Type og prosentandel av fiber i tekstilstoffer er viktige faktorer som påvirker kvaliteten på stoffene, og det er også det forbrukerne legger merke til når de kjøper klær. Lover, forskrifter og standardiseringsdokumenter knyttet til tekstilmerker i alle land i verden krever at nesten alle tekstilmerker angir informasjon om fiberinnhold. Derfor er fiberinnhold et viktig element i tekstiltesting.

Dagens laboratoriemetoder for bestemmelse av fiberinnhold kan deles inn i fysiske metoder og kjemiske metoder. Tverrsnittsmålemetoden med fibermikroskop er en vanlig brukt fysisk metode som inkluderer tre trinn: måling av fiberens tverrsnittsareal, måling av fiberdiameter og bestemmelse av antall fibre. Denne metoden brukes hovedsakelig til visuell gjenkjenning gjennom et mikroskop, og har egenskapene til tidkrevende og høye arbeidskostnader. For å rette opp manglene ved manuelle deteksjonsmetoder har det dukket opp automatisert deteksjonsteknologi med kunstig intelligens (AI) for å rette opp manglene ved manuelle deteksjonsmetoder.

Grunnleggende prinsipper for automatisert deteksjon av kunstig intelligens

(1) Bruk måldeteksjon til å oppdage fibertverrsnitt i målområdet

(2) Bruk semantisk segmentering til å segmentere et enkelt fibertverrsnitt for å generere et maskekart

(3) Beregn tverrsnittsarealet basert på maskekartet

(4) Beregn det gjennomsnittlige tverrsnittsarealet til hver fiber

Testprøve

Deteksjon av blandede produkter av bomullsfiber og forskjellige regenererte cellulosefibre er et typisk representativt eksempel på anvendelsen av denne metoden. 10 blandede stoffer av bomull og viskosefiber og blandede stoffer av bomull og modal er valgt ut som testprøver.

Deteksjonsmetode

Plasser den forberedte tverrsnittsprøven på scenen til den automatiske tverrsnittstesteren med kunstig intelligens, juster riktig forstørrelse og start programknappen.

Resultatanalyse

(1) Velg et klart og sammenhengende område i bildet av fibertverrsnittet for å tegne en rektangulær ramme.

(2) Plasser de valgte fibrene i den klare rektangulære rammen i AI-modellen, og forhåndsklassifiser deretter hvert fibertverrsnitt.

(3) Etter at fibrene er forhåndsklassifisert etter formen på fibertverrsnittet, brukes bildebehandlingsteknologi til å trekke ut konturen av bildet av hvert fibertverrsnitt.

(4) Tilordne fiberomrisset til det opprinnelige bildet for å danne det endelige effektbildet.

(5) Beregn innholdet av hver fiber.

Ckonklusjon

For 10 forskjellige prøver sammenlignes resultatene av den automatiske testmetoden for AI-tverrsnitt med den tradisjonelle manuelle testen. Den absolutte feilen er liten, og den maksimale feilen overstiger ikke 3 %. Den er i samsvar med standarden og har en ekstremt høy gjenkjenningsrate. I tillegg, når det gjelder testtid, tar det 50 minutter for inspektøren å fullføre testen av en prøve ved tradisjonell manuell testing, og det tar bare 5 minutter å oppdage en prøve med den automatiske testmetoden for AI-tverrsnitt, noe som forbedrer deteksjonseffektiviteten betraktelig og sparer arbeidskraft og tidskostnader.

Denne artikkelen er hentet fra Wechat Subscription Textile Machinery