紡織品檢測技術的智能化及發展趨勢探析

宋麗娟

（菏澤市紡織纖維檢驗所，山東 菏澤 274000）

紡織品檢測技術是指在特定的環境中，利用各種儀器、儀器、儀器、化學試劑和專家的主觀判斷，對紡織品進行檢測的一種方式。紡織品檢測是一種主要的內部質量管理方法，它對改善紡織品的品質起到積極的作用。隨著社會的發展，科學技術的進步和標準化的不斷完善，紡織品的檢測已逐漸成為我國國民經濟的重要組成部分，這對于推動紡織工業可持續發展、順應時代潮流、增加國家經濟效益具有十分重要的意義[1]。當前，紡織品的檢測技術需要切實落實好可靠性、準確性、時效性和環保性等方面的特征和原則，進而更好地推動紡織品行業的穩定發展。本文旨在通過對國內外有關紡織品的檢測技術進行深入的研究和分析，探討其發展動向，以期確保檢測結果的真實性，進而為后續優化紡織品制作工藝奠定良好的基礎。

一、紡織品檢測技術的智能化概述

1.人工智能技術

人工智能是一種被稱為AI的技術，是由計算機系統發展而來的。它是一種模擬、擴展、延伸等技術，模擬人的思想，并且能夠在沒有人工干預的情況下獨自面對問題，模擬人的思維模式，從而取代人工進行織物的檢測，這將能夠直接引發一場技術革命。同時，它具有很強的自我學習能力，但是唯有將學習案例不斷地輸入到人工智能和專家的智囊團中，才能從同樣的問題中獲得知識和經驗，以此使其能夠在面對各種問題時形成正確的思考方法。

2.紡織品檢測技術智能化形式

在紡織品檢測方面可以采用BP神經元網絡、DFA判別功能分析等方法，并且可以利用及傳感器獲取織物樣本的信息，并將樣本輸入到智能算法中進行反向運算。而后通過對目標值和期望值的偏差進行比較，對偏差原因進行深入的分析，從而得出織物檢測報告的方法。比如，用來判定織物的品質，當檢測值大大小于標稱值時，則表示織物樣品有嚴重的質量問題。

3.人工智能檢測技術發展趨勢

目前，人工智能技術已被廣泛地應用于紡織品的檢測，逐步替代手工和自動化的檢測，有效地解決紡織品的主觀性，保證檢測的結果不受人為因素的影響。但在實際運用過程中，依然存在一定的不足之處制約檢測的效率和準確度。因此，為了更好地提升紡織品的檢測效果，將需要降低算法的復雜性，切實對織物進行多個組合優化，在搜索空間內尋找最優解。缺少目標的問題是缺少紋理識別等項目學習案例，將難以從海量的樣本中抽取出大量的樣本，并進行相應的運算。針對目前紡織行業存在的問題，提出將人工智能技術應用于算法優化、自主學習和大數據化三個方向的研究[2]。

在算法的優化開發上，更加注重將遺傳算法、差分進化算法、粒子群算法、免疫算法等與BP神經網絡算法相結合。該方法操作簡單，適用范圍廣，同時具有并行運算能力等優點，可使紡織檢測工程的計算量大大減少。在自主開發的過程中，將纖維含量檢測、驗布、橫截面檢測等項目的實例不斷引入到人工智能檢測系統的數據庫中，通過系統的自我學習，培養出針對各種紡織品檢測項目的正確思路，從而達到控制樣本提取量、減輕系統運行負擔、提高檢測效率的目的。從大數據化的角度來看，由于智能探測系統在運行過程中需要大量的數據采集和處理，這將會大大降低探測的效率，因此將需要采用大數據技術進行運算。

二、紡織品檢測技術的分類

隨著各種檢測儀器設備的不斷涌現，仿人工檢測機制、計算機信息技術、機械自動化技術以及各種微觀、微型檢測設備的不斷發展，使現代紡織檢測技術的工作效率和精度得到極大的提升。在紡織品檢測中，儀表設備的作用日益突出。根據紡織檢測技術的發展歷程，可以將其劃分為下列幾種。

1.人工型

我國是世界上最大的紡織生產國和出口國，擁有世界上一半以上的紡織產品，有效地解決全球纖維消費量的1/3，為全球供應高質量纖維產品2000萬噸。《紡織工業“十三五”發展規劃》預測，中國纖維加工量在今后兩年內將繼續增加100萬～200萬噸，2020年將達到6000萬噸，年均增速保持在3.5%左右。規模龐大的紡織加工企業對國內的紡織纖維檢驗工作造成很大的壓力，因此在保證安全、高效的前提下，提高檢驗效率將成為當前急需解決的問題。

