lineare. Oltre al rilevamento e alla visualizzazione tramite la dashboard, durante la fase prototipale il consorzio ha efficacemente impiegato l’algoritmo Mask R-CNN per differenziare materiali denim elastici e non elastici. Questo successo dimostra le ampie potenzialità di questa tecnica, adattabile a una varietà di sostanze di interesse.
Per chi volesse esplorare i dati iperspettrali per scopi di ricerca, il consorzio ne ha reso accessibile una porzione nell’AI Asset Catalog di AI4EU.
Informazioni importanti
Target
PMI nel settore Moda e Produzione Tessile.
End user
Aziende tessili in Turchia e Italia.
Provider
Talking Road (TR2 S.r.l.s.) – impresa di sviluppo software (capofila).
Partner
IFARLAB-DIH – centro di ricerca specializzato in robotica e automazione, con sede all’Università di Eskisehir Osmangazi, Turchia .
This sub-project has received funding from the European Union’s Horizon 2020 research and innovation programme under Open Call 2 of DIH4AI project GA No 101017057.
