કાપડના કાપડમાં રહેલા ફાઇબરનો પ્રકાર અને ટકાવારી કાપડની ગુણવત્તાને અસર કરતા મહત્વપૂર્ણ પરિબળો છે, અને ગ્રાહકો કપડાં ખરીદતી વખતે પણ આ પરિબળો પર ધ્યાન આપે છે. વિશ્વના તમામ દેશોમાં કાપડ લેબલ સંબંધિત કાયદા, નિયમનો અને માનકીકરણ દસ્તાવેજોમાં લગભગ તમામ કાપડ લેબલ પર ફાઇબર સામગ્રીની માહિતી દર્શાવવી જરૂરી છે. તેથી, કાપડ પરીક્ષણમાં ફાઇબર સામગ્રી એક મહત્વપૂર્ણ વસ્તુ છે.

વર્તમાન પ્રયોગશાળામાં ફાઇબર સામગ્રીના નિર્ધારણને ભૌતિક પદ્ધતિઓ અને રાસાયણિક પદ્ધતિઓમાં વિભાજિત કરી શકાય છે. ફાઇબર માઇક્રોસ્કોપ ક્રોસ-સેક્શનલ માપન પદ્ધતિ એ સામાન્ય રીતે ઉપયોગમાં લેવાતી ભૌતિક પદ્ધતિ છે, જેમાં ત્રણ પગલાં શામેલ છે: ફાઇબર ક્રોસ-સેક્શનલ ક્ષેત્રનું માપન, ફાઇબર વ્યાસનું માપન અને ફાઇબરની સંખ્યાનું નિર્ધારણ. આ પદ્ધતિનો ઉપયોગ મુખ્યત્વે માઇક્રોસ્કોપ દ્વારા દ્રશ્ય ઓળખ માટે થાય છે, અને તેમાં સમય માંગી લેતી અને ઉચ્ચ શ્રમ ખર્ચની લાક્ષણિકતાઓ છે. મેન્યુઅલ શોધ પદ્ધતિઓની ખામીઓને ધ્યાનમાં રાખીને, કૃત્રિમ બુદ્ધિ (AI) સ્વચાલિત શોધ તકનીક ઉભરી આવી છે.

AI ઓટોમેટેડ ડિટેક્શનના મૂળભૂત સિદ્ધાંતો

(1) લક્ષ્ય વિસ્તારમાં ફાઇબર ક્રોસ-સેક્શન શોધવા માટે લક્ષ્ય શોધનો ઉપયોગ કરો

(2) માસ્ક મેપ જનરેટ કરવા માટે સિંગલ ફાઇબર ક્રોસ સેક્શનને સેગમેન્ટ કરવા માટે સિમેન્ટીક સેગમેન્ટેશનનો ઉપયોગ કરો.

(3) માસ્ક મેપના આધારે ક્રોસ-સેક્શનલ એરિયાની ગણતરી કરો

(૪) દરેક ફાઇબરના સરેરાશ ક્રોસ-સેક્શનલ ક્ષેત્રફળની ગણતરી કરો

પરીક્ષણ નમૂના

કપાસના ફાઇબર અને વિવિધ પુનર્જીવિત સેલ્યુલોઝ ફાઇબરના મિશ્રિત ઉત્પાદનોની શોધ આ પદ્ધતિના ઉપયોગનું એક લાક્ષણિક પ્રતિનિધિ છે. કપાસ અને વિસ્કોસ ફાઇબરના 10 મિશ્રિત કાપડ અને કપાસ અને મોડલના મિશ્રિત કાપડને પરીક્ષણ નમૂના તરીકે પસંદ કરવામાં આવ્યા છે.

શોધ પદ્ધતિ

તૈયાર કરેલા ક્રોસ-સેક્શન નમૂનાને AI ક્રોસ-સેક્શન ઓટોમેટિક ટેસ્ટરના સ્ટેજ પર મૂકો, યોગ્ય મેગ્નિફિકેશન ગોઠવો અને પ્રોગ્રામ બટન શરૂ કરો.

પરિણામ વિશ્લેષણ

(૧) લંબચોરસ ફ્રેમ દોરવા માટે ફાઇબર ક્રોસ સેક્શનના ચિત્રમાં સ્પષ્ટ અને સતત વિસ્તાર પસંદ કરો.

(2) સ્પષ્ટ લંબચોરસ ફ્રેમમાં પસંદ કરેલા ફાઇબરને AI મોડેલમાં સેટ કરો, અને પછી દરેક ફાઇબર ક્રોસ સેક્શનને પૂર્વ-વર્ગીકરણ કરો.

(૩) ફાઇબર ક્રોસ-સેક્શનના આકાર અનુસાર ફાઇબરનું પૂર્વ-વર્ગીકરણ કર્યા પછી, દરેક ફાઇબર ક્રોસ-સેક્શનના ચિત્રના સમોચ્ચને કાઢવા માટે ઇમેજ પ્રોસેસિંગ ટેકનોલોજીનો ઉપયોગ કરવામાં આવે છે.

(૪) અંતિમ અસર છબી બનાવવા માટે ફાઇબર આઉટલાઇનને મૂળ છબી સાથે મેપ કરો.

(5) દરેક રેસાની સામગ્રીની ગણતરી કરો.

Cસમાવેશ

10 અલગ અલગ નમૂનાઓ માટે, AI ક્રોસ-સેક્શન ઓટોમેટિક ટેસ્ટ પદ્ધતિના પરિણામોની સરખામણી પરંપરાગત મેન્યુઅલ ટેસ્ટ સાથે કરવામાં આવે છે. સંપૂર્ણ ભૂલ નાની છે, અને મહત્તમ ભૂલ 3% થી વધુ નથી. તે ધોરણને અનુરૂપ છે અને તેનો ઓળખ દર અત્યંત ઊંચો છે. વધુમાં, પરીક્ષણ સમયની દ્રષ્ટિએ, પરંપરાગત મેન્યુઅલ ટેસ્ટિંગમાં, નિરીક્ષકને નમૂનાનું પરીક્ષણ પૂર્ણ કરવામાં 50 મિનિટ લાગે છે, અને AI ક્રોસ-સેક્શન ઓટોમેટિક ટેસ્ટ પદ્ધતિ દ્વારા નમૂના શોધવામાં માત્ર 5 મિનિટ લાગે છે, જે શોધ કાર્યક્ષમતામાં ઘણો સુધારો કરે છે અને માનવશક્તિ અને સમય બચાવે છે.

આ લેખ Wechat સબ્સ્ક્રિપ્શન ટેક્સટાઇલ મશીનરીમાંથી લેવામાં આવ્યો છે.