തുണിത്തരങ്ങളിൽ അടങ്ങിയിരിക്കുന്ന നാരുകളുടെ തരവും ശതമാനവും തുണിത്തരങ്ങളുടെ ഗുണനിലവാരത്തെ ബാധിക്കുന്ന പ്രധാന ഘടകങ്ങളാണ്, വസ്ത്രങ്ങൾ വാങ്ങുമ്പോൾ ഉപഭോക്താക്കൾ ശ്രദ്ധിക്കുന്നതും അവയാണ്.ലോകത്തിലെ എല്ലാ രാജ്യങ്ങളിലെയും ടെക്സ്റ്റൈൽ ലേബലുകളുമായി ബന്ധപ്പെട്ട നിയമങ്ങൾ, നിയന്ത്രണങ്ങൾ, സ്റ്റാൻഡേർഡൈസേഷൻ ഡോക്യുമെൻ്റുകൾ എന്നിവയ്ക്ക് ഫൈബർ ഉള്ളടക്ക വിവരങ്ങൾ സൂചിപ്പിക്കാൻ മിക്കവാറും എല്ലാ ടെക്സ്റ്റൈൽ ലേബലുകളും ആവശ്യമാണ്.അതിനാൽ, ടെക്സ്റ്റൈൽ പരിശോധനയിൽ ഫൈബർ ഉള്ളടക്കം ഒരു പ്രധാന ഇനമാണ്.

നിലവിലെ ലബോറട്ടറിയുടെ ഫൈബർ ഉള്ളടക്കം നിർണ്ണയിക്കുന്നത് ഫിസിക്കൽ രീതികൾ, രാസ രീതികൾ എന്നിങ്ങനെ തിരിക്കാം.ഫൈബർ മൈക്രോസ്കോപ്പ് ക്രോസ്-സെക്ഷണൽ മെഷർമെൻ്റ് രീതി സാധാരണയായി ഉപയോഗിക്കുന്ന ഒരു ഫിസിക്കൽ രീതിയാണ്, അതിൽ മൂന്ന് ഘട്ടങ്ങൾ ഉൾപ്പെടുന്നു: ഫൈബർ ക്രോസ്-സെക്ഷണൽ ഏരിയ അളക്കൽ, ഫൈബർ വ്യാസം അളക്കൽ, നാരുകളുടെ എണ്ണം നിർണ്ണയിക്കൽ.ഈ രീതി പ്രധാനമായും മൈക്രോസ്കോപ്പ് വഴിയുള്ള വിഷ്വൽ തിരിച്ചറിയലിനായി ഉപയോഗിക്കുന്നു, കൂടാതെ സമയമെടുക്കുന്നതും ഉയർന്ന തൊഴിൽ ചെലവും ഉണ്ട്.മാനുവൽ ഡിറ്റക്ഷൻ രീതികളുടെ പോരായ്മകൾ ലക്ഷ്യമിട്ട്, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) ഓട്ടോമേറ്റഡ് ഡിറ്റക്ഷൻ ടെക്നോളജി ഉയർന്നുവന്നു.

AI ഓട്ടോമേറ്റഡ് ഡിറ്റക്ഷൻ്റെ അടിസ്ഥാന തത്വങ്ങൾ

(1) ടാർഗെറ്റ് ഏരിയയിലെ ഫൈബർ ക്രോസ്-സെക്ഷനുകൾ കണ്ടെത്താൻ ടാർഗെറ്റ് ഡിറ്റക്ഷൻ ഉപയോഗിക്കുക

(2) ഒരു മാസ്ക് മാപ്പ് സൃഷ്ടിക്കാൻ ഒരൊറ്റ ഫൈബർ ക്രോസ് സെക്ഷൻ സെഗ്മെൻ്റ് ചെയ്യാൻ സെമാൻ്റിക് സെഗ്മെൻ്റേഷൻ ഉപയോഗിക്കുക

(3) മാസ്ക് മാപ്പിനെ അടിസ്ഥാനമാക്കി ക്രോസ്-സെക്ഷണൽ ഏരിയ കണക്കാക്കുക

(4)ഓരോ നാരുകളുടെയും ശരാശരി ക്രോസ്-സെക്ഷണൽ ഏരിയ കണക്കാക്കുക

ടെസ്റ്റ് സാമ്പിൾ

പരുത്തി നാരുകളുടെയും വിവിധ പുനർനിർമ്മാണ സെല്ലുലോസ് നാരുകളുടെയും മിശ്രിത ഉൽപ്പന്നങ്ങൾ കണ്ടെത്തുന്നത് ഈ രീതിയുടെ പ്രയോഗത്തിൻ്റെ ഒരു സാധാരണ പ്രതിനിധിയാണ്.പരുത്തി, വിസ്കോസ് ഫൈബർ എന്നിവയുടെ 10 മിശ്രിത തുണിത്തരങ്ങളും കോട്ടൺ, മോഡൽ എന്നിവയുടെ മിശ്രിത തുണിത്തരങ്ങളും ടെസ്റ്റ് സാമ്പിളുകളായി തിരഞ്ഞെടുത്തു.

