|
作者：德州儀器George Hill 如果您在網頁上搜索“如何確定面料的制作成分”，您可能會找到“燃燒測試”的網頁內容。在燃燒測試中，需要取一小塊織物樣品，放在明火上，觀察它是否收縮、熔化或燃燒，并注意產生的氣味。 現在，使用TI DLP NIRscan Nano評估模塊（EVM）和Sagitto系統，可以更簡單、準確地確定織物和紡織品成分。Sagitto系統結合了微型近紅外傳感器和機器學習模型，可幫助企業簡化測量過程。每種類型的織物都因不同的成分而具有獨特的近紅外指紋。服裝通常包含不同類型的纖維，精確的合成物組分在服裝的整個使用過程中都是很重要的。 
圖1：不同纖維含量紡織品的近紅外吸收光譜 許多國家要求明確標識紡織品的纖維成分。有時這些標簽會產生誤導。例如，在下圖中，我們看到一組標有100%棉的洗碗巾，但是經Sagitto測試后，發現是67%棉和33%滌綸的混合物。
圖2：洗碗巾顯示為67%棉和33%聚酯，而不是標簽上的100%棉 但為什么纖維成分很重要？據估計，每年生產800億件衣服，其中75%最終會通過填埋或焚燒的方式處理。越來越多的消費者正在要求大型服裝零售商尋找替代方法，處理高周轉時裝零售業中產生的大量廢物。政府也開始制定法規，鼓勵“循環經濟”，并從垃圾中分流衣物。 丙烯酸和聚酯服裝會對環境造成嚴重的影響，例如，每個洗滌循環都會將數十萬個微纖維釋放到當地的廢水處理廠。其中多達40%的微纖維可能會流入河流、湖泊和海洋。
圖 3：紡織廢料正成為一大全球性問題 因此，市場亟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和棉制服裝分解為其化學組成成分——纖維素纖維、聚酯單體和低聚物。但首先，采用化學回收的回收商需要通過纖維成分精確地分選原料。 在傳統的操作中，通常由員工通過感覺和視覺對廢棄紡織品進行分類，即拿起每件衣服時就確定紡織品的成分。不幸的是，對于人類來說，根本無法精確確定含有纖維混合物的紡織品的組分，并滿足現代化學回收技術的要求。 通過將TI DLP NIRscan Nano整合到一個機器人手臂中，再加上復雜的機器學習能力，就可以為化學品回收工廠開發出精準的機器人分選系統。 Sagitto將DLP NIRscan Nano與基于云端的人工智能相結合。使用Sagitto，您無需專門聘請自己的數據科學家，甚至無需收集自己的數據，訓練機器學習模型。Sagitto消除了設備成本、技能和數據等方面的障礙，使新一類的制造商和生產商可以使用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，您可以使用獨特的織物成分演示模型。在Sagitto網站上注冊并請求訪問Sagitto演示帳戶，可以使用DLP NIRscan Nano評估模塊免費進行50次預測。 |
