| 透過智能軟件與NIRscan Nano評估模塊分析材料組成 |
| 日期：2018/12/14 11:38:48 作者： |
|
|
|
|
| |
|
|
如果您在網頁上搜索“如何判定布料的組成成分”，您可能會找到“燃燒測試”的搜尋結果。在燃燒測試中，必須取一小部分布料樣品，再將其放置于火焰上，觀察它是否收縮、熔化或燃燒，并留意產生出的氣味。
現在，透過TI DLP NIRscan Nano評估模塊（EVM）和Sagitto系統，便可以更簡單且準確地分析布料和紡織品成分。Sagitto系統結合了小型近紅外線（near-infrared）傳感器和機器學習模型，可協助企業簡化量測過程。每種類型的布料皆因不同的組成而具有獨特的近紅外線指紋。成衣通常包含不同類型的纖維，精密的混和物組成成分在成衣的整體使用壽命中非常重要。
許多國家要求明確標示紡織品的纖維組成，但有時這些標簽會產生誤導。我們看到一組標有100%棉的洗碗布，但是經Sagitto測試后，卻發現其實是67%棉和33%聚酯纖維的混合物。但為什么纖維組成很重要？據估計，每年生產800億件衣服，其中75%最終會經由垃圾掩埋或焚化的方式處理。越來越多的消費者正要求大型服裝零售商尋找替代方法，以處理高周轉率的時尚零售產業中所產生的大量廢物。政府也正開始制定法規，鼓勵“循環經濟（the circular economy）”，并從垃圾中分類出衣物。
丙烯酸和聚酯纖維衣服會對環境造成嚴重的影響，例如，每個洗滌周期都會將數十萬個細微纖維釋放到當地的污水處理廠。其中多達40%的細微纖維可能會流入河流、湖泊和海洋。
因此，市場極需開發全新的紡織品化學回收技術。例如，這些回收技術需要將聚酯纖維和棉制衣服分解為其化學組成成分——纖維素纖維、聚酯纖維單體和寡聚合物。但首先，采用化學回收的回收商需要透過纖維組成精確地分類原料。
傳統的操作中，員工通常藉由觸覺和視覺對廢棄紡織品進行分類，亦即在拿起每件衣服時就可分析紡織品的組成。不幸的是，對于人類而言，此種方法完全無法精確地分析內含的纖維混合物的紡織品組成成分，更無法滿足現代化學回收技術的要求。
透過將德州儀器DLP NIRscan Nano整合到機器人手臂中，再結合復雜的機器學習能力，讓化學品回收工廠有機會可以開發出精確的機器人分類系統。
Sagitto將DLP NIRscan Nano與以云端為基礎的人工智能相結合。藉由使用Sagitto，您無需特地聘請數據科學家，甚至無需搜集自身的數據來訓練機器學習模型。Sagitto消除了設備成本、技術和數據數據等方面的阻礙，讓新一代的制造商和生產商可以z使用DLP NIRscan Nano EVM優化生產流程。
利用Sagitto人工智能軟件和DLP NIRscan Nano評估模塊，您便可以使用獨特的示范模型進行布料組成的實驗。查詢進一步信息，請訪問官方網站 http://www.ti.com.tw/news/newsdetail.asp?scid=12102018。
作者： George Hill
George Hill是Sagitto Ltd創辦人暨總經理。
|
|
| → 『關閉窗口』 |
|
| |
|
|
|
|
|
|
