紡織品的人工智能檢測技術分析

宋國書 陶晶晶

（天津津濱華測產品檢測中心有限公司，天津 300300）

對于人工智能而言，現如今已經成為了推動人類進入到智能時代的決定性力量，在全球范圍之內，已經充分地認識到了人工智能時代引領新一輪產業變革的重要意義，并且紛紛的轉型發展，目前在全世界的發達國家中，已經將持續發展人工智能作為其提高國家競爭力和維護國家安全的重要戰略方針，可以使其在國際科技競爭中掌握更多的主動權。然而對于人工神經網絡而言，主要是通過模擬人腦結構以及刺激行為的并行非線性系統，也是作為人工智能實現的重要方式，是存在著自學習和自組織以及自適應等方面的特點，在一些較為復雜的系統建模問題上具有著相應的突出性，最近的幾年來，在紡織工業中已經取得了一定的重視。所以對于本文而言，主要是對紡織品的人工智能檢測技術做出了相應的分析，同時也是在這個基礎上提出了下文中的內容。

一、分析人工智能的發展

在二零一六年的時候，人工智能已經是戰勝了人類的圍棋高手，這樣也是引發了全世界對于人工智能的高度關注，之后Master 根據AlphaGo 的不同身份先后戰勝了六十多位世界級的圍棋選手，并且是通過了圍棋對弈的圖靈測試工作，使其可以進一步地展示出人工智能的進展和成就。此外對于人工智能的概念而言，其誕生到現如今已經具有著多年的發展歷史，在二零一二年之后，深度卷積神經網絡的技術便是在圖像識別領域中得到了相應的應用，并且伴隨著計算機圖形的技術以及大數據和云計算、互聯網等信息技術在持續地進行發展，也是全面地促進了人工智能飛速的發展和進步，同時更加廣泛地應用到了圖像分類以及語音識別和互聯網的信息搜索之中，同時在無機駕駛等領域中存在著較為廣泛的應用，在最近的一些年來已經是呈現出爆發式的增長，逐漸地進入到了產業化的發展階段，算法則是作為實現人工智能的核心所在，目前研究的熱點內容也是向著基于感知智能模型的物體精準定位以及分割能力這一方向發展，大數據也是作為構建人工智能戰略性精準的關鍵所在。

二、分析紡織品領域人工智能的運行方式

對于紡織行業而言，出現人工智能技術主要是在二十世紀九十年代之后，并且是應用到人工神經網絡，對其紡織品自身所構成的纖維性能和優化工藝以及自動生成控制等方面進行深入的分析研究，在紡織領域中，通過合理的采用人工常態的BP神經網絡，最為主要的特點便是對誤差引起重視，同時對于輸入層面導致的數據進行相應的反轉從而出現誤差的情況，其有效地對誤差作出了合理的分析探索。在這之中BP 算法能夠分為兩種階段，實際運作中對產品的預期值以及現實生產作出詳細對比，并且科學的搜集誤差情況，將其誤差可以轉換成為誤差信號，之后將其誤差信號有秩序地進行反轉，這樣能夠更好地實現誤差參考運作的價值，同時在紡織行業中采用BP 神經網絡的優勢便是提高網絡系統的整體性能，對其中的各個組成內容進行合理的銜接，通過系統進行相應的作用，能夠對其誤差值設定做出相應的調整，從而達到紡織品的實際技術要求，此外BP 算法在使用的過程中，雖然無法大批量地對誤差性進行降低，但是能夠作出智能化的局部調整，保證局部的誤差精度，同時對局部誤差進行合理的控制。然而對于紡織業生產投入中采用人工智能的技術，不僅可以提高產品數量，也是可以在質量上進行優化，全面的提升產品合格率。

此外通過應用計算機的技術可以快速地進行計算，提高數據處理的能力，最近幾年來計算機技術持續的發展，算法也是處于更新換代中，人工智能更加準確、有效的解放了勞動力，提高產量和質量，為人們帶來了更多的收益。同時出于在應用階段的人工智能依然是顯得局限，在多數地方依然是存在缺陷，需要進行改進，比如對于紡織品的紋理進行識別中因為缺少著針對性，實際進行識別中需要參考的樣本量較大，這樣會導致計算機處理信息工作量加劇，不僅占據內存空間，同時復雜的計算方式也會讓檢測效果不如意，例如自動化生產對于生產信息控制系統而言，是比較龐大和復雜的，對硬件和軟件等都存在一定的涉及，如果參數出現改變，結果無法及時的進行調整，從而出現檢測效果的不如意，目前依然沒有較好的方法進行解決。

