肖 琦

武漢職業(yè)技術(shù)學(xué)院,湖北 武漢 430070

迄今為止，人工智能技術(shù)已經(jīng)有六十多年的發(fā)展歷史。結(jié)合其發(fā)展情況來(lái)看，隨著人工智能技術(shù)應(yīng)用推廣力度的不斷加強(qiáng)，該項(xiàng)技術(shù)已經(jīng)成功在各生產(chǎn)領(lǐng)域中得到了廣泛推廣與應(yīng)用。究其原因，主要是因?yàn)榕c其他技術(shù)相較而言，人工智能技術(shù)所顯現(xiàn)出的計(jì)算機(jī)處理能力明顯增強(qiáng)，且隨著各種芯片不斷被開(kāi)發(fā)與利用，為人工智能數(shù)據(jù)處理以及高速運(yùn)算提供了良好保障。與此同時(shí)，人工智能技術(shù)在核心算法方面取得了重要突破[1]。其中，基于大數(shù)據(jù)的深度學(xué)習(xí)算法促使生產(chǎn)工作變得更加智能化與自動(dòng)化。可以說(shuō)，新一代人工智能技術(shù)的深度應(yīng)用為我國(guó)各行業(yè)領(lǐng)域生產(chǎn)工作以及發(fā)展工作奠定了良好基礎(chǔ)。目前，為進(jìn)一步推動(dòng)人工智能技術(shù)在行業(yè)生產(chǎn)領(lǐng)域中的可持續(xù)應(yīng)用，工業(yè)和信息化部重點(diǎn)針對(duì)新一代人工智能產(chǎn)業(yè)發(fā)展行動(dòng)計(jì)劃問(wèn)題進(jìn)行了科學(xué)部署，主動(dòng)將人工智能與制造業(yè)深度融合，為我國(guó)生產(chǎn)工作和發(fā)展工作提供良好的內(nèi)在驅(qū)動(dòng)力。

1 紡織品檢測(cè)類(lèi)型及劃分依據(jù)

1.1 紡織品檢測(cè)的主要類(lèi)型

對(duì)于我國(guó)紡織品檢測(cè)工作而言，在紡織品檢測(cè)方面，主要可以從外觀檢測(cè)、物理性能檢測(cè)、化學(xué)性能檢測(cè)和功能檢測(cè)四個(gè)方面進(jìn)行分析。操作人員可根據(jù)檢測(cè)分析反饋結(jié)果，對(duì)當(dāng)前紡織品質(zhì)量性質(zhì)進(jìn)行動(dòng)態(tài)把握。與此同時(shí)，部分技術(shù)人員在進(jìn)行檢測(cè)分析時(shí)，可借助檢測(cè)手段對(duì)紡織品檢測(cè)問(wèn)題進(jìn)行劃分，從感官檢測(cè)、儀器檢測(cè)以及感官與儀器檢測(cè)相結(jié)合的方式進(jìn)行應(yīng)用實(shí)踐。

1.2 紡織品檢測(cè)的劃分依據(jù)

結(jié)合紡織品檢測(cè)情況來(lái)看，在劃分依據(jù)表現(xiàn)方面主要可以從基礎(chǔ)性標(biāo)準(zhǔn)、方法性標(biāo)準(zhǔn)和產(chǎn)品性標(biāo)準(zhǔn)三個(gè)方面進(jìn)行研究。

其中，對(duì)于基礎(chǔ)性標(biāo)準(zhǔn)而言，基本上可以視為紡織行業(yè)發(fā)展的基礎(chǔ)指標(biāo)。在應(yīng)用過(guò)程中，主要可以從檢測(cè)過(guò)程中的具體結(jié)構(gòu)和數(shù)量及單位之間的互相轉(zhuǎn)換關(guān)系，以及所涉及的環(huán)境保護(hù)以及生產(chǎn)安全性等進(jìn)行研究與分析。根據(jù)分析反饋結(jié)果，對(duì)當(dāng)前紡織品檢測(cè)過(guò)程進(jìn)行嚴(yán)格管理，提高紡織品檢測(cè)效率與質(zhì)量[2]。

