ಜವಳಿ ಬಟ್ಟೆಗಳಲ್ಲಿರುವ ಫೈಬರ್‌ನ ಪ್ರಕಾರ ಮತ್ತು ಶೇಕಡಾವಾರು ಬಟ್ಟೆಗಳ ಗುಣಮಟ್ಟದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಪ್ರಮುಖ ಅಂಶಗಳಾಗಿವೆ, ಮತ್ತು ಬಟ್ಟೆಗಳನ್ನು ಖರೀದಿಸುವಾಗ ಗ್ರಾಹಕರು ಗಮನ ಹರಿಸುತ್ತಾರೆ. ವಿಶ್ವದ ಎಲ್ಲಾ ದೇಶಗಳಲ್ಲಿನ ಜವಳಿ ಲೇಬಲ್‌ಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಕಾನೂನುಗಳು, ನಿಯಮಗಳು ಮತ್ತು ಪ್ರಮಾಣೀಕರಣ ದಾಖಲೆಗಳಿಗೆ ಫೈಬರ್ ವಿಷಯದ ಮಾಹಿತಿಯನ್ನು ಸೂಚಿಸಲು ಬಹುತೇಕ ಎಲ್ಲಾ ಜವಳಿ ಲೇಬಲ್‌ಗಳು ಬೇಕಾಗುತ್ತವೆ. ಆದ್ದರಿಂದ, ಜವಳಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಫೈಬರ್ ಅಂಶವು ಒಂದು ಪ್ರಮುಖ ವಸ್ತುವಾಗಿದೆ.

ಪ್ರಸ್ತುತ ಪ್ರಯೋಗಾಲಯದ ಫೈಬರ್ ಅಂಶದ ನಿರ್ಣಯವನ್ನು ಭೌತಿಕ ವಿಧಾನಗಳು ಮತ್ತು ರಾಸಾಯನಿಕ ವಿಧಾನಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು. ಫೈಬರ್ ಮೈಕ್ರೋಸ್ಕೋಪ್ ಅಡ್ಡ-ವಿಭಾಗದ ಅಳತೆ ವಿಧಾನವು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಭೌತಿಕ ವಿಧಾನವಾಗಿದೆ, ಇದರಲ್ಲಿ ಮೂರು ಹಂತಗಳು ಸೇರಿವೆ: 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 (ಎಐ) ಸ್ವಯಂಚಾಲಿತ ಪತ್ತೆ ತಂತ್ರಜ್ಞಾನವು ಹೊರಹೊಮ್ಮಿದೆ.

AI ಸ್ವಯಂಚಾಲಿತ ಪತ್ತೆಯ ಮೂಲ ತತ್ವಗಳು

(1) ಗುರಿ ಪ್ರದೇಶದಲ್ಲಿ ಫೈಬರ್ ಅಡ್ಡ-ವಿಭಾಗಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಗುರಿ ಪತ್ತೆ ಬಳಸಿ

(2) ಮುಖವಾಡ ನಕ್ಷೆಯನ್ನು ರಚಿಸಲು ಒಂದೇ ಫೈಬರ್ ಅಡ್ಡ ವಿಭಾಗವನ್ನು ವಿಭಾಗಿಸಲು ಶಬ್ದಾರ್ಥದ ವಿಭಾಗವನ್ನು ಬಳಸಿ

(3) ಮುಖವಾಡ ನಕ್ಷೆಯನ್ನು ಆಧರಿಸಿ ಅಡ್ಡ-ವಿಭಾಗದ ಪ್ರದೇಶವನ್ನು ಲೆಕ್ಕಹಾಕಿ

(4) ಪ್ರತಿ ಫೈಬರ್‌ನ ಸರಾಸರಿ ಅಡ್ಡ-ವಿಭಾಗದ ಪ್ರದೇಶವನ್ನು ಲೆಕ್ಕಹಾಕಿ

ಪರೀಕ್ಷಾ ಮಾದರಿ

ಹತ್ತಿ ಫೈಬರ್ ಮತ್ತು ವಿವಿಧ ಪುನರುತ್ಪಾದಿತ ಸೆಲ್ಯುಲೋಸ್ ಫೈಬರ್ಗಳ ಸಂಯೋಜಿತ ಉತ್ಪನ್ನಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವುದು ಈ ವಿಧಾನದ ಅನ್ವಯದ ಒಂದು ವಿಶಿಷ್ಟ ಪ್ರತಿನಿಧಿಯಾಗಿದೆ. ಹತ್ತಿ ಮತ್ತು ವಿಸ್ಕೋಸ್ ಫೈಬರ್ ಮತ್ತು ಹತ್ತಿ ಮತ್ತು ಮೋಡಲ್ನ ಸಂಯೋಜಿತ ಬಟ್ಟೆಗಳ 10 ಸಂಯೋಜಿತ ಬಟ್ಟೆಗಳನ್ನು ಪರೀಕ್ಷಾ ಮಾದರಿಗಳಾಗಿ ಆಯ್ಕೆಮಾಡಲಾಗುತ್ತದೆ.

