Pletená žinylková příze - Výroba žinylkové příze

2. Žinylková příze

2.2. Výroba žinylkové příze

2.2.2. Pletená žinylková příze

Na obrázku č. 2 je možné vidět pletenou žinylkovou přízi. Žinylkové příze lze také vyrábět pletařskou technologií na osnovních pletařských strojích, kde základní niť plete řetízek a vlasová niť se provazuje střídavě mezi jednotlivými řetízky. Po upletení se vlasová niť rozřeže [17].

Obrázek 2: Pletená žinylka [17]

28 2.2.3. Tkaná žinylková příze

Třetím způsobem výroby žinylkové příze je tkaní. Původní žinylka je v podstatě proužek tkaniny s vlasovým povrchem vytvořeným rozřezanými útky. Tato žinylka se vytváří složitějším způsobem, než je předení. Předdílo – jedná se o tkaninu, která je tkána v plátnové nebo perlinkové vazbě a po zatkání se útky rozřezávají na pásy.

Nosnými elementy žinylkové příze je poté 4 - 6 osnovních nití. Ilustrace je na obrázku č. 3 [17].

Obrázek 3: Tkaná žinylka [17]

2.3. Vady na žinylkové přízi

Při výrobě žinylkové příze se vyskytují defekty, které výrazně ovlivňují vzhled příze. Tyto vady mohou být zapříčiněny buď špatnou technologií výroby na skacím stroji, nebo poškozením řezacího nože, který způsobuje vady na vlasových přízích.

Nyní zde bude uveden přehled nejčastějších vad, které se na žinylkové přízi vyskytují:

 uzel, silné místo – vada způsobená povolením základní příze a následným spojením konců příze k sobě nebo nahromaděním vlasových přízí do jednoho místa;

 prázdné místo – část příze, kde nejsou vložena nařezaná vlákna, nebo z důvodu nedostatečného zákrutu vlasové příze ze základní vypadávají, také může být důsledkem přetrhu příze pro výrobu vlasu; prázdné místo v přízi je výsledek nepřítomnosti vlasových přízí v určité oblasti žinylkové příze;

 řídká příze – rovnoměrnost vlasové příze je narušena, v krátkých úsecích příze chybí část vlasových přízí;

 odletky vláken – v určitých místech příze odstupují delší vlákna.

Výše popsané vady jsou názorně ukázány na následujících obrázcích č. 4, 5, 6 a 7.

Obrázek 4: Uzel [1]

Obrázek 5: Prázdné místo [1]

Obrázek 6: Řídká příze [1]

Obrázek 7: Odletky vláken [1]

Vedle těchto uvedených vad se můžeme setkat se špatným navázáním, s nestejnoměrným barevným odstínem atd.

Nevýhodou žinylkové příze je její nízká odolnost v oděru, proto pro detekci vad nemohou být použity klasické měřicí přístroje, jelikož během měření je příze namáhána v oděru a příze, která tvoří vlas, je při tomto měření deformována. Měření stejnoměrnosti výšky vlasu tak není možné. Jako vhodné se tedy jeví použití obrazové analýzy a pro sledování stejnoměrnosti výšky vlasu použití regulačních diagramů [1, 2, 11, 12].

Jedná se o nejčastěji se vyskytující vady na přízi. Důvody vzniku těchto typů vad lze hledat v surovém materiálu nebo v nesprávném procesu přípravy.

Následující hodnoty v procentech lze použít jako vodítko při pojmenovávání a hledání těchto vad:

 slabé místo: -50%,

 silné místo: +50%,

 nopek: +200%.

Silná a slabá místa v přízi poměrně výrazně ovlivňují vzhled tkanin nebo pletenin.

Navíc zvýšení počtu silných a slabých míst v přízi ukazuje na fakt, že vstupní surovina nebo způsob zpracování jsou špatně nastaveny. Na druhou stranu nelze dojít k závěru, že vzrůstající množství silných a slabých míst v přízi musí indikovat zvýšení počtu výpadků tkacích nebo pletacích strojů. Slabá místa obyčejně ukazují na vyšší zákrut příze, protože z důvodu menšího počtu vláken v průřezu příze vyúsťují v menší odolnosti proti kroucení nebo napětí. Napětí příze neklesá úměrně snižujícímu se počtu vláken v průřezu příze.

