Ang uri at porsyento ng hibla na nakapaloob sa mga tela ng tela ay mahahalagang salik na nakakaapekto sa kalidad ng mga tela, at ang mga ito rin ang binibigyang pansin ng mga mamimili kapag bumibili ng damit. Ang mga batas, regulasyon, at mga dokumento ng estandardisasyon na may kaugnayan sa mga etiketa ng tela sa lahat ng bansa sa mundo ay hinihiling sa halos lahat ng etiketa ng tela na magpahiwatig ng impormasyon tungkol sa nilalaman ng hibla. Samakatuwid, ang nilalaman ng hibla ay isang mahalagang bagay sa pagsusuri ng tela.

Ang kasalukuyang pagtukoy ng laboratoryo sa nilalaman ng hibla ay maaaring hatiin sa mga pisikal na pamamaraan at mga kemikal na pamamaraan. Ang paraan ng pagsukat ng cross-sectional ng fiber microscope ay isang karaniwang ginagamit na pisikal na pamamaraan, na kinabibilangan ng tatlong hakbang: ang pagsukat ng cross-sectional area ng hibla, ang pagsukat ng diyametro ng hibla, at ang pagtukoy ng bilang ng mga hibla. Ang pamamaraang ito ay pangunahing ginagamit para sa visual na pagkilala sa pamamagitan ng isang mikroskopyo, at may mga katangian ng matagal at mataas na gastos sa paggawa. Sa pagtutuon sa mga kakulangan ng mga manu-manong pamamaraan ng pagtuklas, lumitaw ang teknolohiya ng automated detection ng artificial intelligence (AI).

Mga pangunahing prinsipyo ng awtomatikong pag-detect ng AI

(1) Gamitin ang target detection upang matukoy ang mga cross-section ng hibla sa target area

(2) Gumamit ng semantic segmentation upang i-segment ang isang single fiber cross section upang makabuo ng mask map

(3) Kalkulahin ang cross-sectional area batay sa mapa ng maskara

(4) Kalkulahin ang karaniwang cross-sectional area ng bawat hibla

Sampol ng pagsubok

Ang pagtuklas ng mga pinaghalong produkto ng hibla ng bulak at iba't ibang na-regenerate na hibla ng cellulose ay isang tipikal na kinatawan ng aplikasyon ng pamamaraang ito. 10 pinaghalong tela ng bulak at viscose fiber at pinaghalong tela ng bulak at modal ang napili bilang mga sample ng pagsubok.

Paraan ng pagtuklas

Ilagay ang inihandang sample ng cross-section sa entablado ng AI cross-section automatic tester, ayusin ang naaangkop na magnification, at simulan ang button ng programa.

Pagsusuri ng resulta

(1) Pumili ng isang malinaw at tuluy-tuloy na bahagi sa larawan ng seksyon ng hibla upang gumuhit ng isang parihabang balangkas.

(2) Ilagay ang mga napiling hibla sa malinaw na parihabang balangkas sa modelo ng AI, at pagkatapos ay paunang uriin ang bawat seksyon ng hibla.

(3) Matapos ang paunang pag-uuri ng mga hibla ayon sa hugis ng cross-section ng hibla, ginagamit ang teknolohiya sa pagproseso ng imahe upang makuha ang tabas ng larawan ng bawat cross-section ng hibla.

(4) I-map ang balangkas ng hibla sa orihinal na imahe upang mabuo ang pangwakas na imahe ng epekto.

(5) Kalkulahin ang laman ng bawat hibla.

Ckonklusyon

Para sa 10 iba't ibang sample, ang mga resulta ng AI cross-section automatic test method ay inihahambing sa tradisyonal na manual test. Maliit ang absolute error, at ang maximum error ay hindi hihigit sa 3%. Sumusunod ito sa pamantayan at may napakataas na recognition rate. Bukod pa rito, sa mga tuntunin ng oras ng pagsubok, sa tradisyonal na manual testing, inaabot ng 50 minuto para makumpleto ng inspector ang pagsubok sa isang sample, at 5 minuto lamang ang inaabot para matukoy ang isang sample gamit ang AI cross-section automatic test method, na lubos na nagpapabuti sa kahusayan ng pagtuklas at nakakatipid sa manpower at gastos sa oras.

Ang artikulong ito ay kinuha mula sa Wechat Subscription Textile Machinery