തുണിത്തരങ്ങളുടെ ഗുണനിലവാരത്തെ ബാധിക്കുന്ന പ്രധാന ഘടകങ്ങളാണ് തുണിത്തരങ്ങളുടെ ഗുണനിലവാരത്തെ ബാധിക്കുന്ന പ്രധാന ഘടകങ്ങൾ, അവ ഉപയോക്താക്കൾ ശ്രദ്ധിക്കുന്നതും പ്രധാന ഘടകങ്ങളാണ്. ലോകത്തെ എല്ലാ രാജ്യങ്ങളിലും ടെക്സ്റ്റൈൽ ലേബലുകളുമായി ബന്ധപ്പെട്ട നിയമങ്ങളും നിയന്ത്രണങ്ങളും മാനദണ്ഡങ്ങളും ഉള്ള രേഖകളും ഫൈബർ ഉള്ളടക്ക വിവരങ്ങൾ സൂചിപ്പിക്കുന്നതിന് മിക്കവാറും എല്ലാ ടെക്സ്റ്റൈൽ ലേബലുകൾ ആവശ്യമാണ്. അതിനാൽ, ടെക്ചൈൽ പരിശോധനയിലെ ഒരു പ്രധാന ഇനമാണ് ഫൈബർ ഉള്ളടക്കം.

നിലവിലെ ലബോറട്ടറിയുടെ ഫൈബർ ഉള്ളടക്കം നിർണ്ണയിക്കുന്നത് ഭ physical തിക രീതികളിലേക്കും കെമിക്കൽ രീതികളിലേക്കും തിരിക്കാം. മൂന്ന് ഘട്ടങ്ങൾ ഉൾപ്പെടെ സാധാരണയായി ഉപയോഗിക്കുന്ന ഫിസിക്കൽ രീതിയാണ് ഫൈബർ മൈക്രോസ്കോപ്പ് ക്രോസ്-സെൻട്രൽ അളക്കൽ രീതി: ഫൈബർ ക്രോസ്-സെക്ഷണൽ ഏരിയയുടെ അളവ്, ഫൈബർ വ്യാസത്തിന്റെ അളവ്, നാരുകളുടെ എണ്ണം നിർണ്ണയിക്കൽ എന്നിവയുടെ അളവ്. ഈ രീതി പ്രധാനമായും ഒരു മൈക്രോസ്കോപ്പിലൂടെയുള്ള വിഷ്വൽ അംഗീകാരത്തിനായി ഉപയോഗിക്കുന്നു, കൂടാതെ സമയമെടുക്കുന്നതും ഉയർന്ന തൊഴിൽ ചെലവുമായ സവിശേഷതകളുണ്ട്. മാനുവൽ കണ്ടെത്തൽ രീതികളുടെ കുറവുകൾ ലക്ഷ്യമിട്ട്, കൃത്രിമ രഹസ്യാന്വേഷണ (AI) യാന്ത്രിക കണ്ടെത്തൽ സാങ്കേതികവിദ്യ ഉയർന്നുവന്നു.

AI യാന്ത്രിക കണ്ടെത്തലിന്റെ അടിസ്ഥാന തത്വങ്ങൾ

(1) ടാർഗെറ്റ് ഏരിയയിൽ ഫൈബർ ക്രോസ്-സെക്ഷനുകൾ കണ്ടെത്തുന്നതിന് ടാർഗെറ്റ് കണ്ടെത്തൽ ഉപയോഗിക്കുക

.

(3) മാസ്ക് മാപ്പിനെ അടിസ്ഥാനമാക്കി ക്രോസ്-സെക്ഷണൽ പ്രദേശം കണക്കാക്കുക

(4) ഓരോ നാരുകളിലെയും ശരാശരി ക്രോസ്-സെക്ഷണൽ പ്രദേശം കണക്കാക്കുക

ടെസ്റ്റ് സാമ്പിൾ

പരുത്തി നാരുകൾ സ്ശ്രിച്ച ഉൽപ്പന്നങ്ങളും വിവിധ പുനരുജ്ജീവിച്ച സെല്ലുലോസ് നാരുകൾ ഈ രീതിയുടെ പ്രയോഗത്തിന്റെ ഒരു സാധാരണ പ്രതിനിധിയാണ്. പരുത്തിയുടെയും വിസ്കോസ് ഫൈബറിന്റെയും വിസ്കോസ് ഫൈബറിന്റെയും ചൂച്ചയുടെയും മോഡലിന്റെയും ബ്ലെഡ് ചെയ്ത തുണിത്തരങ്ങൾ ടെസ്റ്റ് സാമ്പിളുകളായി തിരഞ്ഞെടുത്തു.

