Typen och andelen fibrer som finns i textiltyger är viktiga faktorer som påverkar tygernas kvalitet, och det är också vad konsumenterna uppmärksammar när de köper kläder.Lagar, förordningar och standardiseringsdokument relaterade till textiletiketter i alla länder i världen kräver att nästan alla textiletiketter anger fiberinnehållsinformation.Därför är fiberinnehåll en viktig punkt i textiltestning.

Det nuvarande laboratoriets bestämning av fiberinnehåll kan delas in i fysikaliska metoder och kemiska metoder.Fibermikroskopets tvärsnittsmätningsmetod är en vanlig fysisk metod, inklusive tre steg: mätning av fibertvärsnittsarea, mätning av fiberdiameter och bestämning av antalet fibrer.Denna metod används huvudsakligen för visuell igenkänning genom ett mikroskop och har egenskaperna tidskrävande och höga arbetskostnader.Med sikte på bristerna i manuella detektionsmetoder har artificiell intelligens (AI) automatiserad detektionsteknologi dykt upp.

Grundläggande principer för automatiserad AI-detektion

(1) Använd måldetektion för att detektera fibertvärsnitt i målområdet

(2) Använd semantisk segmentering för att segmentera ett enskilt fibertvärsnitt för att generera en maskkarta

(3) Beräkna tvärsnittsarean baserat på maskkartan

(4) Beräkna den genomsnittliga tvärsnittsarean för varje fiber

Testprov

Detekteringen av blandade produkter av bomullsfibrer 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 ut som testprover.

Detektionsmetod

Placera det förberedda tvärsnittsprovet på scenen av den automatiska AI-tvärsnittstestaren, justera lämplig förstoring och starta programknappen.

Resultatanalys

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

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

(3) Efter förklassificering av fibrerna enligt formen på fibertvärsnittet används bildbehandlingsteknik för att extrahera konturen av bilden av varje fibertvärsnitt.

(4) Mappa fiberkonturen till originalbilden för att bilda den slutliga effektbilden.

(5) Beräkna innehållet i varje fiber.

Conclusion

För 10 olika prover jämförs resultaten av den automatiska testmetoden för AI-tvärsnitt med det traditionella manuella testet.Det absoluta felet är litet och det maximala felet överstiger inte 3 %.Den överensstämmer med standarden och har en extremt hög igenkänningsgrad.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 detektera ett prov med den automatiska testmetoden för AI-tvärsnitt, vilket förbättrar detekteringseffektiviteten avsevärt och sparar arbetskraft och tidskostnader.

Denna artikel extraherad från Wechat Subscription Textile Machinery