纺织品检测技术的智能化及发展趋势探析

宋丽娟

（菏泽市纺织纤维检验所，山东 菏泽 274000）

纺织品检测技术是指在特定的环境中，利用各种仪器、仪器、仪器、化学试剂和专家的主观判断，对纺织品进行检测的一种方式。纺织品检测是一种主要的内部质量管理方法，它对改善纺织品的品质起到积极的作用。随着社会的发展，科学技术的进步和标准化的不断完善，纺织品的检测已逐渐成为我国国民经济的重要组成部分，这对于推动纺织工业可持续发展、顺应时代潮流、增加国家经济效益具有十分重要的意义[1]。当前，纺织品的检测技术需要切实落实好可靠性、准确性、时效性和环保性等方面的特征和原则，进而更好地推动纺织品行业的稳定发展。本文旨在通过对国内外有关纺织品的检测技术进行深入的研究和分析，探讨其发展动向，以期确保检测结果的真实性，进而为后续优化纺织品制作工艺奠定良好的基础。

一、纺织品检测技术的智能化概述

1.人工智能技术

人工智能是一种被称为AI的技术，是由计算机系统发展而来的。它是一种模拟、扩展、延伸等技术，模拟人的思想，并且能够在没有人工干预的情况下独自面对问题，模拟人的思维模式，从而取代人工进行织物的检测，这将能够直接引发一场技术革命。同时，它具有很强的自我学习能力，但是唯有将学习案例不断地输入到人工智能和专家的智囊团中，才能从同样的问题中获得知识和经验，以此使其能够在面对各种问题时形成正确的思考方法。

2.纺织品检测技术智能化形式

在纺织品检测方面可以采用BP神经元网络、DFA判别功能分析等方法，并且可以利用及传感器获取织物样本的信息，并将样本输入到智能算法中进行反向运算。而后通过对目标值和期望值的偏差进行比较，对偏差原因进行深入的分析，从而得出织物检测报告的方法。比如，用来判定织物的品质，当检测值大大小于标称值时，则表示织物样品有严重的质量问题。

3.人工智能检测技术发展趋势

目前，人工智能技术已被广泛地应用于纺织品的检测，逐步替代手工和自动化的检测，有效地解决纺织品的主观性，保证检测的结果不受人为因素的影响。但在实际运用过程中，依然存在一定的不足之处制约检测的效率和准确度。因此，为了更好地提升纺织品的检测效果，将需要降低算法的复杂性，切实对织物进行多个组合优化，在搜索空间内寻找最优解。缺少目标的问题是缺少纹理识别等项目学习案例，将难以从海量的样本中抽取出大量的样本，并进行相应的运算。针对目前纺织行业存在的问题，提出将人工智能技术应用于算法优化、自主学习和大数据化三个方向的研究[2]。

在算法的优化开发上，更加注重将遗传算法、差分进化算法、粒子群算法、免疫算法等与BP神经网络算法相结合。该方法操作简单，适用范围广，同时具有并行运算能力等优点，可使纺织检测工程的计算量大大减少。在自主开发的过程中，将纤维含量检测、验布、横截面检测等项目的实例不断引入到人工智能检测系统的数据库中，通过系统的自我学习，培养出针对各种纺织品检测项目的正确思路，从而达到控制样本提取量、减轻系统运行负担、提高检测效率的目的。从大数据化的角度来看，由于智能探测系统在运行过程中需要大量的数据采集和处理，这将会大大降低探测的效率，因此将需要采用大数据技术进行运算。

二、纺织品检测技术的分类

随着各种检测仪器设备的不断涌现，仿人工检测机制、计算机信息技术、机械自动化技术以及各种微观、微型检测设备的不断发展，使现代纺织检测技术的工作效率和精度得到极大的提升。在纺织品检测中，仪表设备的作用日益突出。根据纺织检测技术的发展历程，可以将其划分为下列几种。

1.人工型

我国是世界上最大的纺织生产国和出口国，拥有世界上一半以上的纺织产品，有效地解决全球纤维消费量的1/3，为全球供应高质量纤维产品2000万吨。《纺织工业“十三五”发展规划》预测，中国纤维加工量在今后两年内将继续增加100万～200万吨，2020年将达到6000万吨，年均增速保持在3.5%左右。规模庞大的纺织加工企业对国内的纺织纤维检验工作造成很大的压力，因此在保证安全、高效的前提下，提高检验效率将成为当前急需解决的问题。

