网站大量收购独家精品文档,联系QQ:2885784924

两种AI测试模型在棉粘胶定量分析中的应用.pdf

两种AI测试模型在棉粘胶定量分析中的应用.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

第52卷第4期

2024年4月CottonTextileTechnology【65】

两种AI测试模型在棉粘胶定量分析中的应用

易宏曹月婵赵丽

(广州检验检测认证集团有限公司,广东广州,511447)

摘要:针对传统纤维含量显微镜测定法存在的弊端,鉴于人工智能在检测领域的应用和发展,建立了两

种人工智能(AI)测试模型对棉粘胶在纵向、横截面进行准确识别、分类和定量分析,探讨了制样的因素对两种人

工智能测试模型识别的影响,并将人工物理法和AI模型测试结果进行分析比对。结果表明:两种AI模型结果与

人工显微镜法的结果基本一致,绝对误差均在2.5%以内;且测试效率高,由人工测试耗时80min左右降低到AI

模型检测的13min。认为:两种AI测试模型的综合运用可实现棉粘胶混纺纤维的快速、准确定量检测。

关键词:人工智能;测试模型;棉纤维;粘胶纤维;定量检测

中图分类号:TS107文献标志码:B文章编号:1000-7415(2024)04-0065-05

ApplicationoftwoAItestmodelsincottonviscosequantitativeanalysis

YIHongCAOYuechanZHAOLi

(GuangzhouInspectionTestingandCertificationGroupCo.,Ltd.,Guangzhou,511447,China)

AbstractInviewofthedisadvantagesoftraditionalmicroscopicaldeterminationoffibercontent,the

applicationanddevelopmentofartificialintelligenceinthedetectionfield,twoartificialintelligence(AI)testmodels

weredevelopedtoaccuratelyidentify,classifyandquantitativeanalysisthelongitudinalandcross-sectionalprofilesof

cottonviscosefibers.Influenceofsamplepreparationfactorsontherecognitionoftwokindsofartificialintelligence

testmodelswasdiscussed.TheartificialphysicsmethodandAImodeltestresultswereanalyzedandcompared.The

resultsshowedthattheresultsofthetwoAImodelswerebasicallyconsistentwiththoseoftheartificialmicroscope,

theabsoluteerrorswerebothwithin2.5%andthetestefficiencywashigherTheartificialtesttimewasreducedfrom

80minto13min.ItisconsideredthatthecomprehensiveapplicationofthetwoAItestingmodelscanrealize

文档评论(0)

经管专家 + 关注
实名认证
服务提供商

专注于经营管理类文案的拟写、润色等,本人已有10余年相关工作经验,具有扎实的文案功底,尤善于各种框架类PPT文案,并收集有数百万份各层级、各领域规范类文件。欢迎大家咨询!

版权声明书
用户编号:6055234005000000

1亿VIP精品文档

相关文档