കണ്ടെത്തൽ രീതി

AI ക്രോസ്-സെക്ഷൻ ഓട്ടോമാറ്റിക് ടെസ്റ്ററിൻ്റെ സ്റ്റേജിൽ തയ്യാറാക്കിയ ക്രോസ്-സെക്ഷൻ സാമ്പിൾ സ്ഥാപിക്കുക, ഉചിതമായ മാഗ്നിഫിക്കേഷൻ ക്രമീകരിച്ച് പ്രോഗ്രാം ബട്ടൺ ആരംഭിക്കുക.

ഫല വിശകലനം

(1) ചതുരാകൃതിയിലുള്ള ഫ്രെയിം വരയ്ക്കുന്നതിന് ഫൈബർ ക്രോസ് സെക്ഷൻ്റെ ചിത്രത്തിൽ വ്യക്തവും തുടർച്ചയായതുമായ ഒരു പ്രദേശം തിരഞ്ഞെടുക്കുക.

(2) വ്യക്തമായ ചതുരാകൃതിയിലുള്ള ഫ്രെയിമിൽ തിരഞ്ഞെടുത്ത നാരുകൾ AI മോഡലിലേക്ക് സജ്ജമാക്കുക, തുടർന്ന് ഓരോ ഫൈബർ ക്രോസ് സെക്ഷനെയും മുൻകൂട്ടി തരംതിരിക്കുക.

(3) ഫൈബർ ക്രോസ്-സെക്ഷൻ്റെ ആകൃതി അനുസരിച്ച് നാരുകളെ മുൻകൂട്ടി തരംതിരിച്ച ശേഷം, ഓരോ ഫൈബർ ക്രോസ്-സെക്ഷൻ്റെയും ചിത്രത്തിൻ്റെ കോണ്ടൂർ വേർതിരിച്ചെടുക്കാൻ ഇമേജ് പ്രോസസ്സിംഗ് സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നു.

(4) അന്തിമ ഇഫക്റ്റ് ഇമേജ് രൂപപ്പെടുത്തുന്നതിന് യഥാർത്ഥ ചിത്രത്തിലേക്ക് ഫൈബർ ഔട്ട്‌ലൈൻ മാപ്പ് ചെയ്യുക.

(5) ഓരോ നാരിൻ്റെയും ഉള്ളടക്കം കണക്കാക്കുക.

Cഉൾപ്പെടുത്തൽ

10 വ്യത്യസ്ത സാമ്പിളുകൾക്ക്, AI ക്രോസ്-സെക്ഷൻ ഓട്ടോമാറ്റിക് ടെസ്റ്റ് രീതിയുടെ ഫലങ്ങൾ പരമ്പരാഗത മാനുവൽ ടെസ്റ്റുമായി താരതമ്യം ചെയ്യുന്നു.സമ്പൂർണ്ണ പിശക് ചെറുതാണ്, പരമാവധി പിശക് 3% കവിയരുത്.ഇത് സ്റ്റാൻഡേർഡിന് അനുസൃതമായി പ്രവർത്തിക്കുന്നു, കൂടാതെ ഉയർന്ന അംഗീകാര നിരക്ക് ഉണ്ട്.കൂടാതെ, ടെസ്റ്റ് സമയത്തിൻ്റെ അടിസ്ഥാനത്തിൽ, പരമ്പരാഗത മാനുവൽ ടെസ്റ്റിംഗിൽ, ഒരു സാമ്പിളിൻ്റെ പരിശോധന പൂർത്തിയാക്കാൻ ഇൻസ്പെക്ടർക്ക് 50 മിനിറ്റ് എടുക്കും, കൂടാതെ AI ക്രോസ്-സെക്ഷൻ ഓട്ടോമാറ്റിക് ടെസ്റ്റ് രീതി ഉപയോഗിച്ച് ഒരു സാമ്പിൾ കണ്ടെത്തുന്നതിന് 5 മിനിറ്റ് മാത്രമേ എടുക്കൂ. കണ്ടെത്തൽ കാര്യക്ഷമത വളരെയധികം മെച്ചപ്പെടുത്തുകയും മനുഷ്യശക്തിയും സമയ ചെലവും ലാഭിക്കുകയും ചെയ്യുന്നു.

ഈ ലേഖനം Wechat സബ്‌സ്‌ക്രിപ്‌ഷൻ ടെക്‌സ്‌റ്റൈൽ മെഷിനറിയിൽ നിന്ന് എക്‌സ്‌ട്രാക്‌റ്റുചെയ്‌തതാണ്