其中人是紡織品檢測技術中的一個關鍵要素，人類的主觀能動性必然會在檢測過程中起到無可取代的作用。早期的紡織驗貨，主要是由有經驗的專家，通過視覺、手感等感官體驗方式，對織物進行初步的檢測。目前，在紡織品的檢測標準中，還采用類似的檢測方法，例如起球、色牢度、色差評級等，這些都是通過專家的眼光來判斷產品的品質。此外，絨毛含量檢測、纖維定性檢測、羊絨、羊毛及其他特殊動物毛含量檢測、棉/麻纖維含量檢測、外觀疵點、外觀質量檢測、氣味檢測、紡織品尺寸變化檢測、絨毛手排長度、雜色率檢測。其中人工型檢測是最為基礎和穩定可靠的一種檢測方式，其能夠更好地確保紡織品的檢測效果。

2.儀器輔助型

當前，大部分紡織品的檢測都是由專門的檢測技術人員和儀器進行配合，以達到最優化檢測效果的目的。在紡織品檢測技術中，儀器設備已成為必不可少的工具，我們把它稱為輔助檢測技術。這一技術的主要特征，人不能離開儀器，儀器也不能離開人的輔助。儀器是實現檢測的必備工具，而人卻要在檢測前進行大量的準備、匯總、判斷和數據的整理。例如，在紡織檢測中，斷裂強力、撕破強力、縫合強力、破強力、脹破強力、縫縫開裂等強力項目；如起毛、起球、色牢度、尺寸變化率等。在檢測之前，技術人員要按規范的要求對織物或衣服進行抽樣，并按規范的要求進行檢測，并將檢測結果匯總、取舍，最后得出最終的檢測結果。在紡織檢測方面，化學和物理領域都有相似的現象，其能夠更好地檢驗紡織品的內部性質特點[3]。

3.精密儀器全自動型（智能型）

在一些檢測領域的工程中，已經出現一些智能化的檢測儀器，也就是所謂的工作站。利用此工作站，可以對紡織品的檢測進行全程自動化。從取樣、制樣、試驗、出結果，再到傳送或輸出報告資料，不需要人工干預。在此基礎上，由于缺乏人為因素對樣本產生影響和污染，將極易減少測量結果的誤差，從而大大提高檢測的效率和穩定性。此外，通過智能化檢測儀器也可以通過對大量的樣本進行檢測，不斷地充實和積累實驗數據。而后再對海量的云數據進行分析，并對其進行歸納和積累。這種可以自主學習的智能儀器，可以從一開始的人工輔助，慢慢地變成全自動的，并且隨著檢測的進行，其整體的檢測能力也將會之間增強。

三、紡織品檢測領域中人工智能檢測技術的應用

雖然人工智能在紡織行業還沒有完全的應用，但在某些領域可以通過人工智能化的方法提升檢測結果。通過實際應用的反饋，以下將對四種人工智能技術在紡織檢測領域取得較大成就的智能化檢測技術進行分析。

1.AI驗布機

瑞士烏斯特公司在2018年購買以色列用于紡織檢測的自動化視覺檢測裝置。本檢測裝置能夠對紡織品的成分含量和顏色進行系統的檢測，并通過檢測的反饋來判定目前的紡紗產品質量是否達到要求。同時，英國、德國等先進國家也紛紛采用智能化技術，使其在紡織檢測方面的應用不斷擴大。不過，這些機械在市面上雖然有著很好的穩定性和通用性，但在長期的實踐中卻是出現不少的問題。其中最突出的一點是，AI驗布機對未知的分辨率不夠敏感，而且很容易受限于織物的種類，從而使其在運算速度和精確性上都不夠理想。

更加重要的是在實際使用中，由于受周圍環境等因素的影響，導致驗布速度緩慢，所以市場上對驗布機的反饋意見不高。從客觀的角度來說，利用人工智能技術進行紡織面料的檢測，很可能會因為工序的不同而影響最終的檢測效果。從總體上講，人工智能技術可以被看作是集成技術的一個領域，它的探測速度比機器探測的速度要快得多。近幾年，隨著人工智能技術的發展，我國的本土企業也開始自己的產品開發。期間采用自動的圖像處理技術將能夠對紡織面料的檢測進行動態監控和管理。應該指出，國內企業在硬件配置方面，仍然要依賴于發達國家。

