La clasificación del tipo de material es crucial en la industria del reciclado, ya que un reciclado de buena calidad depende de la correcta clasificación de los distintos materiales. En el sector textil, los tipos de fibras más utilizados son la lana, el algodón y el poliéster. Cuando se reciclan tejidos, es fundamental identificar y clasificar los distintos tipos de fibras de forma rápida y correcta. El método estándar para determinar el tipo de material de fibra textil es la prueba de quemado seguida de un examen microscópico. Este método tradicional es destructivo, tedioso y lento, ya que implica cortar, quemar y examinar el hilo del tejido. Demostramos que el procedimiento de identificación puede realizarse de forma no destructiva utilizando tomografía de coherencia óptica (OCT) y aprendizaje profundo. Los escaneos de imágenes OCT de tejidos compuestos por diferentes tipos de materiales de fibra, como lana, algodón y poliéster, se utilizan para entrenar una red neuronal profunda. Presentamos los resultados de la capacidad de los modelos de aprendizaje profundo creados para clasificar los tipos de material de fibra de los tejidos. Concluimos que los tipos de material de fibra se pueden identificar de forma no destructiva con alta precisión y recuperación mediante imágenes OCT y aprendizaje profundo. Dado que la clasificación del tipo de material puede realizarse mediante OCT y aprendizaje profundo, esta novedosa técnica puede emplearse en plantas de reciclaje para clasificar automáticamente tejidos de lana, algodón y poliéster.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Análisis de las características de frecuencia espacial del método fotoasistido de nanopulido de una superficie rugosa de cuarzo
Artículo:
Investigación teórica de un emparejador de tamaño de modo de ranura de aire entre guías de ondas plasmónicas dieléctricas y MDM
Artículo:
Algoritmo de recuperación de fase en dos pasos mediante medición de intensidad única
Artículo:
Función de transferencia de modulación de un haz gaussiano basado en el espectro atmosférico modificado generalizado
Infografía:
Principios de Kit de Construcción de Circuitos CA - Laboratorio Virtual