U silných míst v přízi je situace opačná. Více vláken v průřezu příze zvyšuje odolnost příze proti kroucení. Silná místa mají v mnoha případech menší zákrut příze než je průměrný. Napětí v přízi je pouze ve velmi málo případech proporcionálně úměrné počtu vláken v průřezu příze.

Nopky mohou ovlivnit vzhled tkanin nebo pletenin poměrně výrazně. Přítomnost nopků jisté velikosti může vést až k obtížnostem při zpracování, zejména u pletacích strojů. Z tohoto důvodu je vyvarování se nopků při výrobě předených přízí základním textilním technologickým problémem.

Nopky můžeme rozdělit do dvou kategorií:

 nopky ze surového materiálu,

 nopky z výrobního procesu.

Nopky ze surového materiálu v bavlněné přízi jsou primárně výsledkem rostlinné hmoty (zbytků rostlin, trávy apod.) a nepřírodních vláken v materiálu. Vliv surového materiálu ve výrobě vlny a syntetických není pro výskyt nopků významný. Nopky z výrobního procesu jsou totiž způsobeny čističem při výrobě mykané bavlněné, vlněné a česané příze. Jejich výroba je ovlivněna typem oblečení, pracovníky a rychlostí produkce [14].

2.4. Program Centurion Statgraphics

2.4.1. Popis

Program Centurion Statgraphics je navržen pro každého, kdo chce provádět statistické analýzy dat a nechce se týdny učit pracovat s jinými složitými statistickými programy. Obsahuje více než 180 různých statistických funkcí a procedur, které pokrývají oblast od popisné statistiky až po návrh experimentů. Není nutné být statistikem, aby bylo možné používat tento program. Veškeré dostupné funkce

je možné vybírat v menu, intuitivně, jednoduše a uživatelsky přívětivě. Implementovány jsou i nástroje jako StatWizard a StatAdvisor, které pomohou používat program efektivněji.

Program je založen na principu tabulkového editoru. Do jednotlivých buněk lze vkládat hodnoty nebo údaje a poté s nimi lze dále pracovat. Program nabízí velké množství funkcí a metod. Každá funkce ještě nabízí další a další možnosti nastavení a různých přístupů, jakými lze počítat. Pak již stačí jen zvolit tu nejvhodnější. Volitelné jsou rovněž grafické metody vyhodnocení nebo zobrazení dat.

2.4.2. Historie

Historie tohoto programu sahá až do roku 1980, kdy se začalo s vývojem toho programu. O dva roky později byla uvedena na trh první verze Statgraphicsu, tehdy ještě na počítače s operačním systémem MS DOS. V současné době je k dispozici již 16. verze tohoto statistického programu. Zároveň je k dispozici i verze pro mobilní telefony a také online verze fungující v rozhraní webového prohlížeče. Zákazníků, kteří Statgraphics využívají, je mnoho. Jsou mezi nimi i velké firmy a státní instituce Spojených států amerických. Společnost se zabývá hlavně vývojem softwaru, další činností je také pořádání školicích seminářů pro využívání jejích programů.

2.4.3. Použití v této práci

V této práci byl Statgraphics použit zejména při počítání pravděpodobnosti a při provádění popisné statistiky. Také byl využit při ověřování výsledků testování shody s rozděleními a celkově velmi usnadnil zpracování dat, protože ihned byly k dispozici výsledky a mohlo být rozhodnuto, zda je tento nápad či myšlenka vhodná či nikoliv. Při zpracování dat byl použit mnohokrát a práci velmi ulehčil, protože nebylo nutné vše složitě počítat, stačilo zadat data, zvolit správnou metodu a odečíst výsledek.

3. Obrazová analýza

V této části bude zjednodušeně popsána problematika zpracování obrazu, vysvětleny základní pojmy, popsán program, ve kterém byla analýza prováděna a také je zde představen skript, s jehož pomocí byly vady detekovány.

