纺织品的人工智能检测技术分析*

肖 琦

武汉职业技术学院,湖北 武汉 430070

迄今为止，人工智能技术已经有六十多年的发展历史。结合其发展情况来看，随着人工智能技术应用推广力度的不断加强，该项技术已经成功在各生产领域中得到了广泛推广与应用。究其原因，主要是因为与其他技术相较而言，人工智能技术所显现出的计算机处理能力明显增强，且随着各种芯片不断被开发与利用，为人工智能数据处理以及高速运算提供了良好保障。与此同时，人工智能技术在核心算法方面取得了重要突破[1]。其中，基于大数据的深度学习算法促使生产工作变得更加智能化与自动化。可以说，新一代人工智能技术的深度应用为我国各行业领域生产工作以及发展工作奠定了良好基础。目前，为进一步推动人工智能技术在行业生产领域中的可持续应用，工业和信息化部重点针对新一代人工智能产业发展行动计划问题进行了科学部署，主动将人工智能与制造业深度融合，为我国生产工作和发展工作提供良好的内在驱动力。

1 纺织品检测类型及划分依据

1.1 纺织品检测的主要类型

对于我国纺织品检测工作而言，在纺织品检测方面，主要可以从外观检测、物理性能检测、化学性能检测和功能检测四个方面进行分析。操作人员可根据检测分析反馈结果，对当前纺织品质量性质进行动态把握。与此同时，部分技术人员在进行检测分析时，可借助检测手段对纺织品检测问题进行划分，从感官检测、仪器检测以及感官与仪器检测相结合的方式进行应用实践。

1.2 纺织品检测的划分依据

结合纺织品检测情况来看，在划分依据表现方面主要可以从基础性标准、方法性标准和产品性标准三个方面进行研究。

其中，对于基础性标准而言，基本上可以视为纺织行业发展的基础指标。在应用过程中，主要可以从检测过程中的具体结构和数量及单位之间的互相转换关系，以及所涉及的环境保护以及生产安全性等进行研究与分析。根据分析反馈结果，对当前纺织品检测过程进行严格管理，提高纺织品检测效率与质量[2]。

对于方法性标准而言，在检测过程中需要借助相对应的设施和仪器，利用专业化检测手段及技术方法对当前纺织品质量进行合理评估。目前，方法性标准基本上可以视为多数纺织企业常用的规范标准，可以实现对纺织品检测各步骤的严格把控。

对于产品性标准而言，主要针对纺织品中批量产品的规格数量和加工工艺等进行管控分析。主动结合行业具体标准及相关要求，对当前纺织品是否合格进行精准鉴定。

2 人工智能检测技术在纺织检测领域中的发展趋势

结合大环境发展趋势来看，传统纺织检测方法已经难以完全适用于当前智能化与自动化检测的背景当中。究其原因，主要是因为传统纺织检测方法以人为操作为主，在检测质量与检测效率方面容易受到人为操作因素的影响而出现滞后性问题。近年来，为进一步增强纺织检测领域的应用质量，相关工作人员主动利用人工智能检测技术，实现对纺织检测过程的动态管理，提高纺织检测效率的同时，增强纺织检测质量。

从人工智能检测技术的发展情况来看，人工智能技术应用于纺织领域源于20世纪90年代之后，当时行业内部生产人员主要利用神经网络技术，将检测重点集中表现在纤维增强复合材料性能预测以及生产工艺优化等方面。与此同时，人工智能技术还可以应用于织物表观性能和色差评级等应用领域当中，在检测质量与效率方面均取得了良好成效。其中，在人工智能检测技术的应用方面，检测人员主要利用BP神经网络—误差反向传播等方法，实现智能化检测过程[3]。

从原理表现上来看，BP神经网络可以视为前向网络的核心部分，在特征表现方面主要借助中间层对输出层的反传方式和涉及的误差问题，实现学习过程。在BP算法表现方面，检测人员可以通过比较实际输出值与期望值，获取误差信号，并根据误差信号情况，从输出层向输入层逐层反传处理。根据作用情况来看，BP神经网络可以通过调节各神经层神经元之间的连接权重，不断减小误差。虽然从客观角度上来讲，这种算法不能保证训练期间全局误差达到最小，但是可以满足局部误差最小的要求。

从成效方面来看，在纺织工业生产中通过应用上述人工智能技术内容，基本上可以达到提高生产效率和增加产品质量效果的目的。最重要的是，随着算法的不断改进和计算机处理速度的不断提高，人工智能可大幅度降低工人生产强度，并减少生产误差问题。需要注意的是，在当前应用阶段人工智能技术及相关系统尚未达到成熟应用状态。举例而言，在识别织物纹理以及布匹疵点检测技术方面还是存在一定滞后性问题。再加上人工智能算法相对复杂，在执行速度与效率方面容易受到算法流程的影响而出现不良问题。在今后的发展中，研究人员应该致力于针对上述问题进行重点解决[4]。

3 纺织品检测领域中人工智能检测技术的应用

人工智能检测技术在纺织品检测领域中尚未达到成熟应用状态，但是在部分检测领域中可通过借助人工智能化检测方式，达到良好的检测效果。结合实践反馈情况来看，在纺织检测领域中，下述4种人工智能检测技术基本上可以达到良好的纺织品检测效果。

