| 透过智能软件与NIRscan Nano评估模块分析材料组成 |
| 日期：2018/12/14 11:38:48 作者： |
|
|
|
|
| |
|
|
如果您在网页上搜索“如何判定布料的组成成分”，您可能会找到“燃烧测试”的搜寻结果。在燃烧测试中，必须取一小部分布料样品，再将其放置于火焰上，观察它是否收缩、熔化或燃烧，并留意产生出的气味。
现在，透过TI DLP NIRscan Nano评估模块（EVM）和Sagitto系统，便可以更简单且准确地分析布料和纺织品成分。Sagitto系统结合了小型近红外线（near-infrared）传感器和机器学习模型，可协助企业简化量测过程。每种类型的布料皆因不同的组成而具有独特的近红外线指纹。成衣通常包含不同类型的纤维，精密的混和物组成成分在成衣的整体使用寿命中非常重要。
许多国家要求明确标示纺织品的纤维组成，但有时这些标签会产生误导。我们看到一组标有100%棉的洗碗布，但是经Sagitto测试后，却发现其实是67%棉和33%聚酯纤维的混合物。但为什么纤维组成很重要？据估计，每年生产800亿件衣服，其中75%最终会经由垃圾掩埋或焚化的方式处理。越来越多的消费者正要求大型服装零售商寻找替代方法，以处理高周转率的时尚零售产业中所产生的大量废物。政府也正开始制定法规，鼓励“循环经济（the circular economy）”，并从垃圾中分类出衣物。
丙烯酸和聚酯纤维衣服会对环境造成严重的影响，例如，每个洗涤周期都会将数十万个细微纤维释放到当地的污水处理厂。其中多达40%的细微纤维可能会流入河流、湖泊和海洋。
因此，市场极需开发全新的纺织品化学回收技术。例如，这些回收技术需要将聚酯纤维和棉制衣服分解为其化学组成成分——纤维素纤维、聚酯纤维单体和寡聚合物。但首先，采用化学回收的回收商需要透过纤维组成精确地分类原料。
传统的操作中，员工通常藉由触觉和视觉对废弃纺织品进行分类，亦即在拿起每件衣服时就可分析纺织品的组成。不幸的是，对于人类而言，此种方法完全无法精确地分析内含的纤维混合物的纺织品组成成分，更无法满足现代化学回收技术的要求。
透过将德州仪器DLP NIRscan Nano整合到机器人手臂中，再结合复杂的机器学习能力，让化学品回收工厂有机会可以开发出精确的机器人分类系统。
Sagitto将DLP NIRscan Nano与以云端为基础的人工智能相结合。藉由使用Sagitto，您无需特地聘请数据科学家，甚至无需搜集自身的数据来训练机器学习模型。Sagitto消除了设备成本、技术和数据数据等方面的阻碍，让新一代的制造商和生产商可以z使用DLP NIRscan Nano EVM优化生产流程。
利用Sagitto人工智能软件和DLP NIRscan Nano评估模块，您便可以使用独特的示范模型进行布料组成的实验。查询进一步信息，请访问官方网站 http://www.ti.com.tw/news/newsdetail.asp?scid=12102018。
作者： George Hill
George Hill是Sagitto Ltd创办人暨总经理。
|
|
| → 『关闭窗口』 |
|
| |
|
|
|
|
|
|
