Vrsta i postotak vlakana sadržanih u tekstilnim tkaninama važni su čimbenici koji utječu na kvalitetu tkanina, a ujedno su i ono na što potrošači obraćaju pozornost pri kupnji odjeće. Zakoni, propisi i standardizacijski dokumenti koji se odnose na etikete tekstila u svim zemljama svijeta zahtijevaju da gotovo sve etikete tekstila navedu podatke o sadržaju vlakana. Stoga je sadržaj vlakana važna stavka u testiranju tekstila.

Trenutno laboratorijsko određivanje sadržaja vlakana može se podijeliti na fizikalne i kemijske metode. Metoda mjerenja poprečnog presjeka vlaknastim mikroskopom je uobičajeno korištena fizikalna metoda koja uključuje tri koraka: mjerenje površine poprečnog presjeka vlakana, mjerenje promjera vlakana i određivanje broja vlakana. Ova metoda se uglavnom koristi za vizualno prepoznavanje putem mikroskopa i ima karakteristike dugotrajnosti i visokih troškova rada. Ciljajući na nedostatke ručnih metoda detekcije, pojavila se automatizirana tehnologija detekcije umjetnom inteligencijom (AI).

Osnovni principi automatiziranog otkrivanja umjetnom inteligencijom

(1) Koristite detekciju cilja za detekciju presjeka vlakana u ciljanom području

(2) Korištenje semantičke segmentacije za segmentaciju presjeka jednog vlakna radi generiranja mape maske

(3) Izračunajte površinu presjeka na temelju mape maske

(4) Izračunajte prosječnu površinu poprečnog presjeka svakog vlakna

Testni uzorak

Detekcija miješanih proizvoda od pamučnih vlakana i raznih regeneriranih celuloznih vlakana tipičan je primjer primjene ove metode. Kao ispitni uzorci odabrano je 10 miješanih tkanina od pamučnih i viskoznih vlakana te miješanih tkanina od pamuka i modala.

Metoda detekcije

Pripremljeni uzorak presjeka postavite na stolić automatskog AI testera presjeka, podesite odgovarajuće povećanje i pokrenite program tipkom.

Analiza rezultata

(1) Odaberite jasno i neprekidno područje na slici presjeka vlakna kako biste nacrtali pravokutni okvir.

(2) Postavite odabrana vlakna u prozirnom pravokutnom okviru u AI model, a zatim prethodno klasificirajte svaki presjek vlakna.

(3) Nakon prethodne klasifikacije vlakana prema obliku presjeka vlakana, tehnologija obrade slike koristi se za izdvajanje konture slike svakog presjeka vlakna.

(4) Preslikajte obris vlakna na izvornu sliku kako biste dobili konačnu sliku efekta.

(5) Izračunajte sadržaj svakog vlakna.

Czaključak

Za 10 različitih uzoraka, rezultati metode automatskog ispitivanja presjeka umjetnom inteligencijom uspoređuju se s tradicionalnim ručnim ispitivanjem. Apsolutna pogreška je mala, a maksimalna pogreška ne prelazi 3%. To je u skladu sa standardom i ima izuzetno visoku stopu prepoznavanja. Osim toga, što se tiče vremena ispitivanja, kod tradicionalnog ručnog ispitivanja, inspektoru je potrebno 50 minuta da dovrši ispitivanje uzorka, a metodom automatskog ispitivanja presjeka umjetnom inteligencijom potrebno je samo 5 minuta za detekciju uzorka, što uvelike poboljšava učinkovitost detekcije i štedi vrijeme i troškove.

Ovaj članak preuzet je s Wechat pretplate za tekstilne strojeve