人工智能在紡織品檢測領域的應用

伏廣偉，張珍竹，李紅英，張志榮，王 文，陳錦堅

（1.中國紡織工程學會，北京 100025；2.佛山中紡聯檢驗技術服務有限公司，廣東 佛山 528000；3.廣州冠圖視覺科技有限公司，廣東 廣州 510520）

近年來，人工智能（Artificial Intelligence，AI）隨著大數據、深度學習和類腦計算等技術的不斷進步，取得了快速的發展。人工智能因其能快速處理數據、提高勞動效率、降低人力成本等優勢，已廣泛應用于紡織業、農業、通信業、交通業、服務業、金融業等領域。在紡織品檢測領域中，傳統的紡織品檢測需要消耗操作人員大量的時間來完成重復的操作，并且在操作時，還可能接觸到有害物質等，不僅影響企業的效益，還會損害操作人員的身體健康，而人工智能賦予紡織品檢測使得這些問題得到了明顯改善。為了更好地提高勞動效率、檢測的準確度和降低企業成本，針對人工智能在紡織品檢測領域的研究變得越來越重要。

1 人工智能發展歷程

人工智能的概念最早于1956年由麥卡賽、明斯基等人提出。此后，人工智能的發展較為波折，可以將其發展歷程分為5個階段：第一階段為1956—1974年，這一階段可以稱為黃金年代。在此階段，計算機可以解決數學里的部分問題，甚至可以學習和使用英語，人們對于人工智能表現出相當樂觀的態度，政府機構也積極向該領域投入了大量資金；第二階段為1974—1980年，是人工智能的第一次低谷，人工智能的發展遇到了瓶頸，計算機的運算能力、問題的復雜程度、數據庫的大小以及莫拉維克悖論等，都一定程度地限制了人工智能的發展。與此同時，經費也由于政府的投資削減而變得緊張；第三階段為1980—1987年，是繁榮階段，一類名為“專家系統”的人工智能程序，被全球大量公司所采納，各國也開始繼續向人工智能領域投入資金；第四階段為1987—1993年，人工智能的發展再一次進入低谷。隨著人工智能應用規模的不斷擴大，專家系統存在的一些問題也開始顯現出來，如應用領域狹窄、知識獲取困難等，相關研究的進展緩慢，商業機構對人工智能開始冷落，人工智能再一次遭遇經費短缺問題；第五階段為1993年至今，隨著互聯網、大數據、云計算、物聯網等技術的不斷進步，以深度神經網絡為代表的一系列人工智能技術得到了快速發展，人工智能走向實用化，被廣泛應用于語音識別、圖像處理、無人駕駛等前沿領域，迎來再一次繁榮[1]。

2 人工智能在紡織品檢測領域的研究現狀

近年來，隨著圖像識別與分析、特征值數據提取、BP神經網絡等技術的不斷進步，人工智能在紡織品檢測領域有了局部的應用，人們對人工智能在紡織品領域應用的研究也越來越深入。

從纖維的角度研究，Baker等[2]利用圖像處理技術，對纖維的形態和結構進行分析和測定。以此為基礎，Thibodeaux等[3]利用圖像處理技術，對棉纖維的成熟度進行檢測，測量出的結果與氣流法相比基本保持一致。李立明等[4]對羊絨羊毛的鱗片進行了研究，以纖維細度以及鱗片的周長和高度等特征建立數據庫，通過數據庫里的信息，鑒別羊毛羊絨纖維。Robson等[5]利用圖像處理技術，對羊絨羊毛的鱗片高度、圓整度、充滿度等16個指標進行分析，最后得出鱗片高度是鑒別羊絨羊毛的重要指標。袁森林[6]通過共生矩陣，獲取羊絨羊毛表面紋理的特征參數，并利用主成分分析法，得到可用于分類識別的參數體系，最后利用BP神經網絡技術，得到羊毛纖維的鑒別模型。許鶴群等[7-8]提取了纖維截面的各項幾何特征參數，對兔毛/黏膠/腈綸混紡紗的纖維成分含量進行自動識別研究。趙宇濤等[9]提取了纖維直徑比、平均扭曲度和充滿度等6個特征參數，利用神經網絡建立了纖維數據庫。另一學者設計了一種基于圖像處理來識別和分類原棉疵點的特征識別算法，該方法識別準確率高。

從織物的角度研究，某學者通過貝葉斯決策以及提取特征值的方法，對織物的疵點進行了分類，并建立了用于織物疵點檢測的專家系統。另有學者研究了平紋、斜紋和緞紋等織物的疵點特征，并運用神經網絡技術，對疵點進行了檢測分類。其他學者利用神經網絡和共生矩陣的方法，研究了織物的斷經、斷緯及油污疵點檢測。

3 人工智能在紡織品檢測領域的應用實例

從理論上分析，人工智能技術在紡織品檢測領域有較為廣泛的應用，但由于各方面因素的影響，當下在紡織品檢測領域的應用比較局限，現就部分應用實例進行介紹。

3.1 AI棉麻儀

廣州冠圖視覺科技有限公司推出了一款用于測量各種混紡產品中棉麻纖維含量的AI棉麻儀。該儀器利用計算機視覺技術，可以在較短時間內完成玻片上纖維的拍攝，如圖1（a）所示，并對棉[圖1（b）]和麻[圖1（c）]纖維的特征值進行提取。棉纖維縱截面呈扁平帶狀、天然轉曲，麻纖維有橫節、輪廓硬朗，可快速識別并計算出混紡產品中棉麻纖維的含量，從制樣到出結果只需要8 min，與傳統的成分檢測相比，檢測效率得到了很大的提高，降低了企業的人力成本。同時，也降低了檢測人員的工作強度，提高了檢測人員的工作舒適性。