3.1. Digitální obraz

3.1.1. Definice

Obraz může být modelován matematicky pomocí spojité skalární funkce f dvou nebo tří proměnných a je nazýván jako obrazová funkce. V jednoduchém případě je statický obraz popsán obrazovou funkcí dvou souřadnic f (x; y) v rovině (obecněji v ploše, například na přibližně kulové ploše sítnice). Obrazová funkce tří proměnných se použije, buď když se plošné obrazy mění v čase t, tj. f (x; y; t) nebo v případě objemových obrazů f (x; y; z). Rozměr matice je zároveň velikost obrazu [8].

3.1.2. Pixel

Pixel, z angličtiny zkratka slov picture element, je nejmenší, dále nedělitelný prvek, který tvoří digitální obraz. Neexistuje žádná standardní velikost pixelu. Množina pixelů je přesně uspořádána. Každý pixel je nositelem informace o barvě a jasu a má danou polohu. Barvám jednotlivých pixelů jsou přiřazena čísla. Tato čísla uspořádaná podle poloh jednotlivých pixelů pak vytvářejí datový soubor, který je vlastně elektronickým vyjádřením obrazu.

Na obrázku č. 8 lze vidět zobrazení obrazu jako matice nul a jedniček. Výchozí matice vypadá následovně:

0 0 0 0 1 0 0 0 0

Obrázek 8: Matice

Použitím příkazu imshow v prostředí Matlabu. lze takovouto matici zobrazit jako binární obraz, což je znázorněno na obrázku č. 9. Bílý čtverec uprostřed představuje číslo 1 z výše uvedené matice, černé čtverce vyjadřují čísla 0 ze stejné matice [8].

Obrázek 9: Pixel

3.1.3. DPI

DPI je zkratka, která se udává při pořizování skenů či digitálních fotografii. Pochází z angličtiny a jedná se o počáteční písmena spojení dot per inch. V překladu to znamená

„bodů na palec“ (jeden palec je při převodu do metrické soustavy roven 2,54 cm) a jedná se o údaj charakterizující kvalitu digitálního obrazu. Někdy se používá také zkratky PPI (pixel per inch), což v překladu znamená „pixelů na palec. Jako vysoce kvalitní a pro tisk vhodné fotografie jsou považovány ty, které mají 300 a více DPI.

V této práci jsou použity naskenované obrazy, které jsou v ještě vyšší kvalitě, konkrétně se jedná o 600 DPI. Ovšem se vzrůstající kvalitou roste zároveň velikost daných souborů a jejich náročnost při zpracovávání, proto nelze vždy jednoznačně říci:

„čím více, tím lépe“ [8].

3.1.4. BIT

BIT je složenina anglických slov binary digit a znamená to dvojkové číslo. Může nabývat vždy pouze dvou hodnot, 0 a 1. Většina systémů pro digitální zpracování obrazu používá kvantování do k stejných intervalů. Jestliže je pro reprezentaci informace o obrazovém elementu použito b bitů, je počet úrovní jasu k = 2^b. Obvykle se používá 8 bitů na obrazový element, někdy 6, jindy postačí 4 bity. Binární obrazy reprezentují informaci o obrazovém bodu jediným bitem [8].

3.1.5. Práh, prahová hodnota

Práh je definován jako hraniční hodnota, jejíž pomocí je vytvořen binární obraz konverzí obrazu monochromatického. Práh je udáván v intervalu (0,1). Pokud

je překročena hodnota prahu, pak je daný obrazový bod znázorněn bílou barvou. Jestliže není prahová hodnota překročena, je obrazový bod vyjádřen černou barvou. Hodnota pro jednotlivé obrazové body je vypočtena jako podíl hodnoty obrazového bodu a hodnoty 256, což je součet všech hodnot, jichž může obrazový bod nabýt. Tento výsledek je následně porovnán s hodnotou prahu a pixel je zobrazen buď bíle, to v případě, že je hodnota prahu nižší než hodnota pixelu, nebo černě v případě nepřekročení prahové hodnoty.