對(duì)于方法性標(biāo)準(zhǔn)而言，在檢測(cè)過(guò)程中需要借助相對(duì)應(yīng)的設(shè)施和儀器，利用專(zhuān)業(yè)化檢測(cè)手段及技術(shù)方法對(duì)當(dāng)前紡織品質(zhì)量進(jìn)行合理評(píng)估。目前，方法性標(biāo)準(zhǔn)基本上可以視為多數(shù)紡織企業(yè)常用的規(guī)范標(biāo)準(zhǔn)，可以實(shí)現(xiàn)對(duì)紡織品檢測(cè)各步驟的嚴(yán)格把控。

對(duì)于產(chǎn)品性標(biāo)準(zhǔn)而言，主要針對(duì)紡織品中批量產(chǎn)品的規(guī)格數(shù)量和加工工藝等進(jìn)行管控分析。主動(dòng)結(jié)合行業(yè)具體標(biāo)準(zhǔn)及相關(guān)要求，對(duì)當(dāng)前紡織品是否合格進(jìn)行精準(zhǔn)鑒定。

2 人工智能檢測(cè)技術(shù)在紡織檢測(cè)領(lǐng)域中的發(fā)展趨勢(shì)

結(jié)合大環(huán)境發(fā)展趨勢(shì)來(lái)看，傳統(tǒng)紡織檢測(cè)方法已經(jīng)難以完全適用于當(dāng)前智能化與自動(dòng)化檢測(cè)的背景當(dāng)中。究其原因，主要是因?yàn)閭鹘y(tǒng)紡織檢測(cè)方法以人為操作為主，在檢測(cè)質(zhì)量與檢測(cè)效率方面容易受到人為操作因素的影響而出現(xiàn)滯后性問(wèn)題。近年來(lái)，為進(jìn)一步增強(qiáng)紡織檢測(cè)領(lǐng)域的應(yīng)用質(zhì)量，相關(guān)工作人員主動(dòng)利用人工智能檢測(cè)技術(shù)，實(shí)現(xiàn)對(duì)紡織檢測(cè)過(guò)程的動(dòng)態(tài)管理，提高紡織檢測(cè)效率的同時(shí)，增強(qiáng)紡織檢測(cè)質(zhì)量。

從人工智能檢測(cè)技術(shù)的發(fā)展情況來(lái)看，人工智能技術(shù)應(yīng)用于紡織領(lǐng)域源于20世紀(jì)90年代之后，當(dāng)時(shí)行業(yè)內(nèi)部生產(chǎn)人員主要利用神經(jīng)網(wǎng)絡(luò)技術(shù)，將檢測(cè)重點(diǎn)集中表現(xiàn)在纖維增強(qiáng)復(fù)合材料性能預(yù)測(cè)以及生產(chǎn)工藝優(yōu)化等方面。與此同時(shí)，人工智能技術(shù)還可以應(yīng)用于織物表觀性能和色差評(píng)級(jí)等應(yīng)用領(lǐng)域當(dāng)中，在檢測(cè)質(zhì)量與效率方面均取得了良好成效。其中，在人工智能檢測(cè)技術(shù)的應(yīng)用方面，檢測(cè)人員主要利用BP神經(jīng)網(wǎng)絡(luò)—誤差反向傳播等方法，實(shí)現(xiàn)智能化檢測(cè)過(guò)程[3]。

從原理表現(xiàn)上來(lái)看，BP神經(jīng)網(wǎng)絡(luò)可以視為前向網(wǎng)絡(luò)的核心部分，在特征表現(xiàn)方面主要借助中間層對(duì)輸出層的反傳方式和涉及的誤差問(wèn)題，實(shí)現(xiàn)學(xué)習(xí)過(guò)程。在BP算法表現(xiàn)方面，檢測(cè)人員可以通過(guò)比較實(shí)際輸出值與期望值，獲取誤差信號(hào)，并根據(jù)誤差信號(hào)情況，從輸出層向輸入層逐層反傳處理。根據(jù)作用情況來(lái)看，BP神經(jīng)網(wǎng)絡(luò)可以通過(guò)調(diào)節(jié)各神經(jīng)層神經(jīng)元之間的連接權(quán)重，不斷減小誤差。雖然從客觀角度上來(lái)講，這種算法不能保證訓(xùn)練期間全局誤差達(dá)到最小，但是可以滿(mǎn)足局部誤差最小的要求。

