Prediction of Fuzz Fibers on Fabric Surface by Using Neural Network and Regression Analysis

Uçar, N.; Ertuğrul, S.

Artykuł - szczegóły

Tytuł artykułu

Prediction of Fuzz Fibers on Fabric Surface by Using Neural Network and Regression Analysis

Autorzy

Uçar N. , Ertuğrul S.

Wybrane pełne teksty z tego czasopisma

Identyfikatory

Warianty tytułu

Przewidywanie mechatości na powierzchni dzianiny za pomocą sztucznych sieci neuronowych i analizy regresyjnej

Języki publikacji

Abstrakty

Fuzz on the fabric surface is very important for appearance quality, since it can lead to pilling and an unpleasant handle and appearance. Thus, it is important to predict the fuzz value on the fabric surface before producing the fabric. The amount of fuzz on the fabric surface, as has been determined by image processing techniques, can be predicted by two different methods, the Artificial Neural Network (ANN) and Regression Analysis. During knitting, the yarn used is abraded to an uncertain degree, depending on the knitting conditions and yarn properties, and this situation can lead to poor prediction results. However, it has been demonstrated that the prediction results obtained by Artificial Neural Networks look more promising than that of Regression Analyses.

Mechatość na powierzchni dzianiny jest bardzo ważną cechą jakościową, ponieważ może prowadzić do pilingu, niekorzystnego chwytu i wyglądu. Dlatego też ważnym jest móc przewidywać wartość mechatości na powierzchni dzianiny przed jej wyprodukowaniem. Jak stwierdzono techniką analizy obrazu, mechatość można przewidzieć za pomocą dwóch różnych metod, a mianowicie sztucznych sieci neuronowych i analizy regresyjnej. Podczas dziania, przędza jest ścierana w stopniu trudnym do określenia, zależnym od warunków dziania i właściwości przędzy i dlatego prawidłowe określenie mechatości jest bardzo wątpliwe. Jednak, jak to udowodniono w niniejszym artykule, przewidywanie za pomocą sztucznych sieci neuronowych może być bardziej obiecujące, niż to przeprowadzone za pomocą analizy regresyjnej.

Słowa kluczowe

fabric fuzz image processing neural network regression analyses knitted fabrics cotton yarn

mechatość dzianiny przetwarzanie obrazu sieci neuronowe analiza regresji dzianina bawełna przędza

Wydawca

Sieć Badawcza Łukasiewicz - Łódzki Instytut Technologiczny

Czasopismo

Fibres & Textiles in Eastern Europe

Rocznik

2007

Tom

Vol. 15, no. 2 (61)

Strony

58--61

Opis fizyczny

Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Uçar N.

ucarnu@itu.edu.tr

Istanbul Technical University, Faculty of Textile Technology and Design, Textile Engineering Department. Gumussuyu Taksim Istanbul Turkey

autor

Ertuğrul S.

seniz@itu.edu.tr

Istanbul Technical University, Faculty of Mechanical, Department of Mechanical Engineering Gumussuyu Taksim Istanbul Turkey

Bibliografia

11. Alston P.V., ‘Effect of Yarn Spinning System on Pill Resistance of Polyester/Cotton Knit Fabrics’, Textile Research Journal, 62(2), 105-108, (1992).
2. Alston P.V., ‘Pilling of Sweatshirts That Are a 50/50 Blend of Polyester and Cotton’, Textile Research Journal, 64(10), 592-596, (1994).
3. Boyraz P., Yılmaz Ö., Ucar N., Ertuğrul Ş., ‘Fault Detection in Knitted Structures Using Wavelet Analysis and Optimized Filter Design’, The 9th Mechatronics Forum International Conference, 2004, August 30-September 1, pp. 449-454, Ankara, Turkey.
4. Candan C., Önal L., ‘Dimensional, Pilling and Abrasion Properties of Weft Knits Made from Open-End and Ring Spun Yarns’, Textile Research Journal, 72(2), 164-169, (2002).
5. Cheng L. and Adams D.L., ‘Yarn Strength Prediction Using Neural Networks, Part I: Fibre Properties and Yarn Strength Relationship’, Textile Research Journal, 65(9), 495-500 (1995).
6. Chen P., Liang T., Yau H., Sun, W., Wang, N., Lin, H., Lian, R., ‘Classifying Textile Faults with a Back-Propagation Network using Power Spectra’, Textile Research Journal, 68(2), 121-126,(1998).
7. Calı S., Ertuğrul Ş., Ucar N., ‘Fault Detection and Classification in Knitted Structures Using Fourier Analysis and Neural Networks’, The 9th Mechatronics Forum International Conference, 2004, August 30-September 1, pp. 445-448, Ankara, Turkey.
8. Dayhoff J.E., Neural Network Architectures: An Introduction, Van Nostrand Reinhold, USA, 1990.
9. Fu L., Neural Networks in Computer Intelligence, McGraw-Hill, Singapore, 1994.
10. Ertuğrul Ş., Ucar N., ‘Prediction of Bursting Strength of Plain Knitted Fabrics Using Intelligent Techniques’, Textile Research Journal,70(10), 845-851,(2000).
11. Ertuğrul Ş., Uçar N., ‘Prediction of Yarn Properties using Adaptive Neuro-Fuzzy Inferencing System’, 5th International Conf. on Mechatronics Design and Modeling, September 5-7, 2001, Konya, Turkey.
12. Millington, K., ‘Using Ultraviolet Radiation to Reduce Pilling of Knitted Wool and Cotton’, Textile Research Journal, 68(6), 413-421, (1998).
13. Tilocca A., Borzone P., Carosio S., Durante A., ‘Detecting Fabric Defects with a Neural Network Using Two Kinds of Optical Patterns’, Textile Research Journal, 72(6), 545-550, (2002).
14. Tsai I.S., Lin C., Lin J., ‘Applying an Artificial Neural Network to Pattern Recognition in Fabric Defects’, Textile Research Journal, 65(3), 123-130,(1995).
15. Ucar N., Boyraz P., Measurement of Fuzz Fibres on Fabric Surface Using Image Analysis Methods, Fibres and Polymers, 6(1), 79-81,(2005).
16. Ucar N., Ertuğrul Ş, ‘Prediction Of Circular Knitting Machine Parameters for Cotton Plain Fabrics by Means of Conventional and Neuro-Fuzzy Methods’, Textile Research Journal 72(4),361-366, (2002).
17. Ucar N., Karakas H., ‘Effect of Lyocell Blend Yarn and Pile Type on the Properties of Pile Loop Knit Fabrics’, Textile Research Journal, 75(4), 352-356, (2005).
18. Williams V.A., ‘A Kinetic Model for Pilling of Wool Knitwear’, Textile Research Journal, 55(5), 312-320, (1985).

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-c697251a-5b4f-4ae7-bb00-355a3bd00c1e