其中人是纺织品检测技术中的一个关键要素，人类的主观能动性必然会在检测过程中起到无可取代的作用。早期的纺织验货，主要是由有经验的专家，通过视觉、手感等感官体验方式，对织物进行初步的检测。目前，在纺织品的检测标准中，还采用类似的检测方法，例如起球、色牢度、色差评级等，这些都是通过专家的眼光来判断产品的品质。此外，绒毛含量检测、纤维定性检测、羊绒、羊毛及其他特殊动物毛含量检测、棉/麻纤维含量检测、外观疵点、外观质量检测、气味检测、纺织品尺寸变化检测、绒毛手排长度、杂色率检测。其中人工型检测是最为基础和稳定可靠的一种检测方式，其能够更好地确保纺织品的检测效果。

2.仪器辅助型

当前，大部分纺织品的检测都是由专门的检测技术人员和仪器进行配合，以达到最优化检测效果的目的。在纺织品检测技术中，仪器设备已成为必不可少的工具，我们把它称为辅助检测技术。这一技术的主要特征，人不能离开仪器，仪器也不能离开人的辅助。仪器是实现检测的必备工具，而人却要在检测前进行大量的准备、汇总、判断和数据的整理。例如，在纺织检测中，断裂强力、撕破强力、缝合强力、破强力、胀破强力、缝缝开裂等强力项目；如起毛、起球、色牢度、尺寸变化率等。在检测之前，技术人员要按规范的要求对织物或衣服进行抽样，并按规范的要求进行检测，并将检测结果汇总、取舍，最后得出最终的检测结果。在纺织检测方面，化学和物理领域都有相似的现象，其能够更好地检验纺织品的内部性质特点[3]。

3.精密仪器全自动型（智能型）

在一些检测领域的工程中，已经出现一些智能化的检测仪器，也就是所谓的工作站。利用此工作站，可以对纺织品的检测进行全程自动化。从取样、制样、试验、出结果，再到传送或输出报告资料，不需要人工干预。在此基础上，由于缺乏人为因素对样本产生影响和污染，将极易减少测量结果的误差，从而大大提高检测的效率和稳定性。此外，通过智能化检测仪器也可以通过对大量的样本进行检测，不断地充实和积累实验数据。而后再对海量的云数据进行分析，并对其进行归纳和积累。这种可以自主学习的智能仪器，可以从一开始的人工辅助，慢慢地变成全自动的，并且随着检测的进行，其整体的检测能力也将会之间增强。

三、纺织品检测领域中人工智能检测技术的应用

虽然人工智能在纺织行业还没有完全的应用，但在某些领域可以通过人工智能化的方法提升检测结果。通过实际应用的反馈，以下将对四种人工智能技术在纺织检测领域取得较大成就的智能化检测技术进行分析。

1.AI验布机

瑞士乌斯特公司在2018年购买以色列用于纺织检测的自动化视觉检测装置。本检测装置能够对纺织品的成分含量和颜色进行系统的检测，并通过检测的反馈来判定目前的纺纱产品质量是否达到要求。同时，英国、德国等先进国家也纷纷采用智能化技术，使其在纺织检测方面的应用不断扩大。不过，这些机械在市面上虽然有着很好的稳定性和通用性，但在长期的实践中却是出现不少的问题。其中最突出的一点是，AI验布机对未知的分辨率不够敏感，而且很容易受限于织物的种类，从而使其在运算速度和精确性上都不够理想。

更加重要的是在实际使用中，由于受周围环境等因素的影响，导致验布速度缓慢，所以市场上对验布机的反馈意见不高。从客观的角度来说，利用人工智能技术进行纺织面料的检测，很可能会因为工序的不同而影响最终的检测效果。从总体上讲，人工智能技术可以被看作是集成技术的一个领域，它的探测速度比机器探测的速度要快得多。近几年，随着人工智能技术的发展，我国的本土企业也开始自己的产品开发。期间采用自动的图像处理技术将能够对纺织面料的检测进行动态监控和管理。应该指出，国内企业在硬件配置方面，仍然要依赖于发达国家。