3.2 AI毛絨儀

AI毛絨儀的主要功能是測量各種混紡產品中動物毛類纖維的含量，該儀器利用計算機視覺技術，全自動獲取混紡纖維的清晰圖像[圖2（a）]。在檢測混紡產品中的動物毛類纖維含量時，羊絨羊毛的鑒別難度最大。該儀器通過提取羊毛[圖2（b）]和羊絨[圖2（c）]鱗片厚度、高度等特征值參數，可以較為精確地區分羊絨與羊毛，計算出混紡產品中動物毛類纖維各組分的含量。目前，重慶大學和廣州冠圖視覺科技有限公司對此類用于測量各種混紡產品中動物毛類纖維含量的儀器均有研究，廣州冠圖視覺科技有限公司的AI毛絨儀功能較為完善，已在市場上逐步推廣。

圖2 （a）AI毛絨儀實際檢測；（b）羊毛縱面；（c）羊絨縱面

3.3 AI細度儀

AI細度儀由廣州冠圖視覺科技有限公司近期研發而成，主要用于棉麻、毛絨類纖維細度測量。原理主要是利用人工智能技術賦能傳統的顯微鏡檢測設備，通過計算機視覺技術，全自動獲得纖維的單根直徑、平均細度以及纖維粗細均勻度的各類數據[圖3（a）]，與傳統的人工目測纖維細度[圖3（b）]相比，AI細度儀測量了纖維的整體直徑，并計算出平均值，可為各類纖維的細度質量情況提供更加準確的數據參考。

圖3 （a）AI直徑的計算；（b）人工直徑的計算

3.4 AI橫截面儀

AI橫截面儀是一種將傳統顯微鏡與人工智能相結合的檢測設備，主要用于紡織品檢測行業中纖維橫截面的識別和評價面積計算。通過計算機視覺技術，將橫截面拍攝的圖像智能化，繪制出纖維橫截面邊緣[圖4（a）]，與傳統的方法相比[圖4（b）]，AI橫截面儀可大大降低勞動強度。在繪制邊緣的基礎上，更可以對纖維進行預分類，并自動形成橫截面相關的數據報告。重慶大學和廣州冠圖視覺科技有限公司都在利用人工智能識別和評價纖維截面，對這方面有深入的研究。2021年，在智博會上，重慶大學展示了他們團隊制作的AI橫截面儀，但該團隊的儀器還處在試驗階段。廣州冠圖視覺科技有限公司研制的AI橫截面儀已經較為成熟，目前正在推廣中。

圖4 （a）AI通過算法直接生成橫截面輪廓；（b）傳統的人工手動在A4紙上畫出纖維橫截面輪廓

3.5 AI菌落計數儀

AI菌落計數儀通過圖像采集技術，利用計算機對采集的圖像進行分析，自動計數和測量細菌在固體培養基上生長而形成肉眼可見的菌落或菌斑（圖5）。該類儀器廣泛應用于食品品質分析、水質分析、乳及乳制品的檢測、醫院臨床檢驗、化妝品檢驗、環保監測和紡織品檢測等。在2021年疫情中，大量的口罩被生產和銷售，口罩在生產和銷售前，都需要經過細菌過濾效率的檢測。在該項目檢測中，需要對菌落計數，傳統的方法是靠人工數，耗時長且容易出錯。以廣州冠圖視覺科技有限公司研制的AI菌落計數儀為例，一次可檢測6個標準培養皿，檢測速度為4秒/個，可以將結果批量導出至Excel，極大地提高了檢測的準確度和檢測效率。目前，已知國內研究AI菌落計數儀的公司和單位主要有廣州冠圖視覺科技有限公司、重慶大學、北京先驅威鋒計數開發有限公司、杭州訊數科技有限公司及青島明博環保有限公司，大部分公司和單位已經開始了產業化生產。

圖5 廣州冠圖視覺科技AI菌落計數儀實際檢測

3.6 AI驗布機

瑞士的烏斯特企業于2018年收購了以色列制造的用于檢測織物質量、色彩的自動視覺檢測設備。隨后，英國的Shelton Machineslt集團和德國的Erhardt＆Leimer集團也相繼推出了WEBSPECTOR及ELSIS inspector等檢測織物質量的機器，即AI驗布機。近年來，我國的深圳精銳視覺、無錫精質視覺、深圳靈圖慧視、上海賽斐機電和常州安視等企業都開始了產業化生產，如上海賽斐機電生產的AI驗布機（圖6）。在軟件方面，如圖像處理及算法系統等，國內企業擁有自主知識產權，但關鍵硬件方面，如攝像頭、鏡頭等，還需從歐美發達國家進口。

圖6 AI驗布機

4 結語

我國是紡織品生產大國，也是紡織品檢測大國。將人工智能技術應用于紡織品檢測領域，不僅顯著提高了檢測效率，也提高了檢測結果的準確性和客觀性，同時也降低了企業的人力成本，給企業帶來了更高的效益。目前，將人工智能技術應用到紡織品檢測領域的范圍還較小，但結合紡織品檢測領域和人工智能的特點來分析，可以預見，人工智能會在織物色牢度、起毛起球評級等方面有更廣闊的應用前景。