Typen og procentdelen af ​​fibre i tekstilstoffer er vigtige faktorer, der påvirker stoffernes kvalitet, og det er også det, forbrugerne er opmærksomme på, når de køber tøj. Love, regler og standardiseringsdokumenter relateret til tekstilmærker i alle lande i verden kræver, at næsten alle tekstilmærker angiver oplysninger om fiberindhold. Derfor er fiberindhold et vigtigt element i tekstiltest.

Det nuværende laboratoriums bestemmelse af fiberindhold kan opdeles i fysiske metoder og kemiske metoder. Tværsnitsmålemetoden med fibermikroskop er en almindeligt anvendt fysisk metode, der omfatter tre trin: måling af fiberens tværsnitsareal, måling af fiberdiameter og bestemmelse af antallet af fibre. Denne metode bruges hovedsageligt til visuel genkendelse gennem et mikroskop og har karakteristika som tidskrævende og høje lønomkostninger. For at afhjælpe manglerne ved manuelle detektionsmetoder er der opstået automatiseret detektionsteknologi med kunstig intelligens (AI) for at afhjælpe manglerne ved manuelle detektionsmetoder.

Grundlæggende principper for automatiseret detektion af kunstig intelligens

(1) Brug måldetektion til at detektere fibertværsnit i målområdet

(2) Brug semantisk segmentering til at segmentere et enkelt fibertværsnit for at generere et maskekort

(3) Beregn tværsnitsarealet baseret på maskekortet

(4) Beregn det gennemsnitlige tværsnitsareal af hver fiber

Testprøve

Detektion af blandede produkter af bomuldsfibre og forskellige regenererede cellulosefibre er et typisk eksempel på anvendelsen af ​​denne metode. 10 blandede stoffer af bomuld og viskosefibre og blandede stoffer af bomuld og modal er udvalgt som testprøver.

Detektionsmetode

Placer den forberedte tværsnitsprøve på scenen på den automatiske AI-tværsnitstester, juster den passende forstørrelse, og start programknappen.

Resultatanalyse

(1) Vælg et klart og sammenhængende område i billedet af fibertværsnittet for at tegne en rektangulær ramme.

(2) Indsæt de valgte fibre i den klare rektangulære ramme i AI-modellen, og forklassificer derefter hvert fibertværsnit.

(3) Efter at fibrene er blevet forklassificeret efter fibertværsnittets form, anvendes billedbehandlingsteknologi til at udtrække konturen af ​​billedet af hvert fibertværsnit.

(4) Kortlæg fiberomridset til det originale billede for at danne det endelige effektbillede.

(5) Beregn indholdet af hver fiber.

Ckonklusion

For 10 forskellige prøver sammenlignes resultaterne af den automatiske testmetode for AI-tværsnit med den traditionelle manuelle test. Den absolutte fejl er lille, og den maksimale fejl overstiger ikke 3 %. Den overholder standarden og har en ekstremt høj genkendelsesrate. Derudover tager det 50 minutter for inspektøren at gennemføre testen af ​​en prøve ved traditionel manuel testning, og det tager kun 5 minutter at detektere en prøve ved hjælp af den automatiske testmetode for AI-tværsnit, hvilket forbedrer detektionseffektiviteten betydeligt og sparer arbejdskraft og tid.

Denne artikel er hentet fra Wechat Subscription Textile Machinery