직물에 함유된 섬유의 종류와 비율은 직물의 품질에 영향을 미치는 중요한 요소이며, 소비자가 의류를 구매할 때 주의하는 사항이기도 합니다.전 세계 모든 국가의 직물 라벨과 관련된 법률, 규정 및 표준화 문서에서는 거의 모든 직물 라벨에 섬유 함량 정보를 표시하도록 요구합니다.따라서 섬유 함량은 섬유 테스트에서 중요한 항목입니다.

현재 실험실의 섬유 함량 측정은 물리적 방법과 화학적 방법으로 나눌 수 있습니다.섬유 현미경 단면 측정 방법은 일반적으로 사용되는 물리적 방법으로 섬유 단면적 측정, 섬유 직경 측정 및 섬유 수 측정의 세 단계를 포함합니다.이 방법은 주로 현미경을 통한 시각적 인식에 사용되며, 시간이 많이 걸리고 인건비가 많이 드는 특징이 있다.수동 탐지 방식의 단점을 보완하기 위해 인공지능(AI) 자동 탐지 기술이 등장했다.

AI 자동 탐지의 기본 원리

(1) 타겟 감지를 사용하여 타겟 영역의 섬유 단면을 감지합니다.

(2) 의미론적 분할을 사용하여 단일 섬유 단면을 분할하여 마스크 맵을 생성합니다.

(3) 마스크 맵을 바탕으로 단면적을 계산합니다.

(4) 각 섬유의 평균 단면적을 계산합니다.

테스트 샘플

면 섬유와 다양한 재생 셀룰로오스 섬유의 혼합 제품을 검출하는 것이 이 방법의 대표적인 응용 방법입니다.면과 비스코스 섬유의 혼방직물과 면과 모달의 혼방직물 10개를 시험샘플로 선정하였다.

탐지 방법

준비된 단면 샘플을 AI 단면 자동 테스터의 스테이지에 올려 놓고, 적절한 배율을 조정한 후 프로그램 버튼을 시작합니다.

결과 분석

(1) 섬유 단면 그림에서 명확하고 연속적인 영역을 선택하여 직사각형 프레임을 그립니다.

(2) 투명한 직사각형 프레임에서 선택된 섬유를 AI 모델에 설정한 후 각 섬유 단면을 미리 분류합니다.

(3) 섬유 단면의 형상에 따라 섬유를 사전 분류한 후, 영상처리 기술을 이용하여 각 섬유 단면의 그림의 윤곽선을 추출한다.

(4) 섬유 윤곽선을 원본 이미지에 매핑하여 최종 효과 이미지를 형성합니다.

(5) 각 섬유의 함량을 계산합니다.

C결론

10개의 서로 다른 샘플에 대해 AI 단면 자동 테스트 방법의 결과를 기존 수동 테스트와 비교합니다.절대 오차는 작으며 최대 오차는 3%를 초과하지 않습니다.표준을 준수하며 인식률이 매우 높습니다.또한, 테스트 시간 측면에서 기존의 수동 테스트에서는 검사자가 샘플 테스트를 완료하는 데 50분이 소요되지만, AI 단면 자동 테스트 방법으로는 샘플을 감지하는 데 5분밖에 걸리지 않습니다. 탐지 효율성을 크게 향상시키고 인력과 시간 비용을 절감합니다.

이 기사는 Wechat Subscription Textile Machinery에서 발췌했습니다.