近日，由广州检验检测认证集团有限公司联合全国多家知名服装企业共同起草的团体标准《纺织品纤维含量测定 人工智能识别法》发布并实施。纺织品纤维含量测试是纺织品测试中的基础项目，测试量大，耗时长，对人员操作技术要求严格，化学试剂还会对检验人员的身体健康和环境保护不利。该团体标准的制定实施，能否解放纤维含量检测人员？AI检测的精确度如何？本期我们邀请了标准的起草单位之一广州检验检测认证集团有限公司的技术专家黄伟桥解读纺织品纤维含量测定的智能检测方法。

1 纺织品纤维含量是纺织检测机构的主要项目，检测量大，耗时长，准确度和检测人员的经验和水平有很大关系。本标准针对纤维含量检测提出人工智能识别检测法，请问标准的制定是基于什么考虑的？出台这样的标准具有哪些意义？

目前纤维成分含量定量测试的主流方法是化学法和物理法两种。其中化学法利用纤维在化学试剂中溶解性能的差异进行定量，如国际标准ISO 1833系列、美国标准AATCC 20A、欧盟标准 (EU)No 1007、日本标准JIS L 1030-2、国标GB/T 2910系列等，这些标准涉及的测试过程中需要用到大量的化学试剂，配备专业的化学实验室，对测试环境要求相对严格，且大量强酸强碱等试剂的使用不仅对检验人员的身体健康有威胁，产生的化学废液也于环境不利。物理法则是根据纤维在显微镜下纤维形态的差异并经人工对其进行分类和测量进行定量，如国际标准ISO 17751系列、IWTO-58等，美国标准AATCC 20A，日本标准JIS L 1030-2，国标GB/T 16988，行业标准FZ/T 30003、FZ/T 01101等，这些标准执行过程中主要存在检验效率低、对人员经验要求高，检验结果存在人员主观误差等问题。

近年来，采用近红外光谱分析法、碱溶解度差异法、DNA分析法以及蛋白质组学分析等方法进行含量测试的研究也多见报道。研究人员期待用这些先进的科技手段和设备实现纤维成分定量分析。然而，不同的方法均有其局限性，如近红外光谱法依赖于模型的适用性，DNA法在染色、剥色产品上的局限性，蛋白质组学分析方法检测成本较高且效率较低等。

随着计算机技术的不断发展，以深度学习理论为代表的计算机视觉技术近年来也取得了突破性的发展，基于图像特征的分类与识别技术也逐步渗入纺织行业，如在化纤生产端的在线智能疵点检测，AI智能验布，纺织品外观智能检测等。采用人工智能识别技术进行纤维含量测试，是指通过在显微镜下自动获取纤维图像，利用图像处理方法获得纤维的特征图和特征指标，并通过图像识别的相关算法进行分类识别，实现纤维含量的自动化、智能化检测。这种人工智能识别检测法运用了先进的AI、自动化以及图像处理等技术，将纤维含量测试方法推向智能化和自动化的方向，不仅能将一线检测人员从繁重的重复性工作中解放出来，提供更客观、更稳定、更准确的测试结果，更是推动纤维含量检测技术升级的新兴力量。

2 请您简要介绍一下人工智能识别检测法的原理

采用人工智能识别法进行纤维含量测试，是以现有标准FZ/T 01101—2008《纺织品 纤维含量的测定 物理法》，FZ/T 30003—2009《麻棉混纺产品定量分析方法 显微投影法》，GB/T 16988—2013《特种动物纤维与绵羊毛混合物含量的测定》等为基础，采用光学显微镜放大纤维并自动采集纤维图像，利用人工智能识别技术辨别各类纤维，图像处理及数据分析处理技术测量纤维直径（或面积）和根数，按需分别自动计算纤维的质量含量或根数含量。图1是人工智能技术进行图像识别的简单原理。采用人工智能识别检测法进行纤维含量测试的一般流程如图2所示。

图1 人工智能图像识别的简单原理

图2 人工智能识别检测法测试纤维含量的一般流程

3 人工智能识别法与传统方法相比在哪些方面有优势？准确度如何？

与传统纤维含量测试方法相比，采用人工智能自动化测试方法优势明显，主要体现在以下几个方面：

1）与传统化学方法相比，采用人工智能自动化测试方法耗时大大缩短，两组分的测试从至少半天缩短至0.5h以内；无需使用各类无机或有机的化学试剂，资源消耗少，对环境友好；测试过程中减少了人工参与，工作人员也无需在化学环境中工作。