2.AI纤维种类鉴别

纺织企业在识别纤维类型时，一般采用显微镜，主要是对纤维的横向和纵向的纤维进行区分。但是，长期以来，由于其主要依靠手工和人眼的辨识，使得其辨识的准确性和效率都不高，这也将使其影响到最后的检测效果。在智能人工识别技术的推动下，AI纤维种类鉴别技术已在国内的纺织企业中推广和使用。在识别方法方面，还可以采用人工神经网络方法对海量样本进行存档。

通过对所要识别的纺织面料的特征进行识别，而后利用无监督神经网络的学习以及组元分析的特性，使其主动地抽取输入变量。然后将采样的鳞片特征和输出信息输入到感测器中，从而达到监控训练的目的。在获得计算结果后，将训练结果与训练后的神经网络相结合，并对当前获得的采样值进行分类，从而实现特定的检测。例如，在区分美利奴和马海毛时，操作者可以根据以上的方法原理对样本图像进行存档和提取。除此之外，还通过对美利奴羊毛和马海毛的识别，实现对其特征的识别和输入的特征值的提取。

3.AI纤维含量检测分析

为了保证纤维含量的高质量，在纺织检测领域，运用AI纤维含量检测分析技术对各类混纺产品中的动物毛纤维进行自动检测和分析。本装置采用计算机视觉技术，实现对混纺织物的清晰影像的自动采集。根据以往的检测经验，羊绒的鉴定比较困难。采用AI毛绒检测仪，可以自动提取毛料的厚度、高度等特征值，并根据数据的反馈信息准确地识别出绒毛的成分，而后通过相应的计算方法精确地获得各种成分的含量。从目前的应用和推广来看，AI纤维含量检测分析技术在市场中逐步得到广泛普及和运用，并且在近年来也取得了较好的效果。

4.AI横截面仪

AI横截面仪是将传统的显微技术和人工智能技术相结合，用于精确地识别和计算纤维断面。同时，利用计算机视觉技术实现对剖面图像的智能化处理。重点是对纤维断面的剖面进行分析，减少纺织品检测过程中可能存在的误差问题。同时，AI横截面仪还可以实现对纤维的预分类，并通过智能识别技术将有关的数据进行汇总、分析，并以报表形式显示。从实际应用中可以看出，广州冠图视觉技术有限公司的AI横截面仪运用技术较为成熟，并在纺织行业中取得较好的应用效果。从目前的应用趋势来看，这一技术仍有很大的发展空间，需要深入地去发掘。

四、人工智能检测技术在纺织检测领域中的发展趋势

BP神经网络在其工作原理上可以被看作是前向网络的核心。在特征表达上，利用中间层反向传输的方法以及所涉及的错误问题，并完成学习过程。在BP算法的性能上，可以将输出的输出和期望的结果进行对比，从而得到错误的信号。在此基础上，对输出层次进行一系列的逆传，以此实现对检测结果的精准优化。BP神经网络根据其功能状态可以通过调整神经元间的联系权重，最大限度上降低数据错误概率[4]。从客观上来说，该方法并不能保证在训练过程中的整体误差最小，但却能使系统的局部错误降到最低。

从效益角度来说，以上所述的人工智能技术内容在纺织品检测行业中的应用，基本可以达到提高生产效率、提高产品品质的目的。最主要的是，由于算法的进步，计算机运算速度的提升，人工智能可以显著地降低工人的劳动强度，同时也可以降低检测错误问题的发生概率。在目前的应用中，人工智能技术和相关的系统还没有进入成熟的应用阶段。例如，在面料的纹理识别和面料缺陷的检测上，仍有一些滞后的问题。而且，由于人工智能的运算过程比较复杂，因此在处理过程中会产生一些问题，在未来的发展过程中，切实解决其中存在的问题将具有必要性。

结语

目前，纺织品的智能化还处于初级阶段，依然还存在着许多缺陷，例如：对大样本进行图像识别时，由于织物的质地、组织结构等因素的影响比较大，且样本数量也比较小，从而影响算法的优化和最终的判定。此外，目前国内有关纺织品检测技术智能化的方法和标准尚处于空白状态，有关的法律法规更是缺乏相应的规范，制约着我国纺织检测技术的智能化发展。目前，有关纺织品智能化检测与评估的标准已经迫在眉睫，而智能检测技术的发展也日趋成熟，应用范围也日益广泛，相信在不久的将来，智能化必将是整个检测领域的发展趋势。