從成效方面來(lái)看，在紡織工業(yè)生產(chǎn)中通過(guò)應(yīng)用上述人工智能技術(shù)內(nèi)容，基本上可以達(dá)到提高生產(chǎn)效率和增加產(chǎn)品質(zhì)量效果的目的。最重要的是，隨著算法的不斷改進(jìn)和計(jì)算機(jī)處理速度的不斷提高，人工智能可大幅度降低工人生產(chǎn)強(qiáng)度，并減少生產(chǎn)誤差問(wèn)題。需要注意的是，在當(dāng)前應(yīng)用階段人工智能技術(shù)及相關(guān)系統(tǒng)尚未達(dá)到成熟應(yīng)用狀態(tài)。舉例而言，在識(shí)別織物紋理以及布匹疵點(diǎn)檢測(cè)技術(shù)方面還是存在一定滯后性問(wèn)題。再加上人工智能算法相對(duì)復(fù)雜，在執(zhí)行速度與效率方面容易受到算法流程的影響而出現(xiàn)不良問(wèn)題。在今后的發(fā)展中，研究人員應(yīng)該致力于針對(duì)上述問(wèn)題進(jìn)行重點(diǎn)解決[4]。

3 紡織品檢測(cè)領(lǐng)域中人工智能檢測(cè)技術(shù)的應(yīng)用

人工智能檢測(cè)技術(shù)在紡織品檢測(cè)領(lǐng)域中尚未達(dá)到成熟應(yīng)用狀態(tài)，但是在部分檢測(cè)領(lǐng)域中可通過(guò)借助人工智能化檢測(cè)方式，達(dá)到良好的檢測(cè)效果。結(jié)合實(shí)踐反饋情況來(lái)看，在紡織檢測(cè)領(lǐng)域中，下述4種人工智能檢測(cè)技術(shù)基本上可以達(dá)到良好的紡織品檢測(cè)效果。

3.1 AI驗(yàn)布機(jī)

瑞士烏斯特企業(yè)于2018年收購(gòu)了以色列應(yīng)用于紡織業(yè)檢測(cè)工作的自動(dòng)視覺(jué)檢測(cè)設(shè)備。該檢測(cè)設(shè)備可以實(shí)現(xiàn)對(duì)紡織物質(zhì)量以及色彩的系統(tǒng)性測(cè)驗(yàn)過(guò)程，根據(jù)測(cè)驗(yàn)反饋結(jié)果，判斷當(dāng)前紡織物生產(chǎn)質(zhì)量是否達(dá)標(biāo)。與此同時(shí)，英國(guó)、德國(guó)等先進(jìn)國(guó)家相繼推出基于智能化技術(shù)的驗(yàn)布機(jī)設(shè)備，進(jìn)一步拓展了人工智能檢測(cè)技術(shù)在紡織品檢測(cè)領(lǐng)域中的應(yīng)用發(fā)展規(guī)模。然而這些機(jī)器雖然打著穩(wěn)定性好且通用性強(qiáng)的口號(hào)流通于市場(chǎng)當(dāng)中，但是經(jīng)過(guò)長(zhǎng)時(shí)間的操作實(shí)驗(yàn)后發(fā)現(xiàn)這類(lèi)設(shè)備所存在的弊端問(wèn)題不在少數(shù)。比較明顯的就是驗(yàn)布機(jī)對(duì)于未知分辨率表現(xiàn)過(guò)低，且容易受到紡織品類(lèi)型的限制，導(dǎo)致其在計(jì)算效率和準(zhǔn)確度方面有所欠缺[5]。

