Het type en het percentage vezels in textielstoffen zijn belangrijke factoren die de kwaliteit van stoffen beïnvloeden, en consumenten letten hier ook op bij de aankoop van kleding. De wetten, voorschriften en standaardiseringsdocumenten met betrekking tot textieletiketten in alle landen ter wereld vereisen dat vrijwel alle textieletiketten informatie over het vezelgehalte vermelden. Daarom is het vezelgehalte een belangrijk aspect bij textieltesten.

De huidige laboratoriummethoden voor het bepalen van het vezelgehalte kunnen worden onderverdeeld in fysische en chemische methoden. De microscopische meting van de vezeldoorsnede is een veelgebruikte fysische methode, die uit drie stappen bestaat: het meten van de vezeldoorsnede, het meten van de vezeldiameter en het bepalen van het aantal vezels. Deze methode wordt voornamelijk gebruikt voor visuele herkenning met behulp van een microscoop en kenmerkt zich door tijdrovende en kostbare handelingen. Om de tekortkomingen van handmatige detectiemethoden te ondervangen, is de geautomatiseerde detectietechnologie met kunstmatige intelligentie (AI) in opkomst.

Basisprincipes van AI-geautomatiseerde detectie

(1) Gebruik doeldetectie om vezeldoorsneden in het doelgebied te detecteren

(2) Gebruik semantische segmentatie om een ​​enkele vezeldoorsnede te segmenteren en zo een maskerkaart te genereren.

(3) Bereken de dwarsdoorsnede op basis van de maskerkaart

(4) Bereken de gemiddelde dwarsdoorsnede van elke vezel

Testmonster

De detectie van mengsels van katoenvezels en diverse geregenereerde cellulosevezels is een typisch voorbeeld van de toepassing van deze methode. Als testmonsters zijn 10 gemengde stoffen van katoen en viscosevezels en 10 gemengde stoffen van katoen en modal geselecteerd.

Detectiemethode

Plaats het voorbereide dwarsdoorsnedemonster op de tafel van de automatische AI-dwarsdoorsnedetester, stel de juiste vergroting in en start het programma.

Resultatenanalyse

(1) Selecteer een duidelijk en aaneengesloten gebied in de afbeelding van de vezeldoorsnede om een ​​rechthoekig kader te tekenen.

(2) Plaats de geselecteerde vezels in het duidelijke rechthoekige kader in het AI-model en classificeer vervolgens elke vezeldoorsnede vooraf.

(3) Nadat de vezels vooraf zijn geclassificeerd op basis van de vorm van de vezeldoorsnede, wordt beeldverwerkingstechnologie gebruikt om de contouren van de afbeelding van elke vezeldoorsnede te extraheren.

(4) Projecteer de vezelcontour op de originele afbeelding om de uiteindelijke effectafbeelding te vormen.

(5) Bereken het gehalte van elke vezel.

Cconclusie

Voor 10 verschillende monsters worden de resultaten van de automatische AI-doorsnedetestmethode vergeleken met de traditionele handmatige test. De absolute fout is klein en de maximale fout bedraagt ​​niet meer dan 3%. Dit voldoet aan de norm en resulteert in een extreem hoog herkenningspercentage. Bovendien is er een aanzienlijke tijdsbesparing: bij een traditionele handmatige test heeft een inspecteur 50 minuten nodig om een ​​monster te testen, terwijl de automatische AI-doorsnedetestmethode slechts 5 minuten nodig heeft. Dit verbetert de detectie-efficiëntie aanzienlijk en bespaart mankracht en tijd.

Dit artikel is afkomstig uit het WeChat-abonnement op textielmachines.