3.1.6. Typy digitálních obrazů podle způsobu vzniku

Rozlišujeme dva základní typy digitálních obrazů. Rozdíl je ve způsobu, jak se tyto obrazy vytváří.

Vektorový obraz

Prvním typem je obraz vektorový, který je založen na matematických výpočtech a zobrazuje se pomocí základních geometrických útvarů, jako jsou body, přímky, křivky a mnohoúhelníky. Jedná se poměrně nový typ obrazu, vznikl s rozvojem počítačové grafiky. Jednotlivým útvarům nastavujeme vlastnosti a sestavujeme je do podoby výsledného obrazu (princip skládačky). Způsob práce se tedy odlišuje od práce s rastrovou (bitmapovou) grafikou. Vektorový obraz se skládá z následujících druhů prvků:

 dvourozměrné objekty (obdélníky, elipsy, mnohoúhelníky),

 čáry (úsečky, různé druhy křivek),

 text,

 rastrové objekty (např. fotografie).

Vektorové editory umožňují vložit do kresby i rastrový obrázek a omezeně s ním pracovat. Není to však vektorový prvek. Typické vlastnosti, se kterými u objektů pracujeme, jsou:

 tvar,

 rozměry,

 síla, barva a styl čáry,

 barva nebo struktura výplně [9].

Rastrový obraz

Druhým typem je obraz rastrový. Rastrový obraz neboli bitová mapa je složena z diskrétních obrazových bodů, tzv. pixelů, které se ovšem na první pohled jeví jako

spojité. Po přiblížení je patrné, že tomu tak není. Každý pixel nabývá určité číselné hodnoty, která reprezentuje barvu a její odstín a také má pevně danou polohu. Bývá uspořádán do mřížky, čím hustější je tato mřížka, tím ostřejší je výsledný obraz.

Na následujících obrázcích č. 10 a 11 lze porovnat vektorový a rastrový obraz [9].

Obrázek 10: Vektorový obraz [9] Obrázek 11: Rastrový obraz [9]

3.1.7. Typy digitálních obrazů podle barev Binární

Obraz skládající se pouze z 0 a 1, kde 0 vyjadřuje černou barvu a 1 barvu bílou, jedná se o nejjednodušší typ obrazu. Binární obrazy reprezentují informaci o obrazovém bodu jediným bitem, proto tedy jen 2 barvy, černá a bílá.

Monochromatický

Česky šedotónový, jedná se o obraz, který má barevnou škálu od 0 do 255, kde 0 značí absolutní černou a 255 absolutní bílou, tedy celkem může mít až 256 různých barevných odstínů. Informace o monochromatickém obrazovém bodu jsou reprezentovány 8 bity, z toho vyplývá 2⁸ = 256 odstínů barev. Tento obraz lze získat například naskenováním, focením v černobílém módu, či upravením v grafickém editoru.

Barevný

Používá se též zkratka RGB obraz, kde R znamená červená (red), G značí zelenou (green) a B vyjadřuje barvu modrou (blue). Tento obraz je barevný, jak známe například z digitálního fotoaparátu, skládá se z 3 matic. Každá z výše uvedených barev má svou vlastní matici, pixely v každé z těchto matic nabývají opět hodnot od 0 do 255, kde tato čísla udávají sytost jednotlivých odstínů. „Smícháním“ všech těchto 3 bodů vznikne jeden výsledný bod, který je na závěr zobrazován. Celkem lze tedy rozlišovat 2⁸* 2⁸* 2⁸= 16 777 216 barev. K tomu počtu vede úvaha, že každá ze tří základních

barev může nabývat 2⁸ odstínů a můžeme všechny tyto 3 různé barvy libovolně kombinovat.

Následující obrázky č. 12, 13 a 14 ilustrují stejný obrázek ve všech třech typech barevnosti obrazu.