2.AI纖維種類鑒別

紡織企業在識別纖維類型時，一般采用顯微鏡，主要是對纖維的橫向和縱向的纖維進行區分。但是，長期以來，由于其主要依靠手工和人眼的辨識，使得其辨識的準確性和效率都不高，這也將使其影響到最后的檢測效果。在智能人工識別技術的推動下，AI纖維種類鑒別技術已在國內的紡織企業中推廣和使用。在識別方法方面，還可以采用人工神經網絡方法對海量樣本進行存檔。

通過對所要識別的紡織面料的特征進行識別，而后利用無監督神經網絡的學習以及組元分析的特性，使其主動地抽取輸入變量。然后將采樣的鱗片特征和輸出信息輸入到感測器中，從而達到監控訓練的目的。在獲得計算結果后，將訓練結果與訓練后的神經網絡相結合，并對當前獲得的采樣值進行分類，從而實現特定的檢測。例如，在區分美利奴和馬海毛時，操作者可以根據以上的方法原理對樣本圖像進行存檔和提取。除此之外，還通過對美利奴羊毛和馬海毛的識別，實現對其特征的識別和輸入的特征值的提取。

3.AI纖維含量檢測分析

為了保證纖維含量的高質量，在紡織檢測領域，運用AI纖維含量檢測分析技術對各類混紡產品中的動物毛纖維進行自動檢測和分析。本裝置采用計算機視覺技術，實現對混紡織物的清晰影像的自動采集。根據以往的檢測經驗，羊絨的鑒定比較困難。采用AI毛絨檢測儀，可以自動提取毛料的厚度、高度等特征值，并根據數據的反饋信息準確地識別出絨毛的成分，而后通過相應的計算方法精確地獲得各種成分的含量。從目前的應用和推廣來看，AI纖維含量檢測分析技術在市場中逐步得到廣泛普及和運用，并且在近年來也取得了較好的效果。

4.AI橫截面儀

AI橫截面儀是將傳統的顯微技術和人工智能技術相結合，用于精確地識別和計算纖維斷面。同時，利用計算機視覺技術實現對剖面圖像的智能化處理。重點是對纖維斷面的剖面進行分析，減少紡織品檢測過程中可能存在的誤差問題。同時，AI橫截面儀還可以實現對纖維的預分類，并通過智能識別技術將有關的數據進行匯總、分析，并以報表形式顯示。從實際應用中可以看出，廣州冠圖視覺技術有限公司的AI橫截面儀運用技術較為成熟，并在紡織行業中取得較好的應用效果。從目前的應用趨勢來看，這一技術仍有很大的發展空間，需要深入地去發掘。

四、人工智能檢測技術在紡織檢測領域中的發展趨勢

BP神經網絡在其工作原理上可以被看作是前向網絡的核心。在特征表達上，利用中間層反向傳輸的方法以及所涉及的錯誤問題，并完成學習過程。在BP算法的性能上，可以將輸出的輸出和期望的結果進行對比，從而得到錯誤的信號。在此基礎上，對輸出層次進行一系列的逆傳，以此實現對檢測結果的精準優化。BP神經網絡根據其功能狀態可以通過調整神經元間的聯系權重，最大限度上降低數據錯誤概率[4]。從客觀上來說，該方法并不能保證在訓練過程中的整體誤差最小，但卻能使系統的局部錯誤降到最低。

從效益角度來說，以上所述的人工智能技術內容在紡織品檢測行業中的應用，基本可以達到提高生產效率、提高產品品質的目的。最主要的是，由于算法的進步，計算機運算速度的提升，人工智能可以顯著地降低工人的勞動強度，同時也可以降低檢測錯誤問題的發生概率。在目前的應用中，人工智能技術和相關的系統還沒有進入成熟的應用階段。例如，在面料的紋理識別和面料缺陷的檢測上，仍有一些滯后的問題。而且，由于人工智能的運算過程比較復雜，因此在處理過程中會產生一些問題，在未來的發展過程中，切實解決其中存在的問題將具有必要性。

結語

目前，紡織品的智能化還處于初級階段，依然還存在著許多缺陷，例如：對大樣本進行圖像識別時，由于織物的質地、組織結構等因素的影響比較大，且樣本數量也比較小，從而影響算法的優化和最終的判定。此外，目前國內有關紡織品檢測技術智能化的方法和標準尚處于空白狀態，有關的法律法規更是缺乏相應的規范，制約著我國紡織檢測技術的智能化發展。目前，有關紡織品智能化檢測與評估的標準已經迫在眉睫，而智能檢測技術的發展也日趨成熟，應用范圍也日益廣泛，相信在不久的將來，智能化必將是整個檢測領域的發展趨勢。