2）与传统显微镜物理法受检验人员的目光影响较大相比，采用人工智能自动化测试方法的过程客观稳定，测试结果基于大数据分析得到，不受人员状态、心理因素等不可控因素的影响；采用该方法，不仅检测耗时由原来的1h～2h直接缩短至0.5h以内，且测试过程中无需人工参与，能将一线检测人员从繁重的重复性劳动中解放出来。

3）对需要开展纤维含量测试的机构而言，采用人工智能自动化测试方法可实现部分替代人工，减少了在基础重复性劳动上的人力投入，其人工成本随着智能化测试方法的日趋成熟将逐步降低，未来将有望实现大范围替代人工检测；同时采用传统方法培养一名测试人员需要3～9个月时间不等，而要成为一名熟练的纤维含量检验员则可能需要经过3 年以上实践的锻炼，而采用人工智能自动化测试基于大数据分析得到测试结果，识别和测试过程无需人工参与，人员培养、培训和管理的成本大幅下降。

通常根据人工智能识别模型的建立基础，样品中的纤维间粘连成束、形态受损或变形、颜色较深不能褪去的，则不适用人工智能识别法。排除以上情况后，采用传统显微镜法对人工智能识别法测试进行验证，以棉/再生纤维素纤维混纺产品为例：超过95%的样品采用两种方法的测试结果偏差在±3%以内；验证标准误差可达2%（验证误差用于评估验证集所有样品的模型检测值与参考值之间差异的标准偏差，该值越小，表明模型的检测能力越强）；相关性高达99%（相关系数反映变量之间相关关系密切程度，越接近1说明相关性越好）；精测的精密度优于2%（人工智能识别的精密度可采用检测值重复性的标准偏差表示）。通常，在适用人工智能识别法进行纤维含量检测前，都应对其建立的模型和系统进行评估，以确保其满足检测要求。

4 AI识别适用于哪些纤维的检测？对于外观相似的纤维或者目前存疑的一些纤维的辨别比如羊绒/羊毛等，是否有效？对目前的检测难点是否有解决办法？

理论上来说，由在显微镜下具有典型纵截面特征（或典型横截面特征）的纤维构成的混纺产品，都可以采用人工智能识别法进行检测。但人工智能检测具体适用于哪些纤维的检测是由人工智能识别模型的范围决定的，比如某AI识别模型仅包含对棉/亚麻混纺产品的识别能力，那么该系统仅适用于棉/亚麻混纺产品。目前市场上相对成熟的AI检测纤维含量的产品多以棉麻混纺、再生纤维素纤维/棉混纺为主。动物毛纤维混纺产品因毛纤维间特征差异相对较小、对自动采集技术要求较高等原因，进展相对较慢，但随着数据集的不断积累以及AI模型的不断完善，采用人工智能检测法实现毛绒纤维含量定量指日可待。

现阶段采用人工智能识别法进行纤维含量检测仍以辅助和部分替代人员操作为主。对目前困扰纺织品纤维含量检测领域的问题，如再生纤维素纤维/棉混纺、再生纤维素纤维/麻混纺等产品因化学性质相近采用溶解法定量易因溶解不完全或溶解过度等原因导致含量偏差，采用人工智能识别法进行检测是很好的补充方法。当然，对于困扰毛绒纤维含量专家的，如羊绒/牦牛绒等特征极相似混纺产品的定量，人工智能识别法也需要不断发展以满足各种不同种类的需求。

5 采用人工智能检测，是否意味着不需要检测人员？对检测机构的硬件有哪些要求？

人员需求方面，当前采用人工智能检测方法是指在现有的显微镜法测试纤维含量的基础上，利用人工智能识别技术、自动化技术等替代的是定量过程中人工识别纤维并进行分类，以及测量纤维等重复性的工作。前期的样品分析、样片制备以及后期对测试结果的评估等，目前均需由检验人员来完成。此外，现阶段采用人工智能检测方法进行纤维含量测试对测试样品均有一定的要求，比如样片中的纤维是否足够分散，显微镜下纤维颜色是否过深从而影响智能识别的准确性等，这些因素一定程度上限制了所用人工智能识别模型的适用范围，遇到这些样品时仍需由人工测试完成。

硬件需求方面，采用人工智能识别法进行纤维含量测试，实验室应配备一套自动光学显微智能检测系统，能高倍率拍摄纤维清晰照片外，该系统还应包含自动采集程序、人工智能识别纤维模型、自动测量纤维直径（或面积）程序以及自动计算纤维含量等功能，该软件是采用人工智能识别法进行纤维含量测试的核心部分。