섬유 소재에 함유된 섬유의 종류와 함량은 섬유 품질에 영향을 미치는 중요한 요소이며, 소비자들이 의류 구매 시 가장 중요하게 고려하는 부분이기도 합니다. 전 세계 모든 국가의 섬유 라벨 관련 법규 및 표준화 문서에서는 거의 모든 섬유 라벨에 섬유 함량 정보를 표시하도록 요구하고 있습니다. 따라서 섬유 함량은 섬유 검사에서 중요한 항목입니다.

현재 실험실에서 섬유 함량을 측정하는 방법은 크게 물리적 방법과 화학적 방법으로 나눌 수 있습니다. 섬유 현미경 단면 측정법은 섬유 단면적 측정, 섬유 직경 측정, 섬유 개수 측정의 세 단계로 이루어진 일반적인 물리적 방법입니다. 이 방법은 주로 현미경을 통한 시각적 식별에 사용되며, 시간이 많이 소요되고 인건비가 높다는 단점이 있습니다. 이러한 수동 측정 방법의 단점을 극복하기 위해 인공지능(AI) 기반 자동 측정 기술이 등장했습니다.

AI 자동 탐지의 기본 원리

(1) 타겟 검출을 이용하여 타겟 영역의 광섬유 단면을 검출한다.

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

(3) 마스크 맵을 기반으로 단면적을 계산합니다.

(4) 각 섬유의 평균 단면적을 계산한다.

테스트 샘플

이 방법의 적용 사례로는 면섬유와 다양한 재생 셀룰로오스 섬유의 혼방 제품 검출이 대표적이다. 시험 시료로는 면과 비스코스 섬유 혼방 직물 10종, 그리고 면과 모달 섬유 혼방 직물 10종을 선정하였다.

검출 방법

준비된 단면 시료를 AI 단면 자동 측정기의 스테이지에 놓고 적절한 배율을 조정한 후 프로그램 버튼을 눌러 시작하십시오.

결과 분석

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

(2) 선택된 섬유를 명확한 직사각형 프레임에 AI 모델에 설정한 다음 각 섬유 단면을 사전 분류합니다.

(3) 섬유 단면의 모양에 따라 섬유를 사전 분류한 후, 이미지 처리 기술을 사용하여 각 섬유 단면의 그림 윤곽을 추출합니다.

(4) 최종 효과 이미지를 형성하기 위해 섬유 윤곽선을 원본 이미지에 매핑합니다.

(5) 각 섬유의 함량을 계산합니다.

C결론

10개의 서로 다른 샘플에 대해 AI 단면 자동 검사 방법과 기존 수동 검사 방법을 비교한 결과, 절대 오차가 매우 작고 최대 오차가 3%를 넘지 않아 기준을 충족하며 인식률이 매우 높은 것으로 나타났습니다. 또한, 검사 시간 측면에서도 기존 수동 검사에서는 검사자가 샘플 하나를 검사하는 데 50분이 소요되는 반면, AI 단면 자동 검사 방법으로는 단 5분 만에 검사가 완료되어 검사 효율이 크게 향상되고 인력과 시간 비용을 절감할 수 있습니다.

이 글은 위챗 구독 서비스인 섬유기계에서 발췌한 것입니다.