纺织品的人工智能检测技术

纺织品的人工智能检测技术

李飞

身份证号：430682198609258620

摘要：人工智能(ArtificialIntelligence，AI)正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。人工神经网络(Artificial，ANN)是模拟人脑结构和激励行为的并行非线性系统，是人工智能的实现手段及方式之一，具有自学习、自组织和自适应、知识的分布存储广、容错性高等功能和特点，在复杂系统的建模问题上表现出优越性，近年来在纺织工业中也越来越得到重视。

关键词：纺织品；人工智能；检测技术；应用

前言

人工智能作为21世纪重要的革命技术之一将在可见的未来在农业、物流业等行业中产生广泛的应用。人工智能的出现为工业领域注入了新鲜的血液，工业领域由从前的机械生产制造开始向智能化生产迈进。与历史上的任何一场变革相同，在变革中谁能更好的将人工智能应用在自己的工业生产领域中，不断地推动企业向智能化迈进，谁便能较竞争对手产生巨大的优势，从而成为这场革命的胜利者。

1人工智能概况

人工智能(Artificial Intelligence，AI)正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。

人工神经网络(Artificial，ANN)是模拟人脑结构和激励行为的并行非线性系统，是人工智能的实现手段及方式之一，具有自学习、自组织和自适应、知识的分布存储广、容错性高等功能和特点，在复杂系统的建模问题上表现出优越性，近年来在纺织工业中也越来越得到重视。

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。众所周知，计算机只能处理逻辑语言，即只能处理二进制的0和1，所以传统的计算机产生的结果只能是“是”或“否”。在计算机科学的早期人们很难相信计算机可以实现真正的人工智能。但是随着计算机处理能力的不断增强，借助复杂的算法实现智能思维已经难不倒计算机了。人工智能是一项综合性的技术，因为其涵盖的内容非常广泛，有计算机学、物理学、语言学甚至心理学。因此，拥有人工智能的机器可以代替工人去完成一些危险而又复杂的工作，从而减少危险事故的发生，进一步提高工作效率和质量。20世纪50年代，相关专家第一次提出了人工智能这一全新的理念，随后人工智能技术一直在不断地发展和创新。一开始，人工智能主要应用在机器上，专门为各种复杂的计算方式提供服务，减轻人们的工作量。后来，专家们开始研发机器人，希望这些机器能够拥有像人类一样灵活的思维方式。之后，人工智能技术发展得更加完善了，它能够结合大量数据对某一方面的工作进行全面的、系统的分析，大大提高了人们的工作效率。如今人们主要将人工智能应用在两个方面：第一，可以帮助人们完成一些复杂、费时的工作；第二，利用简单的知识得到高级的程序。

2人工智能在质检环节中的应用

工业生产的质检环节由于检测难度大、技术标准多、过程复杂，传统的机器很难胜任，特别是较高端产品的质检环节往往需要人工来完成。人工的成本高，而且受制于工作时长的限制，很多生产线的生产速度都受制于最后的人工质检速度，并且在一些加工精度较高的产品中，人工质检的精度难以保证；速度也较为低下。传统的工业生产中，生产者往往是通过增加使用专业的质检设备来增加质检精度，但是此种方法的成本高，生产周期长，这无疑进一步增加了生产的成本。在质检环节人工智能的思维方式和人类的思维方式是基本相同的，但是人工智能能够处理的信息量和运算速度是远高于人类的。人工智能的出现可以依据生产原材料的特点、生产设备的特点、以及生产历史有针对性地设计质检方案，使质检环节模块划，提高质检速度。最重要的是人工智能处理后的质检环节可以有针对性地对产品进行质量检验，对可能发生误差的部分提高检验精度。并且由于不同批次的产品可能原材料存在一定的差异，在生产精度的要求上也可能存在差异，人工智能可以对不同批次的商品合理的设定不同的质检方案，从而减小质检成本。

3人工智能检测在纺织领域的应用

人工智能在纺织领域中的应用出现在20世纪90年代后，大都采用了神经网络技术，主要集中在纤维增强复合材料性能预测、生产工艺优化和纺织机械的自动控制、纱线及面料的力学性能预测，服用性能预测（透气性）；织物表观性能（起毛起球）以及色差评级；也可应用在络筒、染色等在线生产质量监控以及服装设计的试衣系统等。人工智能经常使用的神经网络形式是BP神经网络(ErrorBackPropagation，误差反向传播)，它是前向网络的核心部分，主要特征是中间层能对输出层反传过来的误差进行学习。BP算法包括2个过程，将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传。BP神经网络的优势在于整体系统可以调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小，从而确保局部智能微调精度。在纺织工业生产中使用人工智能技术可以大大提高生产效率和产品的质量合格率，而且随着计算机处理速度和能力的不断提升、算法的不断改进，人工智能会极大地降低工人的生产强度、提高生产技术精度，使人类将更多时间和精力投放到研发或者其他附加值更大的工作中。在目前的应用阶段，人工智能技术及其系统还存在很多缺点及不完善。比如识别织物纹理、布匹疵点检测等技术，需要有针对性地提取织物结构或形态特征，使得标准样本量十分巨大，致使计算机的存储空间要求较高，而且算法比较复杂，影响了人工智能的执行速度和效率。再如对生产工艺参数控制，是一个庞大而且复杂的智能系统，对于计算机的软、硬件和数据传输都有较高的要求，系统的算法也会随着产品工艺的不同而调整，目前还没有理想的解决方案，这些都是需要进一步研究和深化的。

4总结与前瞻

应用训练好的神经网络，在计算机和网络技术的辅助下可以对样本迅速进行判别，明显提高生产效率和检测结果的客观性和准确性，结果不容易受到环境影响；而且人工神经网络比较适合纺织检测中多因子的非线性分类问题。可以预计，人工智能将会在分析羽绒羽毛种类鉴别、织物色牢度、起毛起球评级，纤维鉴别以及生产工艺控制等方面有广阔的应用前景。人工智能技术在纺织中的应用还处于起步阶段，许多研究及应用还有待深化，如纺织企业的质量控制、纺织企业计算机集成制造技术的实现等方面还有很大的应用潜力。随着人工智能技术的日趋成熟、计算机和互联网数据存取、传输速度及易用性的提高，人工智能分析技术将越来越成为纺织技术人员解决各领域相关问题的有利武器。此外，人工智能的广泛应用对我国纺织工业的产业升级、技术创新能力、产品研发制造的智能化程度和增强我国纺织品的国际竞争力都具有重要的现实意义。

参考文献：

[1]张淳杰.人工智能与深度学习[J].科技与创新，2019（13）:25-27.

[2]孔令剑.神经网络在织物检测中的应用[J].纺织科学研究，2004（1）:31-35.

[3]杨挺，赵黎媛，王成山.人工智能在电力系统及综合能源系统中的应用综述[J].电力系统自动化：2019，10（43）：11-14.

[4]钟义信.人工智能:概念·方法·机遇[J].科学通报：2017，62（22）：109-112.

[5]黄群慧，贺俊.未来30年中国工业化进程与产业变革的重大趋势[J].学习与探索：2019，8（289）：102-110.

[6]蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究：2019，5（12）：3-14.