最重要的是，在生產(chǎn)應(yīng)用過(guò)程中，驗(yàn)布機(jī)可能會(huì)受到環(huán)境因素和相關(guān)因素的影響而出現(xiàn)遲緩問(wèn)題，因此市面上對(duì)于驗(yàn)布機(jī)反饋評(píng)價(jià)并不是很高。從客觀角度上來(lái)講，人工智能檢測(cè)技術(shù)在進(jìn)行紡織物檢測(cè)過(guò)程中容易受到生產(chǎn)步驟的影響，對(duì)最終檢測(cè)結(jié)果和生產(chǎn)結(jié)果造成不良影響。從整體上看，人工智能技術(shù)可以視為一體化技術(shù)的領(lǐng)域范疇，在自身檢測(cè)速率方面明顯高于機(jī)下檢測(cè)。近年來(lái)，國(guó)內(nèi)本土企業(yè)在人工智能技術(shù)發(fā)展背景的不斷深化下，紛紛開(kāi)始自行生產(chǎn)，并應(yīng)用了自主圖像算法處理系統(tǒng)，可以實(shí)現(xiàn)對(duì)紡織物檢測(cè)過(guò)程的動(dòng)態(tài)監(jiān)督與管理。需要注意的是，在硬件設(shè)備的配備上，我國(guó)本土企業(yè)還是需要依靠西方發(fā)達(dá)國(guó)家。

3.2 AI纖維種類(lèi)鑒別

紡織工廠在纖維種類(lèi)的鑒別處理方面通常會(huì)利用顯微鏡，主要通過(guò)對(duì)橫向紋理以及豎向紋理纖維進(jìn)行分化處理，判斷纖維種類(lèi)。然而，長(zhǎng)期以來(lái)，這種鑒別方式過(guò)于依賴(lài)人工操作和人眼識(shí)別，在鑒別效率與精確度方面有所欠缺。再加上人眼長(zhǎng)時(shí)間使用容易出現(xiàn)誤差問(wèn)題，可能會(huì)對(duì)最終檢測(cè)效率造成不利影響。目前，在人工智能檢測(cè)技術(shù)的驅(qū)動(dòng)作用下，智能人工系統(tǒng)的鑒別纖維方式已經(jīng)在我國(guó)紡織工廠檢測(cè)工作中得到了推廣與應(yīng)用。在鑒別方式的選擇上，工作人員可利用神經(jīng)網(wǎng)絡(luò)方式對(duì)大量樣品圖像進(jìn)行歸檔處理[6]。

結(jié)合所需鑒別紡織物的可用特征，讓系統(tǒng)對(duì)其特征進(jìn)行分辨處理。并在此基礎(chǔ)上，借助非監(jiān)督神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和成分分析特點(diǎn)，對(duì)輸入變量的特征值進(jìn)行主動(dòng)提取。最后將樣本鱗片特征值與輸出值代入感知器當(dāng)中，實(shí)現(xiàn)監(jiān)督訓(xùn)練過(guò)程。獲取計(jì)算結(jié)果之后結(jié)束訓(xùn)練，結(jié)合訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)當(dāng)前所獲取的樣本價(jià)值信息進(jìn)行分類(lèi)處理，完成具體檢測(cè)過(guò)程。舉例而言，在區(qū)分美利奴羊毛以及馬海毛的過(guò)程中，操作人員可利用上述方法原理，對(duì)樣品圖像進(jìn)行歸檔并提取可用特征。由系統(tǒng)完成對(duì)特征的分辨和輸入變量特征值的提取，最終根據(jù)計(jì)算結(jié)果對(duì)美利奴羊毛以及馬海毛進(jìn)行區(qū)分。

