ಜವಳಿ ಬಟ್ಟೆಗಳಲ್ಲಿರುವ ಫೈಬರ್‌ನ ಪ್ರಕಾರ ಮತ್ತು ಶೇಕಡಾವಾರು ಬಟ್ಟೆಗಳ ಗುಣಮಟ್ಟದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಪ್ರಮುಖ ಅಂಶಗಳಾಗಿವೆ ಮತ್ತು ಗ್ರಾಹಕರು ಬಟ್ಟೆಗಳನ್ನು ಖರೀದಿಸುವಾಗ ಗಮನ ಹರಿಸುವ ಅಂಶಗಳಾಗಿವೆ. ಪ್ರಪಂಚದ ಎಲ್ಲಾ ದೇಶಗಳಲ್ಲಿನ ಜವಳಿ ಲೇಬಲ್‌ಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಕಾನೂನುಗಳು, ನಿಯಮಗಳು ಮತ್ತು ಪ್ರಮಾಣೀಕರಣ ದಾಖಲೆಗಳು ಬಹುತೇಕ ಎಲ್ಲಾ ಜವಳಿ ಲೇಬಲ್‌ಗಳು ಫೈಬರ್ ಅಂಶದ ಮಾಹಿತಿಯನ್ನು ಸೂಚಿಸುವ ಅಗತ್ಯವಿದೆ. ಆದ್ದರಿಂದ, ಜವಳಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಫೈಬರ್ ಅಂಶವು ಒಂದು ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ.

ಪ್ರಸ್ತುತ ಪ್ರಯೋಗಾಲಯದ ಫೈಬರ್ ಅಂಶದ ನಿರ್ಣಯವನ್ನು ಭೌತಿಕ ವಿಧಾನಗಳು ಮತ್ತು ರಾಸಾಯನಿಕ ವಿಧಾನಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು. ಫೈಬರ್ ಮೈಕ್ರೋಸ್ಕೋಪ್ ಅಡ್ಡ-ವಿಭಾಗದ ಮಾಪನ ವಿಧಾನವು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಭೌತಿಕ ವಿಧಾನವಾಗಿದ್ದು, ಇದರಲ್ಲಿ ಮೂರು ಹಂತಗಳಿವೆ: ಫೈಬರ್ ಅಡ್ಡ-ವಿಭಾಗದ ಪ್ರದೇಶದ ಅಳತೆ, ಫೈಬರ್ ವ್ಯಾಸದ ಅಳತೆ ಮತ್ತು ಫೈಬರ್‌ಗಳ ಸಂಖ್ಯೆಯ ನಿರ್ಣಯ. ಈ ವಿಧಾನವನ್ನು ಮುಖ್ಯವಾಗಿ ಸೂಕ್ಷ್ಮದರ್ಶಕದ ಮೂಲಕ ದೃಶ್ಯ ಗುರುತಿಸುವಿಕೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ ಮತ್ತು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುವ ಮತ್ತು ಹೆಚ್ಚಿನ ಕಾರ್ಮಿಕ ವೆಚ್ಚದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿದೆ. ಹಸ್ತಚಾಲಿತ ಪತ್ತೆ ವಿಧಾನಗಳ ನ್ಯೂನತೆಗಳನ್ನು ಗುರಿಯಾಗಿಟ್ಟುಕೊಂಡು, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಸ್ವಯಂಚಾಲಿತ ಪತ್ತೆ ತಂತ್ರಜ್ಞಾನವು ಹೊರಹೊಮ್ಮಿದೆ.

AI ಸ್ವಯಂಚಾಲಿತ ಪತ್ತೆಯ ಮೂಲ ತತ್ವಗಳು

(1) ಗುರಿ ಪ್ರದೇಶದಲ್ಲಿ ಫೈಬರ್ ಅಡ್ಡ-ವಿಭಾಗಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಗುರಿ ಪತ್ತೆಯನ್ನು ಬಳಸಿ

(2) ಮಾಸ್ಕ್ ನಕ್ಷೆಯನ್ನು ರಚಿಸಲು ಒಂದೇ ಫೈಬರ್ ಅಡ್ಡ ವಿಭಾಗವನ್ನು ವಿಭಾಗಿಸಲು ಶಬ್ದಾರ್ಥದ ವಿಭಜನೆಯನ್ನು ಬಳಸಿ.

(3) ಮುಖವಾಡ ನಕ್ಷೆಯ ಆಧಾರದ ಮೇಲೆ ಅಡ್ಡ-ವಿಭಾಗದ ಪ್ರದೇಶವನ್ನು ಲೆಕ್ಕಹಾಕಿ.

(4) ಪ್ರತಿ ಫೈಬರ್‌ನ ಸರಾಸರಿ ಅಡ್ಡ-ವಿಭಾಗದ ಪ್ರದೇಶವನ್ನು ಲೆಕ್ಕಹಾಕಿ

ಪರೀಕ್ಷಾ ಮಾದರಿ

ಹತ್ತಿ ನಾರು ಮತ್ತು ವಿವಿಧ ಪುನರುತ್ಪಾದಿತ ಸೆಲ್ಯುಲೋಸ್ ಫೈಬರ್‌ಗಳ ಮಿಶ್ರ ಉತ್ಪನ್ನಗಳ ಪತ್ತೆ ಈ ವಿಧಾನದ ಅನ್ವಯದ ವಿಶಿಷ್ಟ ಪ್ರತಿನಿಧಿಯಾಗಿದೆ. ಹತ್ತಿ ಮತ್ತು ವಿಸ್ಕೋಸ್ ಫೈಬರ್‌ನ 10 ಮಿಶ್ರಿತ ಬಟ್ಟೆಗಳು ಮತ್ತು ಹತ್ತಿ ಮತ್ತು ಮೋಡಲ್‌ನ ಮಿಶ್ರಿತ ಬಟ್ಟೆಗಳನ್ನು ಪರೀಕ್ಷಾ ಮಾದರಿಗಳಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ.

