Wyniki wyszukiwania - BazTech

1

Structural Parameters of Functional Membranes for Integration in Smart Wearable Materials

Eldessouki M., Aysha T., Ratičáková M., Šašková J., Padil V. V. T., Ibrahim M., Černík M.

Fibres & Textiles in Eastern Europe

|

2017

|

Vol. 25, no. 5 (125)

73--78

EN

Smart clothes can be described as textiles that change their behavior under some external factors (stimulants). The response of the smart cloth can be passive (just as a sensor) or active (where a combination of sensing and another reaction takes place). The materials involved in these textiles are crucial for many applications, especially for health related applications where the “wearables” can provide instantaneous monitoring and aid to people with certain disabilities. This work consists of two main parts: First it investigates the different materials used in smart clothing for monitoring the vital activities of the human body (e.g. the breathing rates) with an emphasis on piezoresistive structures as they work sensing elements for mechanical strains. Second this work presents the production of functional membrane samples based on synthesized pyrrolinone ester hydrazone dye with a preliminary investigation of their chemical and geometrical parameters, especially their sensitivity for monitoring the presence of ammonia to function as a smart textile based colorimetric chemosensor.

PL

„Inteligentne” ubrania można opisać jako tekstylia, które reagują pod wpływem czynników zewnętrznych (bodźców). Odpowiedź „inteligentnej” odzieży może być bierna (czujnik) lub czynna (wykrywanie i reakcja). Materiały związane z tymi wyrobami tekstylnymi mają kluczowe znaczenie dla wielu zastosowań, zwłaszcza dla tych związanych ze zdrowiem, gdzie odzież może zapewnić natychmiastowy monitoring i pomoc osobom niepełnosprawnym. Przedstawiona praca składała się z dwóch głównych części: najpierw badano różne materiały stosowane w „inteligentnej” odzieży do monitorowania istotnych czynności organizmu ludzkiego (np. szybkości oddychania), ze szczególnym uwzględnieniem struktur piezorezystancyjnych. W drugiej części pracy przedstawiono wytwarzanie funkcjonalnych membran z zastosowaniem syntetycznego barwnika, zbadano parametry chemiczne i geometryczne, w szczególności wrażliwości na monitorowanie obecności amoniaku w celu zastosowania wyrobu jako chemosensor kolorymetryczny.

2

Integrated Computer Vision and Soft Computing System for Classifying the Pilling Resistance of Knitted Fabrics

Eldessouki M, Bukhari H A, Hassan M, Qashqary K

Fibres & Textiles in Eastern Europe

|

2014

|

Vol. 22, no. 6 (108)

106--112

EN

Fabric pilling is one of the important properties that affect fabric appearance. The testing of fabric pilling using the standard methods available, however, depends on subjective sample evaluation. Objective fabric pilling evaluation using image processing techniques comprises four main stages that include binarisation, segmentation, quantisation, and classification. Literature on the topic focuses only on one or more of these stages while there is a growing need for an integrated system that combines the most effective techniques of each stage and introduces them in a way that does not depend on the subjective evaluation of human operators. This work tries to tackle this problem and creates an integrated system for classifying the pilling resistance of knitted fabrics. The system introduced a new method for generating an image library based on photographs of the EMPA Standards to allow the training and testing of a soft-computing classifier. The method suggested was tested using knitted samples of different structures and colours and the results show their high robustness performance. The quantitative pilling classification produced from the system suggested shows high agreement with the subjective operators’ evaluation with a Spearman’s correlation coefficient of +0.85.

PL

Dotychczasowe metody oceny pilingu zależą od subiektywnej oceny oceniającego. Obiektywne oceny pilingu za pomocą analizy obrazu zawierają cztery główne stadia: binaryzację, segmentację, kwantyzacją i klasyfikację. Dostępna literatura podaja na ogół omówienie tylko jednego lub więcej z czterech stopni, natomiast istnieje potrzeba zintegrowanego systemu, który umożliwiałby ogólną ocenę bez subiektywnej ingerencji oceniającego. W pracy postarano się rozwiązać ten problem i stworzono zintegrowany system dla klasyfikacji odporności na piling. System zawiera bazę zdjęć różnych struktur poddanym różnym etapom pilingu. Wyniki uzyskiwane z opracowanego systemu klasyfikacji są w dużej mierze zgodne z wynikami podawanymi przez etatowych subiektywnych klasyfikatorów.

3

Application of Principal Component Analysis to Boost the Performance of an Automated Fabric Fault Detector and Classifier

Eldessouki M, Hassan M, Qashqary K, Shady E

Fibres & Textiles in Eastern Europe

|

2014

|

Vol. 22, no. 4 (106)

51--57

EN

There is a growing need to replace visual fabric inspection with automated systems that detect and classify fabric defects. The digital processing of fabric images utilises different methods that offer a large set of image features. The correlation between those features lead to problems during fabric fault classification and reduces the performance of the classifiers. This work extracted a combination of statistical (spatial) and Fourier transform (spectral) features from fabric images of the most frequent faults. Principal component analysis (PCA) was implemented to reduce the dimensionality of the input feature dataset, which achieved a reduction to 36% of the original data size while preserving 99% of information in the original dataset. The features processed using the PCA were fed to an artificial neural network (ANN) to classify the fault categories and then compared to another ANN that worked with the whole feature dataset. The performance of the network that was implemented after application of the PCA increased to 90% of the correct classification rate as compared to 73.3% for the other network.

PL

Istnieje wzrastająca potrzeba zamiany wizualnej inspekcji płaskich wyrobów włókienniczych automatyzowanymi systemami , które będą w stanie rozpoznać i sklasyfikować defekty materiału. Dla cyfrowej obróbki obrazów tkanin stosuje się różne metody oferujące identyfikacje całego zestawu właściwości obrazu. Korelacja pomiędzy tymi właściwościami prowadzi do problemów podczas identyfikacji i klasyfikacji błędów materiałów i redukuje sprawność klasyfikacji. W pracy wyselekcjonowano kombinacje statystycznych (przestrzennych) i fourierowskch (spektralnych) transformacji pozwalających na wyróżnienie zobrazów materiałów najczęściej występujących błędów. W dalszej części pracy usiłowano zredukować ilość danych wejściowych oraz zastosowano dwa różne systemy sztucznych sieci neuronowych. Wynikiem wszystkich poczynań było zdecydowane zwiększenie skuteczności wykrywania błędów.