3.3 AI纖維含量檢測(cè)分析

為高質(zhì)量開(kāi)展纖維含量檢測(cè)工作，紡織檢測(cè)領(lǐng)域主動(dòng)利用AI毛絨儀實(shí)現(xiàn)對(duì)各種混紡產(chǎn)品動(dòng)物毛類(lèi)纖維含量的自動(dòng)檢測(cè)與分析。該儀器設(shè)備主要利用計(jì)算機(jī)視覺(jué)技術(shù)，自動(dòng)獲取混紡纖維清晰圖像。結(jié)合以往的檢測(cè)經(jīng)驗(yàn)來(lái)看，羊絨羊毛鑒別難度相對(duì)較大。通過(guò)利用AI毛絨儀可自動(dòng)提取羊毛鱗片厚度和高度等特征值參數(shù)，根據(jù)數(shù)值反饋情況對(duì)羊絨和羊毛進(jìn)行精準(zhǔn)鑒別，并利用相關(guān)計(jì)算方法對(duì)動(dòng)物毛類(lèi)纖維各組分含量進(jìn)行精準(zhǔn)獲取。結(jié)合當(dāng)前應(yīng)用推廣情況來(lái)看，因相關(guān)企業(yè)對(duì)于AI毛絨儀進(jìn)行了大量實(shí)踐研究，促使該儀器設(shè)備在市場(chǎng)上已經(jīng)形成逐步推廣與應(yīng)用規(guī)模，使用效率較高[7]。

3.4 AI橫截面儀

AI橫截面儀主要利用傳統(tǒng)顯微鏡與人工智能結(jié)合的方式，實(shí)現(xiàn)對(duì)纖維橫截面的精準(zhǔn)識(shí)別與面積計(jì)算。并借助計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)所拍攝的橫截面圖像進(jìn)行智能化處理。如重點(diǎn)針對(duì)纖維橫截面邊緣進(jìn)行繪制分析，減少以往的誤差問(wèn)題。與此同時(shí)，AI橫截面儀可對(duì)纖維進(jìn)行預(yù)分類(lèi)，并利用智能化識(shí)別技術(shù)對(duì)與橫截面相關(guān)的數(shù)據(jù)進(jìn)行匯總分析，并以報(bào)告呈現(xiàn)出來(lái)。結(jié)合應(yīng)用實(shí)踐情況來(lái)看，廣州冠圖視覺(jué)科技有限公司所推廣的橫截面儀技術(shù)相對(duì)成熟，目前已經(jīng)在紡織檢測(cè)領(lǐng)域中得到了良好應(yīng)用效果。結(jié)合當(dāng)前應(yīng)用趨勢(shì)來(lái)看，該項(xiàng)技術(shù)還存在較大的發(fā)展空間，可對(duì)其進(jìn)一步深度挖掘。

4 結(jié)束語(yǔ)

總而言之，人工智能技術(shù)的推廣與應(yīng)用已經(jīng)成為影響行業(yè)核心競(jìng)爭(zhēng)能力的先導(dǎo)性因素?？梢哉f(shuō)，在人工智能技術(shù)的帶領(lǐng)下，我國(guó)傳統(tǒng)產(chǎn)業(yè)生產(chǎn)模式發(fā)生了巨大變革。在這樣的發(fā)展態(tài)勢(shì)下，以紡織品領(lǐng)域?yàn)槭椎墓I(yè)生產(chǎn)領(lǐng)域應(yīng)該主動(dòng)立足于人工智能技術(shù)的前沿發(fā)展動(dòng)態(tài)，對(duì)當(dāng)前行業(yè)內(nèi)部技術(shù)體系存在的滯后性問(wèn)題進(jìn)行及時(shí)改正與完善。與此同時(shí)，為進(jìn)一步助推紡織業(yè)領(lǐng)域人工智能化發(fā)展，行業(yè)內(nèi)部研究人員應(yīng)該加強(qiáng)人工智能技術(shù)在紡織品生產(chǎn)領(lǐng)域中的應(yīng)用推廣力度，尤其是紡織品檢測(cè)領(lǐng)域。除此之外，為普及應(yīng)用人工智能檢測(cè)技術(shù)，建議紡織品生產(chǎn)領(lǐng)域應(yīng)緊隨科教興國(guó)戰(zhàn)略發(fā)展，加強(qiáng)對(duì)相關(guān)技術(shù)人才的培養(yǎng)，為紡織品人工智能檢測(cè)技術(shù)的可持續(xù)應(yīng)用奠定良好基礎(chǔ)。相信在不久的將來(lái)，人工智能檢測(cè)技術(shù)定會(huì)在紡織品領(lǐng)域中得到進(jìn)一步推廣與應(yīng)用。