ಪತ್ತೆ ವಿಧಾನ

ಸಿದ್ಧಪಡಿಸಿದ ಅಡ್ಡ-ವಿಭಾಗದ ಮಾದರಿಯನ್ನು AI ಅಡ್ಡ-ವಿಭಾಗದ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷಕದ ವೇದಿಕೆಯ ಮೇಲೆ ಇರಿಸಿ, ಸೂಕ್ತವಾದ ವರ್ಧನೆಯನ್ನು ಹೊಂದಿಸಿ ಮತ್ತು ಪ್ರೋಗ್ರಾಂ ಬಟನ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಿ.

ಫಲಿತಾಂಶ ವಿಶ್ಲೇಷಣೆ

(1) ಆಯತಾಕಾರದ ಚೌಕಟ್ಟನ್ನು ರಚಿಸಲು ಫೈಬರ್ ಅಡ್ಡ ವಿಭಾಗದ ಚಿತ್ರದಲ್ಲಿ ಸ್ಪಷ್ಟ ಮತ್ತು ನಿರಂತರ ಪ್ರದೇಶವನ್ನು ಆಯ್ಕೆಮಾಡಿ.

(2) ಆಯ್ದ ಫೈಬರ್‌ಗಳನ್ನು ಸ್ಪಷ್ಟ ಆಯತಾಕಾರದ ಚೌಕಟ್ಟಿನಲ್ಲಿ AI ಮಾದರಿಗೆ ಹೊಂದಿಸಿ, ತದನಂತರ ಪ್ರತಿ ಫೈಬರ್ ಅಡ್ಡ ವಿಭಾಗವನ್ನು ಪೂರ್ವ-ವರ್ಗೀಕರಿಸಿ.

(3) ಫೈಬರ್ ಅಡ್ಡ-ವಿಭಾಗದ ಆಕಾರಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಫೈಬರ್‌ಗಳನ್ನು ಪೂರ್ವ-ವರ್ಗೀಕರಿಸಿದ ನಂತರ, ಪ್ರತಿ ಫೈಬರ್ ಅಡ್ಡ-ವಿಭಾಗದ ಚಿತ್ರದ ಬಾಹ್ಯರೇಖೆಯನ್ನು ಹೊರತೆಗೆಯಲು ಇಮೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.

(4) ಅಂತಿಮ ಪರಿಣಾಮದ ಚಿತ್ರವನ್ನು ರೂಪಿಸಲು ಫೈಬರ್ ಬಾಹ್ಯರೇಖೆಯನ್ನು ಮೂಲ ಚಿತ್ರಕ್ಕೆ ನಕ್ಷೆ ಮಾಡಿ.

(5) ಪ್ರತಿಯೊಂದು ಫೈಬರ್‌ನ ಅಂಶವನ್ನು ಲೆಕ್ಕಹಾಕಿ.

Cಸೇರ್ಪಡೆ

10 ವಿಭಿನ್ನ ಮಾದರಿಗಳಿಗೆ, AI ಅಡ್ಡ-ವಿಭಾಗದ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷಾ ವಿಧಾನದ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಂಪ್ರದಾಯಿಕ ಕೈಪಿಡಿ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ. ಸಂಪೂರ್ಣ ದೋಷವು ಚಿಕ್ಕದಾಗಿದೆ ಮತ್ತು ಗರಿಷ್ಠ ದೋಷವು 3% ಮೀರುವುದಿಲ್ಲ. ಇದು ಮಾನದಂಡಕ್ಕೆ ಅನುಗುಣವಾಗಿದೆ ಮತ್ತು ಅತ್ಯಂತ ಹೆಚ್ಚಿನ ಗುರುತಿಸುವಿಕೆ ದರವನ್ನು ಹೊಂದಿದೆ. ಇದರ ಜೊತೆಗೆ, ಪರೀಕ್ಷಾ ಸಮಯದ ವಿಷಯದಲ್ಲಿ, ಸಾಂಪ್ರದಾಯಿಕ ಕೈಪಿಡಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ, ಇನ್ಸ್‌ಪೆಕ್ಟರ್ ಮಾದರಿಯ ಪರೀಕ್ಷೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು 50 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು AI ಅಡ್ಡ-ವಿಭಾಗದ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷಾ ವಿಧಾನದಿಂದ ಮಾದರಿಯನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಕೇವಲ 5 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಇದು ಪತ್ತೆ ದಕ್ಷತೆಯನ್ನು ಹೆಚ್ಚು ಸುಧಾರಿಸುತ್ತದೆ ಮತ್ತು ಮಾನವಶಕ್ತಿ ಮತ್ತು ಸಮಯದ ವೆಚ್ಚವನ್ನು ಉಳಿಸುತ್ತದೆ.

ಈ ಲೇಖನವನ್ನು ವೆಚಾಟ್ ಚಂದಾದಾರಿಕೆ ಜವಳಿ ಯಂತ್ರೋಪಕರಣದಿಂದ ಪಡೆಯಲಾಗಿದೆ.