Typen och procentandelen fiber som finns i textiltyger är viktiga faktorer som påverkar kvaliteten på tyger, och de är också vad konsumenterna uppmärksammar när de köper kläder. Lagarna, förordningarna och standardiseringsdokumenten relaterade till textiletiketter i alla länder i världen kräver nästan alla textiletiketter för att ange information om fiberinnehåll. Därför är fiberinnehåll ett viktigt objekt i textiltestning.

Det nuvarande laboratoriets bestämning av fiberinnehåll kan delas upp i fysiska metoder och kemiska metoder. Fibermikroskopens tvärsnittsmätningsmetod är en vanligt använt fysisk metod, inklusive tre steg: mätning av fiber tvärsnittsarea, mätning av fiberdiameter och bestämning av antalet fibrer. Denna metod används huvudsakligen för visuellt igenkänning genom ett mikroskop och har egenskaperna för tidskrävande och höga arbetskostnader. Siktning på bristerna i manuella detekteringsmetoder, konstgjord intelligens (AI) har automatiserad detekteringsteknologi dykt upp.

Grundläggande principer för AI -automatiserad detektion

(1) Använd måldetektering för att upptäcka fiber tvärsnitt i målområdet

(2) Använd semantisk segmentering för att segmentera ett enda fiber tvärsnitt för att generera en maskkarta

(3) Beräkna tvärsnittsområdet baserat på maskkartan

(4) Beräkna det genomsnittliga tvärsnittsområdet för varje fiber

Testprov

Detekteringen av blandade produkter av bomullsfiber och olika regenererade cellulosafibrer är en typisk representant för tillämpningen av denna metod. 10 Blandade tyger av bomull och viskosfiber och blandade tyger av bomull och modal väljs som testprover.

Detekteringsmetod

Placera det förberedda tvärsnittsprovet på stadiet på AI-tvärsnittet automatiskt testare, justera lämplig förstoring och starta programknappen.

Resultatanalys

(1) Välj ett tydligt och kontinuerligt område i bilden av fiber tvärsnitt för att rita en rektangulär ram.

(2) Ställ in de valda fibrerna i den klara rektangulära ramen i AI-modellen och förklassificera sedan varje fiber tvärsnitt.

(3) Efter att ha förklassificerat fibrerna enligt formen på fiber tvärsnitt används bildbehandlingsteknologi för att extrahera konturen av bilden av varje fiber tvärsnitt.

(4) Kartlägga fiberöversikten till den ursprungliga bilden för att bilda den slutliga effektbilden.

(5) Beräkna innehållet i varje fiber.

Cpåsklutning

För 10 olika prover jämförs resultaten från AI-tvärsnittets automatiska testmetod med det traditionella manuella testet. Det absoluta felet är litet och det maximala felet överstiger inte 3%. Det överensstämmer med standarden och har en extremt hög erkännande. Dessutom, när det gäller testtid, i traditionell manuell testning, tar det 50 minuter för inspektören att slutföra testet av ett prov, och det tar bara 5 minuter att upptäcka ett prov med AI-tvärsnittets automatiska testmetod, vilket förbättrar detektionseffektiviteten kraftigt och sparar arbetskraft och tidskostnad.

Den här artikeln extraherad från WeChat -prenumerationstextilmaskiner