കണ്ടെത്തൽ രീതി

AI ക്രോസ്-സെക്ഷൻ ഓട്ടോമാറ്റിക് ടെസ്റ്ററിന്റെ ഘട്ടത്തിൽ തയ്യാറാക്കിയ ക്രോസ്-സെക്ഷൻ സാമ്പിൾ സ്ഥാപിക്കുക, ഉചിതമായ മാഗ്നിഫിക്കേഷൻ ക്രമീകരിക്കുക, പ്രോഗ്രാം ബട്ടൺ ആരംഭിക്കുക.

ഫല വിശകലനം

(1) ഒരു ചതുരാകൃതിയിലുള്ള ഫ്രെയിം വരയ്ക്കാൻ ഫൈബർ ക്രോസ് സെക്ഷന്റെ ചിത്രത്തിൽ വ്യക്തവും തുടർച്ചയായതുമായ ഒരു പ്രദേശം തിരഞ്ഞെടുക്കുക.

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

(3) ഫൈബർ ക്രോസ്-സെക്ഷന്റെ ആകൃതി അനുസരിച്ച് നാരുകൾ മുൻകൂട്ടി തരംതിരിച്ചതിനുശേഷം, ഓരോ ഫൈബർ ക്രോസ്-സെക്ഷന്റെയും ചിത്രത്തിന്റെ രൂപരേഖ എക്സ്ട്രാക്റ്റുചെയ്യുന്നതിന് ഇമേജ് പ്രോസസ്സിംഗ് സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നു.

(4) ഫൈനൽ ഇഫക്റ്റ് ഇമേജ് രൂപീകരിക്കുന്നതിന് ഫൈബർ രൂപരേഖ മാപ്പ് ചെയ്യുക.

(5) ഓരോ നാരുകളിലെയും ഉള്ളടക്കം കണക്കാക്കുക.

Cമൃദുവാദം

10 വ്യത്യസ്ത സാമ്പിളുകൾക്കായി, AI ക്രോസ്-സെക്ഷൻ ഫലങ്ങൾ പരമ്പരാഗത മാനുവൽ ടെസ്റ്റിയുമായി താരതമ്യപ്പെടുത്തുന്നു. കേവല പിശക് ചെറുതാണ്, പരമാവധി പിശക് 3% കവിയരുത്. അത് നിലവാരവുമായി പൊരുത്തപ്പെടുന്നു, അത് വളരെ ഉയർന്ന അംഗീകാര നിരക്കും ഉണ്ട്. കൂടാതെ, ടെസ്റ്റ് സമയത്തിന്റെ കാര്യത്തിൽ, പരമ്പരാഗത മാനുവൽ പരിശോധനയിൽ, ഒരു സാമ്പിൾ ടെസ്റ്റ് പൂർത്തിയാക്കാൻ ഇൻസ്പെക്ടറിന് 50 മിനിറ്റ് എടുക്കും, ഇത് എഐ ക്രോസ്-സെക്ഷൻ ഓട്ടോമാറ്റിക് ടെസ്റ്റ് രീതിയെ വളരെയധികം കണ്ടെത്താനും മനുഷ്യശക്തിയെയും വളരെയധികം മെച്ചപ്പെടുത്തുന്നതിനും മനുഷ്യശക്തിയെയും വളരെയധികം തടയാനും.

ഈ ലേഖനം വെചാറ്റ് സബ്സ്ക്രിപ്ഷൻ ടെക്സ്റ്റീലേ മെഷിനറിയിൽ നിന്ന് വേർതിരിച്ചെടുത്തു