基于非包埋法纤维横截面的混纺织物成分智能分析

为了解决纤维横截面法在混纺织物的成分测定中常遇到图像失真、定性效率较低、定量测定软件准确率不稳定、测定效率有待提高等问题,改进了非包埋纤维横截面图像采集方法,测定纤维横截面轮廓特征结构参数,依据圆形度、异形度指标,同时增加了可原位溶解观测的微通道超薄纤维切断装置,建立了混纺织物智能定性模型,对常规纤维进行初步分类,利于快速自动检测。应用YOLOv5模型的图像识别算法,建立混纺织物智能识别模型,提高了纤维横截面图像边缘特征提取准确性和混纺织物定量模型的测定准确性。经实际样品验证,与化学溶解法相比,算法识别96%的样品数据偏差在5%以内,实现了混纺织物成分测定的数字化和智能化。