Obrázek 12: Původní barevný obraz

Obrázek 13: Monochromatický obraz

Obrázek 14: Binární obraz, práh 0,5

Praktická část

4. Návrh možnosti řízení jakosti na žinylkové přízi s využitím obrazové analýzy

4.1. Informace o přízi

Testovaná příze je žinylková. Měření přízí byla prováděna po dobu pěti dní, vzorky byly odebrány při výrobě příze na prstencovém skacím stroji, kdy se každé tři hodiny smekaly jednotlivé potáče s navinutou přízí. Byly použity dva druhy příze s jemnostmi čm 1,8 a 4,0. Oba dva druhy příze jsou vyrobeny ze 100% PAN (polyakrylonitril).

Výrobcem těchto přízí je firma Hoflana s. r. o. Dva druhy byly k analýze vybrány z důvodu větší reprezentativnosti výsledků a ověření hypotéz, že navržená optimalizace sledování neshod funguje [12].

4.2. Obecný postup při výběru vhodných přízí a metodika skenování

U výběru vhodných vzorků k obrazové analýze bylo postupováno tak, jak bude popsáno níže. Základní myšlenkou bylo postupovat při výběru „odzadu“, jelikož dle předpokladu, na nejpozději vyrobených přízích, mělo být zároveň největší množství vad, což se potvrdilo. Dále pak bylo nutné vybrat jednu další přízi, na které se vady začaly objevovat. Zde bylo postupováno experimentálním vizuálním zkoumáním několika metrů příze (délka zkoumaných úseků byla vždy u každého druhu příze mezi 10 až 20 metry). Pokud na tomto úseku nebyla objevena vada, pak byla pozornost soustředěna na další dostupnou přízi, která byla vyrobena po té, naposledy zkoumané.

Pro zjednodušení, jelikož v této práci jsou jednotlivé vzorky zmiňovány mnohokrát, byly zavedeny zkratky. Vysvětlení zkratek a základní parametry příze jsou v následující tabulce:

Tabulka 1: Obecné informace o zkoumaných přízích [12]

Označení

Po vybrání vhodné příze bylo od každého druhu příze naskenováno 100 úseků o délce 25 cm. Tyto úseky byly pro zpřesnění výsledků ještě rozděleny na dvě poloviny, tudíž bylo poté získáno 200 výsledných úseků příze po 12,5 cm.

Skenování probíhalo na skeneru typu HP DeskJet 3050 v rozlišení 600 DPI.

Jednotlivé vzorky byly upevněny na destičce ze sololitu (dřevovláknitá deska) o rozměrech 250 x 200 x 3 mm (délka x šířka x tloušťka), z jedné strany opatřené černou matovou barvou, aby bylo technicky proveditelné snímání a dále snazší zpracování zkoumané bílé příze. Příze byla na destičce upevněna v zářezech o přibližné hloubce 3-5 mm, které byly na kratších protějších stranách dané obdélníkové desky, v intervalu vždy po 20 mm. Příze se do nich na jedné straně pouze vsunula, poté se rozkroutila a následně se i druhý konec vsunul do zářezu na protější straně. Takto bylo možné snímat najednou 9 úseků příze o délce 250 mm. Následující obrázek č. 15 ukazuje destičku se vzorky, připravenou ke snímání.

Obrázek 15: Destička se vzorky

Po naskenování byly obrazy ukládány do jednotlivých složek, složka byla vždy pojmenována datem a časem příze a jednotlivé obrazy pojmenovaný čísly od 1 do 12.

39 4.2.1. Příze D1017 - vzorky A a B

V podniku Hoflana jsou řezací nože při výrobě žinylkových přízí automaticky vyměňovány po třech dnech výroby. Pro experimentální účely byl řezací nůž ponechán ve stroji celých šest dní. Díky tomu byla vyrobena neshodná příze. K analýze byla vybrána poslední dostupná příze, tedy ze šestého dne výroby, 14. 10., z času 14:30.

Ovšem na této přízi se po naskenování 50 úseků nevyskytla žádná vada, nebyla tedy pro tento experiment vhodná. Jako snímaná příze byla vybrána předchozí dostupná, ze dne 14. 10. a času 8:25. Vady se na této přízi vyskytly, proto bylo rozhodnuto o jejím použití. Jako druhá byla zvolena příze ze dne 13. 10., pátého dne výroby a času 8:50, na které se již začaly objevovat vady. Na přízích s časem před 8:50 nebyl během vizuální kontroly zjištěn výskyt vad, proto bylo rozhodnuto o analýze výše uvedené příze.