3.1 AI验布机

瑞士乌斯特企业于2018年收购了以色列应用于纺织业检测工作的自动视觉检测设备。该检测设备可以实现对纺织物质量以及色彩的系统性测验过程，根据测验反馈结果，判断当前纺织物生产质量是否达标。与此同时，英国、德国等先进国家相继推出基于智能化技术的验布机设备，进一步拓展了人工智能检测技术在纺织品检测领域中的应用发展规模。然而这些机器虽然打着稳定性好且通用性强的口号流通于市场当中，但是经过长时间的操作实验后发现这类设备所存在的弊端问题不在少数。比较明显的就是验布机对于未知分辨率表现过低，且容易受到纺织品类型的限制，导致其在计算效率和准确度方面有所欠缺[5]。

最重要的是，在生产应用过程中，验布机可能会受到环境因素和相关因素的影响而出现迟缓问题，因此市面上对于验布机反馈评价并不是很高。从客观角度上来讲，人工智能检测技术在进行纺织物检测过程中容易受到生产步骤的影响，对最终检测结果和生产结果造成不良影响。从整体上看，人工智能技术可以视为一体化技术的领域范畴，在自身检测速率方面明显高于机下检测。近年来，国内本土企业在人工智能技术发展背景的不断深化下，纷纷开始自行生产，并应用了自主图像算法处理系统，可以实现对纺织物检测过程的动态监督与管理。需要注意的是，在硬件设备的配备上，我国本土企业还是需要依靠西方发达国家。

3.2 AI纤维种类鉴别

纺织工厂在纤维种类的鉴别处理方面通常会利用显微镜，主要通过对横向纹理以及竖向纹理纤维进行分化处理，判断纤维种类。然而，长期以来，这种鉴别方式过于依赖人工操作和人眼识别，在鉴别效率与精确度方面有所欠缺。再加上人眼长时间使用容易出现误差问题，可能会对最终检测效率造成不利影响。目前，在人工智能检测技术的驱动作用下，智能人工系统的鉴别纤维方式已经在我国纺织工厂检测工作中得到了推广与应用。在鉴别方式的选择上，工作人员可利用神经网络方式对大量样品图像进行归档处理[6]。

结合所需鉴别纺织物的可用特征，让系统对其特征进行分辨处理。并在此基础上，借助非监督神经网络学习和成分分析特点，对输入变量的特征值进行主动提取。最后将样本鳞片特征值与输出值代入感知器当中，实现监督训练过程。获取计算结果之后结束训练，结合训练好的神经网络对当前所获取的样本价值信息进行分类处理，完成具体检测过程。举例而言，在区分美利奴羊毛以及马海毛的过程中，操作人员可利用上述方法原理，对样品图像进行归档并提取可用特征。由系统完成对特征的分辨和输入变量特征值的提取，最终根据计算结果对美利奴羊毛以及马海毛进行区分。

3.3 AI纤维含量检测分析

为高质量开展纤维含量检测工作，纺织检测领域主动利用AI毛绒仪实现对各种混纺产品动物毛类纤维含量的自动检测与分析。该仪器设备主要利用计算机视觉技术，自动获取混纺纤维清晰图像。结合以往的检测经验来看，羊绒羊毛鉴别难度相对较大。通过利用AI毛绒仪可自动提取羊毛鳞片厚度和高度等特征值参数，根据数值反馈情况对羊绒和羊毛进行精准鉴别，并利用相关计算方法对动物毛类纤维各组分含量进行精准获取。结合当前应用推广情况来看，因相关企业对于AI毛绒仪进行了大量实践研究，促使该仪器设备在市场上已经形成逐步推广与应用规模，使用效率较高[7]。

3.4 AI横截面仪

AI横截面仪主要利用传统显微镜与人工智能结合的方式，实现对纤维横截面的精准识别与面积计算。并借助计算机视觉技术，对所拍摄的横截面图像进行智能化处理。如重点针对纤维横截面边缘进行绘制分析，减少以往的误差问题。与此同时，AI横截面仪可对纤维进行预分类，并利用智能化识别技术对与横截面相关的数据进行汇总分析，并以报告呈现出来。结合应用实践情况来看，广州冠图视觉科技有限公司所推广的横截面仪技术相对成熟，目前已经在纺织检测领域中得到了良好应用效果。结合当前应用趋势来看，该项技术还存在较大的发展空间，可对其进一步深度挖掘。

4 结束语

总而言之，人工智能技术的推广与应用已经成为影响行业核心竞争能力的先导性因素。可以说，在人工智能技术的带领下，我国传统产业生产模式发生了巨大变革。在这样的发展态势下，以纺织品领域为首的工业生产领域应该主动立足于人工智能技术的前沿发展动态，对当前行业内部技术体系存在的滞后性问题进行及时改正与完善。与此同时，为进一步助推纺织业领域人工智能化发展，行业内部研究人员应该加强人工智能技术在纺织品生产领域中的应用推广力度，尤其是纺织品检测领域。除此之外，为普及应用人工智能检测技术，建议纺织品生产领域应紧随科教兴国战略发展，加强对相关技术人才的培养，为纺织品人工智能检测技术的可持续应用奠定良好基础。相信在不久的将来，人工智能检测技术定会在纺织品领域中得到进一步推广与应用。