Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userStudy on fibers opening using image analysis technique
دراسة تفتيح الشعيرات باستخدام تقنية تحليل الصورة
1653
0 10
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
تعتمد الطرق الحديثة لقياس درجة التفتيح على تقنية تحميل الصورة و مقارنة النتائج مع قياسات درجة التفتيح بالطريقة التقليدية. كما تم البحث في تأثير العوامل المتغيرة لعملية التفتيح على درجة التفتيح, و تأثير درجة تفتيح الألياف على جودة أشرطة السحب و الخيوط الناتجة. و وجد أن السرعة العالية لاسطوانات التفتيح و الزوايا الكبيرة لقضبان التصفية تحسن من عملية تفتيح الشعيرات, لكنها تؤدي إلى انخفاض قليل في جودة الشاشة المسرحة. و مع تزايد درجات تفتيح الشعيرات ستتزايد قوة الشد و استطالة القطع للخيوط الناتجة بشكل أولي ثم تتناقص, في حين يبقى التشعر ثابتاً دون أي تغيير. و بالتالي فإن الشعيرات ذات درجات التفتيح العالية تُنتج خيوط أكثر انتظام و بأقل عدد من العيوب المتشكلة.
A newly developed methodology based on image analysis technique has been used to measure fiber openness and the results are compared with those of the traditional method of measurement of fiber openness. The role of different opening process parameters in deciding the openness of fibers obtained by image analysis technique is found to be much higher than that obtained by beaker test method. It is found that the higher speed of opening rollers and higher angle of grid bars improve fiber openness appreciably, but with little deterioration in fiber quality. The higher fiber openness ultimately results into more regular and less imperfect yarn. With the increase in fiber openness, yarn strength and yarn breaking elongation increase initially and then decrease. Yarn hairiness almost unchanged with the increase in fiber openness.
Artificial intelligence review:
Research summary
تقدم هذه الدراسة منهجية جديدة تعتمد على تقنية تحليل الصورة لقياس درجة تفتيح الألياف، حيث تم مقارنة النتائج مع الطريقة التقليدية لاختبار الكأس اسطوانية الشكل. تم دراسة تأثير العوامل المختلفة مثل سرعة اسطوانات التقتيح وزوايا ميل قضبان التصفية على درجة تفتيح الألياف. وجدت الدراسة أن زيادة سرعة اسطوانات التقتيح وزوايا ميل قضبان التصفية تؤدي إلى زيادة في تفتيح الألياف، مع تراجع بسيط في جودة الألياف. كما أظهرت النتائج أن زيادة تفتيح الألياف يؤدي إلى إنتاج خيوط أكثر انتظاماً وأقل عيوباً، مع زيادة في قوة الشد واستطالة القطع للخيوط الناتجة في البداية ثم تناقصها عند القيم العالية للتفتيح. أوصت الدراسة باستخدام تقنية تحليل الصورة لقياس درجة تفتيح الألياف بدلاً من الطرق التقليدية، والاهتمام بمعايرة سرع وزوايا ميل اسطوانات التقتيح لتحسين جودة وانتظام الخيوط الناتجة.
Critical review
دراسة نقدية: تعتبر هذه الدراسة خطوة مهمة نحو تحسين قياس درجة تفتيح الألياف باستخدام تقنيات حديثة مثل تحليل الصورة. ومع ذلك، يمكن أن تكون هناك بعض النقاط التي تحتاج إلى مزيد من البحث والتطوير. على سبيل المثال، قد يكون من المفيد دراسة تأثير العوامل البيئية مثل الرطوبة ودرجة الحرارة على دقة القياسات باستخدام تقنية تحليل الصورة. كما أن الدراسة لم تتناول بشكل كافٍ تأثير نوع الألياف المختلفة على نتائج التفتيح، وهو ما يمكن أن يكون له تأثير كبير على التطبيقات الصناعية. بالإضافة إلى ذلك، قد يكون من المفيد إجراء تجارب ميدانية على نطاق أوسع للتحقق من نتائج الدراسة في بيئات صناعية حقيقية.
Questions related to the research
-
ما هي التقنية الجديدة المستخدمة في قياس درجة تفتيح الألياف في هذه الدراسة؟
التقنية الجديدة المستخدمة هي تقنية تحليل الصورة.
-
ما هو تأثير زيادة سرعة اسطوانات التقتيح على درجة تفتيح الألياف؟
زيادة سرعة اسطوانات التقتيح تؤدي إلى زيادة في درجة تفتيح الألياف.
-
كيف تؤثر زوايا ميل قضبان التصفية على جودة الألياف؟
زيادة زوايا ميل قضبان التصفية تؤدي إلى زيادة في تفتيح الألياف، مع تراجع بسيط في جودة الألياف.
-
ما هي التوصيات التي قدمتها الدراسة لتحسين قياس درجة تفتيح الألياف؟
أوصت الدراسة باستخدام تقنية تحليل الصورة لقياس درجة تفتيح الألياف بدلاً من الطرق التقليدية، والاهتمام بمعايرة سرع وزوايا ميل اسطوانات التقتيح لتحسين جودة وانتظام الخيوط الناتجة.
References used
Bad bade P R, Design and Development of Fiber Openness Tester Based on Image Processing Technology, New Delhi, 2007
Bostock W, Freeman S M, Shorter S A & William T C, J Text Inst, 46(1998)23-34
Ishtiaque S M, Das A & Chouhary S, Indian J Fiber Text Res, 28(2003) 399-401
Ishtiaque S M,R M, Das A & Chouhary S, Indian J Fiber Text Res, 28(2003) 404-410
Kato M & Yoshida K, J , 41(2001)905-910
rate research
Read More
تأتي أهمية البحث حيث إنه يدرس موضوع الرضا الوظيفي في أحد أهم القطاعات المساهمة بالتنمية في دولة
نامية و هو القطاع المصرفي السوري الخاص.
ستقوم الباحثة بالتطرق لموضوع الرضا الوظيفي لدى العاملين في البنك العربي سورية -
باعتباره متغير تابع.
A simple and low cost thin layer chromatographic (TLC)-image analysis method was developed for rapid determination and quantification of monosodium glutamate (MSG) in some food samples. Chromatographic separation of MSG was achieved on silica gel TLC
plates, using n-butanol:glacial acetic acid:water (5:3:1, v/v/v) as the mobile phase and ninhydrin for spot detection. Image analysis of the scanned TLC plate was performed to quantify the amount of MSG, the method was validated and found to be accurate specific reliable and convenient for the analysis of MSG in some food sample.
This paper presents an algorithm for designing a system that classifies standard
human facial expressions which are fear, disgust, sad , surprise, anger, happiness, and the
normal expression . The facial expression that is presented in the input im
age of the system
can be classified depending on extracting appearance features then, it is entered into
neural network to complete the classification process using Matlab as a programming
language.
Multiple stages completed the work, which are, (collection images, pre-processing of
the images, feature extraction, training neural network, classification and testing). Our
system has been able to achieve the highest rating when the expression of anger reached
100 %, while the lowest rating was at the expression of sad by 30%.
This paper presents an algorithm for designing a system that classifies standard human facial expressions which are fear , disgust , sad , surprise , Anger , happiness , natural expression . The facial expression that is presented in the input image
of the system can be classified depending on extracting appearance features , then they entered into neural network to complete the classification process using Matlab as a programming language.
The basic step in this algori thm is determining the number of clusters
(K) then calculating the distance between each cluster
center and the elements of images to join each element
to the closest cluster depending on threshold distance.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