4.2.2. Příze D1028 - vzorky C a D

Vzorky byly nejprve odebírány z vadné příze D1028, ze dne 14. 10. a času 6:30, což byl šestý den výroby a úplně poslední dostupný vzorek, kde by se mělo vyskytovat největší množství vad. Dále byla skenována příze 13. 10., pátého dne výroby, z času 6:45, kde se již začaly objevovat první vady. Hledání vhodné příze s výskytem prvních vad bylo učiněno experimentálně, nejprve byla zkoumána příze z 12. 10., čtvrtý den výroby, z času 22:10, kde ovšem po odvinutí cca 260 metrů (délka byla zjištěna výpočtem, bylo zváženo 5,2 metru příze, což činilo 2,9 g a poté také celková odmotaná příze, která vážila 147 gramů) byly zjištěny pouhé tři vady, z nichž jedna nebyla způsobena opotřebením řezacího nože. Poté byla pozornost zaměřena na další, časem následující přízi, kterou byla příze z 13. 10. z 0:50. Ani tato příze po odvinutí a prozkoumání zhruba 10 metrů nevykazovala žádné nesrovnalosti. Další zkoumanou přízí byla příze z potáče s časem 3:45 a datem opět 13. 10. Ani zde nebyly pozorovány žádné nesrovnalosti a proto se pozornost zaměřila na již výše zmíněnou přízi z téhož dne a času 6:45. Zde již první vady byly nalezeny, a proto bylo rozhodnuto o snímání tohoto vzorku. V následující tabulce č. 2 jsou uvedeny všechny vzorky pro oba typy příze, které byly k dispozici. Zeleně jsou vyznačené potáče, které byly k experimentu vybrány.

Tabulka 2: Seznam dostupných vzorků

Příze s označením D 1028 Příze s označením D1017 Datum a čas odebrání vzorku Datum a čas odebrání vzorku 11.10. 12.10. 13.10. 14.10. 11.10. 12.10. 13.10. 14.10.

4.3. Popis vytvořeného skriptu a metodika detekce vad

Nejprve byl obraz načten pomocí příkazu imread, následně byla provedena konverze šedotónového obrazu na binární obraz, posloužil pro to příkaz im2bw, jako prahová hodnota byla experimentálně zvolena 0,2. Byly zkoušeny i jiné hodnoty prahu, ovšem tato se jevila jako nejvhodnější pro daný typ obrazu, jelikož vyšší hodnota zmenšovala skutečnou tloušťku příze a nižší hodnota dodávala do obrazu zbytečný a nepotřebný šum. Dalším krokem bylo případné otočení obrazu příkazem imrotate, pokud si to situace žádala, bylo to způsobováno naskenováním destičky otočené o 180°.

Následně byl obraz oříznut, protože skener vytvářel skeny přibližně o velikosti formátu A4 (210 x 297 mm), ovšem destička byla o rozměrech pouze 200 x 250, navíc bylo nutné odstranit kraje naskenovaných přízí, které byly zdeformovány a pro další výpočty a zpracování nevhodné. Tato operace byla provedena pouze zmenšením obrazové matice o daný počet pixelů. Dalším krokem bylo vyplnění prázdných míst ve vlákně, prováděno příkazem imfill, a také odstranění všech dalších objektů, které nesouvisely s přízí, například nečistoty, prach a uvolněná vlákna z příze. To bylo prováděno příkazem bwareaopen, byly odstraněny všechny objekty menší než 3000 pixelů. Tento údaj byl opět zjištěn experimentálně, nižší hodnoty zanechávaly v obrazu zbytečné bílé objekty, které nebyly součástí příze. Zároveň nebylo nutné se obávat, že by byly odstraněny některé vady, protože vada je vždy připojena k vláknu a tudíž nemohla

In document SLEDOVÁNÍ JAKOSTI NA ŽINYLKOVÉ PŘÍZI S VYUŽITÍM OBRAZOVÉ ANALÝZY (Page 28-0)