Vrsta in odstotek vlaken v tekstilnih tkaninah sta pomembna dejavnika, ki vplivata na kakovost tkanin, in nanju so potrošniki pozorni tudi pri nakupu oblačil. Zakoni, predpisi in standardizacijski dokumenti, povezani z etiketami tekstilij v vseh državah sveta, zahtevajo, da skoraj vse etikete tekstilij navajajo podatke o vsebnosti vlaken. Zato je vsebnost vlaken pomemben element pri testiranju tekstilij.

Trenutno laboratorijsko določanje vsebnosti vlaken lahko razdelimo na fizikalne in kemijske metode. Metoda merjenja prečnega prereza z vlakenskim mikroskopom je pogosto uporabljena fizikalna metoda, ki vključuje tri korake: merjenje površine prečnega prereza vlaken, merjenje premera vlaken in določanje števila vlaken. Ta metoda se uporablja predvsem za vizualno prepoznavanje z mikroskopom in ima značilnosti dolgotrajnosti in visokih stroškov dela. Da bi odpravili pomanjkljivosti ročnih metod zaznavanja, se je pojavila tehnologija avtomatiziranega zaznavanja z umetno inteligenco (UI).

Osnovna načela avtomatiziranega zaznavanja z umetno inteligenco

(1) Uporabite zaznavanje cilja za zaznavanje prečnih prerezov vlaken na ciljnem območju

(2) Za segmentacijo prečnega prereza posameznega vlakna uporabite semantično segmentacijo, da ustvarite maskirni zemljevid

(3) Izračunajte površino prečnega prereza na podlagi mape maske

(4) Izračunajte povprečno površino prečnega prereza vsakega vlakna

Preskusni vzorec

Detekcija mešanih izdelkov iz bombažnih vlaken in različnih regeneriranih celuloznih vlaken je tipičen primer uporabe te metode. Kot testni vzorci je bilo izbranih 10 mešanih tkanin iz bombaža in viskoznih vlaken ter mešanih tkanin iz bombaža in modala.

Metoda zaznavanja

Pripravljen vzorec prečnega prereza postavite na mizico avtomatskega testerja prečnega prereza AI, nastavite ustrezno povečavo in zaženite program.

Analiza rezultatov

(1) Na sliki prečnega prereza vlaken izberite jasno in neprekinjeno območje, s katerim narišete pravokoten okvir.

(2) Izbrana vlakna v prozornem pravokotnem okvirju postavite v model umetne inteligence in nato predhodno razvrstite vsak presek vlakna.

(3) Po predhodni razvrstitvi vlaken glede na obliko prečnega prereza vlaken se s tehnologijo obdelave slik izlušči konturo slike vsakega prečnega prereza vlaken.

(4) Preslikajte obris vlaken na prvotno sliko, da ustvarite končno sliko učinka.

(5) Izračunajte vsebnost posameznih vlaken.

Czaključek

Za 10 različnih vzorcev so rezultati avtomatske metode prečnega prereza AI primerjani s tradicionalnim ročnim preskusom. Absolutna napaka je majhna, največja napaka pa ne presega 3 %. To je v skladu s standardom in ima izjemno visoko stopnjo prepoznavanja. Poleg tega pri tradicionalnem ročnem preskusu inšpektor potrebuje 50 minut za dokončanje preskusa vzorca, avtomatska metoda prečnega prereza AI pa za zaznavanje vzorca potrebuje le 5 minut, kar močno izboljša učinkovitost zaznavanja ter prihrani čas in delovno silo.

Ta članek je povzet iz naročnine na tekstilne stroje Wechat