ಪತ್ತೆ ವಿಧಾನ

ತಯಾರಾದ ಅಡ್ಡ-ವಿಭಾಗದ ಮಾದರಿಯನ್ನು AI ಅಡ್ಡ-ವಿಭಾಗದ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷಕನ ಹಂತದಲ್ಲಿ ಇರಿಸಿ, ಸೂಕ್ತವಾದ ವರ್ಧನೆಯನ್ನು ಹೊಂದಿಸಿ ಮತ್ತು ಪ್ರೋಗ್ರಾಂ ಬಟನ್ ಪ್ರಾರಂಭಿಸಿ.

ಫಲಿತಾಂಶ ವಿಶ್ಲೇಷಣೆ

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

(2) ಸ್ಪಷ್ಟ ಆಯತಾಕಾರದ ಚೌಕಟ್ಟಿನಲ್ಲಿ ಆಯ್ದ ನಾರುಗಳನ್ನು AI ಮಾದರಿಯಲ್ಲಿ ಹೊಂದಿಸಿ, ತದನಂತರ ಪ್ರತಿ ಫೈಬರ್ ಅಡ್ಡ ವಿಭಾಗವನ್ನು ಮೊದಲೇ ವರ್ಗೀಕರಿಸಿ.

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

(4) ಅಂತಿಮ ಪರಿಣಾಮದ ಚಿತ್ರವನ್ನು ರೂಪಿಸಲು ಫೈಬರ್ line ಟ್‌ಲೈನ್ ಅನ್ನು ಮೂಲ ಚಿತ್ರಕ್ಕೆ ನಕ್ಷೆ ಮಾಡಿ.

(5) ಪ್ರತಿ ಫೈಬರ್‌ನ ವಿಷಯವನ್ನು ಲೆಕ್ಕಹಾಕಿ.

Cಮುಂಗೋಪ

10 ವಿಭಿನ್ನ ಮಾದರಿಗಳಿಗೆ, AI ಅಡ್ಡ-ವಿಭಾಗದ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷಾ ವಿಧಾನದ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಂಪ್ರದಾಯಿಕ ಕೈಪಿಡಿ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ. ಸಂಪೂರ್ಣ ದೋಷವು ಚಿಕ್ಕದಾಗಿದೆ, ಮತ್ತು ಗರಿಷ್ಠ ದೋಷವು 3%ಮೀರುವುದಿಲ್ಲ. ಇದು ಮಾನದಂಡಕ್ಕೆ ಅನುಗುಣವಾಗಿರುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಗುರುತಿಸುವಿಕೆ ದರವನ್ನು ಹೊಂದಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಪರೀಕ್ಷಾ ಸಮಯದ ದೃಷ್ಟಿಯಿಂದ, ಸಾಂಪ್ರದಾಯಿಕ ಕೈಪಿಡಿ ಪರೀಕ್ಷೆಯಲ್ಲಿ, ಇನ್ಸ್ಪೆಕ್ಟರ್ಗೆ ಮಾದರಿಯ ಪರೀಕ್ಷೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು 50 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಮತ್ತು AI ಅಡ್ಡ-ವಿಭಾಗದ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷಾ ವಿಧಾನದಿಂದ ಮಾದರಿಯನ್ನು ಕಂಡುಹಿಡಿಯಲು ಕೇವಲ 5 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಇದು ಪತ್ತೆ ದಕ್ಷತೆಯನ್ನು ಹೆಚ್ಚು ಸುಧಾರಿಸುತ್ತದೆ ಮತ್ತು ಮಾನವಶಕ್ತಿ ಮತ್ತು ಸಮಯ ವೆಚ್ಚವನ್ನು ಉಳಿಸುತ್ತದೆ.

ಈ ಲೇಖನವನ್ನು ವೆಚಾಟ್ ಚಂದಾದಾರಿಕೆ ಜವಳಿ ಯಂತ್ರೋಪಕರಣಗಳಿಂದ ಹೊರತೆಗೆಯಲಾಗಿದೆ