三、分析紡織品中人工智能檢測技術的應用

（一）在驗布機中的應用

在二零一八年的時候，來自于瑞士的烏斯特企業收購了以色列所制造的運用在紡織業自動視覺的檢測設備，針對于該系列的設備而言，最為主要的功能便是可以對紡織物的質量和色彩進行系統性的檢測，這種檢驗紡織物的機器不僅僅有英國的Shelton Machineslt 集團推出的WEBSPECTOR 和德國的Erhardt＆Leimer 集團推出的ELSIS inspector 和PROTECHNA 等。雖然這些機器的穩定性和通用性比較好，但是通過一些廠商進行長時間的操作以及實驗后，問題依然存在不少，較為顯著的問題便是對位置的分辨率相對比較低，容易受到紡織物類型所帶來的限制，導致其計算的真實度和實效性受到了嚴重的影響，同時也會導致其實際使用的過程中所產生的價格比較高，但是所獲取的數據可靠性比較差，并且也會出現很多遲緩，對生產帶來比較嚴重的影響，因此其現如今對于驗布機的使用反饋評價并不是很高。而人工智能檢測紡織物的困難主要是在以下幾點：一是紡織生產以及布料檢測雙方是一個緊密銜接的工作。二是如果生產出現了瑕疵，那么將會自動停止生產，對其檢測結果和生產結果都有著較大的影響，人工智能所采用的智能算法結構相對復雜，對自身的計算精度和時效性方面存在嚴格要求。三是因為人工智能是一體化的技術，每一個構成結構不僅僅是獨立的，同時也是相關的，工序需要借助攝像機和計算機等設備，其自身的相應速度則是高于機下檢測，在運作的過程中，主要是附屬三套處理系統，信息整合的AN 學習督促系統；進行樣本特質計算系統；統計并可以進行自動叫停的系統。此外也是可以在數據庫中融入疵點類型，從而進行良好的技術運作，當今我國本土企業已經是紛紛開始了自行生產，其效果較為顯著，并且也是具備著自主的圖像算法處理系統，但是硬件設施依然需要依靠西方發達國家。

（二）分析纖維類型的鑒別

通常都是采用顯微鏡進纖維鑒別，是可以直接地對橫向紋理和豎向紋理作出相應的纖維化分析，但其是比較過分依賴人工的，根據人眼在遇到相似纖維情況下是難以進行分辨的，并且是無法長時間進行應用的，這點容易出現誤差，但是目前鑒別纖維類型的智能人工系統是處于初期階段，通過采用督促學習的方式對其大量樣品圖進行相應的歸檔，提取可用的特點，之后便可以讓系統利用特征分析的方式，通過應用非監督神經網絡學習和主要成分的分析，從而提取輸入變量的特地安置，與此同時其樣本橫向紋理和豎向紋理的特征值以及輸出值代入感器中進行相應的監督訓練，科學的計算出收斂后的訓練工作結果，之后則是通過應用訓練好的神經網絡樣本做出相應的分類，將其投入到實際的檢測工作中。

總結：通過上述分析得出，現如今人工智能已經是成為了行業競爭的重要因素，對于我國產業改革有著重要的意義，也是為傳統行業融入了較多的創新可能性，我國是世界上紡織品出口大國，每年銷售到海外的紡織品數量十分龐大，這樣也是促進了紡織品產業人工智能化的發展，必然會加速自身產業的轉型，實現生產模式和商業模式的創新，對自身的產業競爭優勢進行突出，為自身獲得更大的經濟效益。現如今我國依然是需要持續的提高對人工智能的研究工作，并且人工智能已經是并不局限于市場間的競爭，然而是拓展到了國和國之間的較量中，因此需要不松懈的進行人工智能檢測技術的創新，目前隨著科學興國戰略的發展，提高相關領域的人才培養工作，可以全面的促進人工智能行業快速的發展。