Tekstiilikankaiden sisältämät kuitutyyppi ja prosenttiosuus ovat tärkeitä tekijöitä, jotka vaikuttavat kankaiden laatuun, ja ne ovat myös sitä, mitä kuluttajat kiinnittävät huomiota vaatteiden ostaessaan. Kaikkien maailman maiden tekstiilimerkkeihin liittyvät lait, määräykset ja standardisointiasiakirjat vaativat melkein kaikkia tekstiilimerkkejä kuitujen sisältötietojen osoittamiseksi. Siksi kuitujen sisältö on tärkeä esine tekstiilitestauksessa.

Nykyisen laboratorion kuitupitoisuuden määrittäminen voidaan jakaa fysikaalisiin menetelmiin ja kemiallisiin menetelmiin. Kuitumikroskoopin poikkileikkausmittausmenetelmä on yleisesti käytetty fysikaalinen menetelmä, mukaan lukien kolme vaihetta: kuidun poikkileikkauspinta-alan mittaus, kuidun halkaisijan mittaus ja kuitujen lukumäärän määrittäminen. Tätä menetelmää käytetään pääasiassa visuaaliseen tunnistamiseen mikroskoopin kautta, ja sillä on aikaa vievien ja korkeiden työvoimakustannusten ominaisuuksia. Manuaalisten havaitsemismenetelmien puutteiden tavoitteena on syntynyt tekoäly (AI) -automaattinen havaitsemistekniikka.

AI -automaattisen havaitsemisen perusperiaatteet

(1) Käytä kohteen havaitsemista kuitujen poikkileikkausten havaitsemiseksi kohdealueella

(2) Käytä semanttista segmentointia segmentoidaksesi yhden kuidun poikkileikkauksen naamarikartan luomiseksi

(3) Laske poikkileikkausalue maskikartan perusteella

(4) Laske kunkin kuidun keskimääräinen poikkileikkauspinta-ala

Koesnäyte

Puuvillakuidun ja erilaisten regeneroitujen selluloosakuitujen sekoitettujen tuotteiden havaitseminen on tyypillinen edustaja tämän menetelmän soveltamisesta. 10 puuvillan ja viskoosikuitun sekoitettua kankaita ja puuvillan ja modaalin sekoitettuja kankaita valitaan testinäytteiksi.

Havaitsemismenetelmä

Aseta valmistettu poikkileikkausnäyte AI-poikkileikkauksen automaattisen testaajan vaiheeseen, säädä sopivaa suurennusta ja käynnistä ohjelmapainike.

Tulosanalyysi

(1) Valitse selkeä ja jatkuva alue kuidun poikkileikkauksen kuvasta suorakaiteen muotoisen kehyksen piirtämiseksi.

(2) Aseta valitut kuidut selkeään suorakaiteen muotoiseen kehykseen AI-malliin ja sitten luokitella jokainen kuidun poikkileikkaus.

(3) Kun kuidujen poikkileikkauksen muodon mukaan luokitteleminen on ennalta luokiteltu, kuvankäsittelytekniikkaa käytetään kunkin kuidun poikkileikkauksen kuvan muodon purkamiseen.

(4) Kartoita kuitujen ääriviivat alkuperäiseen kuvaan lopullisen vaikutuksen kuvan muodostamiseksi.

(5) Laske kunkin kuidun sisältö.

Ckärjistyminen

Kymmenen eri näytteen osalta AI-poikkileikkauksen automaattisen testimenetelmän tuloksia verrataan perinteiseen manuaaliseen testiin. Absoluuttinen virhe on pieni, ja suurin virhe ei ylitä 3%. Se vastaa standardia ja sen tunnistusaste on erittäin korkea. Lisäksi testiajan suhteen perinteisessä manuaalisessa testauksessa tarkastajan on suoritettava näytteen testin suorittaminen 50 minuuttia, ja näytteen havaitseminen AI-poikkileikkauksen automaattisen testimenetelmällä vie vain 5 minuuttia, mikä parantaa havaitsemistehokkuutta ja säästää työvoimaa ja aikakustannuksia.

Tämä artikkeli on otettu WeChat -tilauksen tekstiilikoneista