2018/12/10

作者:Sagitto Ltd 創辦人暨總經理 George Hill

 

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,再將其放置於火焰上,觀察它是否收縮、熔化或燃燒,並留意產生出的氣味。

 

現在,透過TI DLP® NIRscan™ Nano評估模組(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)感測器和機器學習模型,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。

 

圖 1:不同纖維含量紡織品的近紅外線吸收光譜

 

許多國家要求明確標示紡織品的纖維組成,但有時這些標籤會產生誤導。例如,在下圖中,我們看到一組標有100%棉的洗碗布,但是經Sagitto測試後,卻發現其實是67%棉和33%聚酯纖維的混合物。

 

圖 2:洗碗布顯示組成成分為67%棉和33%聚酯纖維,而非標籤所示的100%棉

 

但為什麼纖維組成很重要?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)」,並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,每個洗滌週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。

 

圖 3:紡織廢棄物正成為一大全球性環境問題

 

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製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,採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,對於人類而言,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,再結合複雜的機器學習能力,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與以雲端為基礎的人工智慧相結合。藉由使用Sagitto,您無需特地聘請資料科學家,甚至無需蒐集自身的資料來訓練機器學習模型。Sagitto消除了設備成本、技術和數據資料等方面的阻礙,讓新一代的製造商和生產商可以使用DLP NIRscan Nano EVM最佳化生產流程。利用Sagitto人工智慧軟體和DLP NIRscan Nano 評估模組,您便可以使用獨特的示範模型進行布料組成的實驗。

 

其他資源

 

關於德州儀器DLP®產品

自1996年起,德州儀器的 DLP 顯示技術屢獲殊榮,為全球頂尖的顯示裝置提供高解析度、色彩豐富、對比鮮明的影像畫質,已廣泛運用在各式各樣的應用裝置上,包含工業、汽車、醫療及消費市場領域等。從電影院 (DLP Cinema® 產品)到大型展演廳、會議室、學校教室、家庭劇院,都採用DLP技術;此外,DLP Pico™ 亦運用在行動裝置上,賦予使用者能輕易在手中投放影像的新功能。每一塊 DLP 晶片是由微鏡所排的陣列,它們以高達每秒上萬次的高速切換。更多有關 DLP® 訊息請見: www.ti.com/dlp

您必須登入才可檢視此項目。

此區為新聞媒體成員專用的區域。如果您符合資格,請更新您的使用者設定檔,並且核取標示「請核取這裡以註冊為經認可的新聞媒體成員」方塊。請將備註納入「媒體認證的證明資訊」方塊中。我們將會在一個工作天內,透過電子郵件向您通知您的狀態。