Typen og prosentandelen fiber i tekstilstoffer er viktige faktorer som påvirker kvaliteten på stoffer, og de er også det forbrukerne tar hensyn til når de kjøper klær. Lovene, forskriftene og standardiseringsdokumentene relatert til tekstiletiketter i alle land i verden krever nesten alle tekstiletiketter for å indikere informasjon om fiberinnhold. Derfor er fiberinnhold et viktig element i tekstiltesting.

Det nåværende laboratoriets bestemmelse av fiberinnhold kan deles inn i fysiske metoder og kjemiske metoder. Fibermikroskopets tverrsnittsmålingsmetode er en ofte brukt fysisk metode, inkludert tre trinn: måling av fiber-tverrsnittsareal, måling av fiberdiameter og bestemmelse av antall fibre. Denne metoden brukes hovedsakelig til visuell gjenkjennelse gjennom et mikroskop, og har egenskapene til tidkrevende og høye arbeidskraftskostnader. Med sikte på manglene ved manuelle deteksjonsmetoder har kunstig intelligens (AI) automatisert deteksjonsteknologi dukket opp.

Grunnleggende prinsipper for AI Automatisert deteksjon

(1) Bruk måldeteksjon for å oppdage tverrsnitt av fiber i målområdet

(2) Bruk semantisk segmentering for å segmentere et enkelt fiber -tverrsnitt for å generere et maskekart

(3) Beregn tverrsnittsområdet basert på maskekartet

(4) Beregn det gjennomsnittlige tverrsnittsarealet til hver fiber

Testprøve

Påvisning av blandede produkter av bomullsfiber og forskjellige regenererte cellulosefibre er en typisk representant for anvendelsen av denne metoden. 10 blandede stoffer av bomulls- og viskosefiber og blandede stoffer av bomull og modal er valgt som testprøvene.

Deteksjonsmetode

Plasser den forberedte tverrsnittsprøven på stadiet av AI-tverrsnittsautomatisk tester, juster riktig forstørrelse og start programknappen.

Resultatanalyse

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

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

(3) Etter pre-klassifisering av fibrene i henhold til formen på fiber-tverrsnittet, brukes bildebehandlingsteknologi for å trekke ut konturen til bildet av hvert tverrsnitt av fiber.

(4) Kartlegg fiberoversikten til det originale bildet for å danne det endelige effektbildet.

(5) Beregn innholdet i hver fiber.

COnclusjon

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

Denne artikkelen hentet fra WeChat -abonnementet tekstilmaskiner