纺织品起毛起球测试方法很多，不同的标准对织物起毛起球测试的要求都不完全一样，部分标准能用一台设备满足但是也存在同一个类测试不同的标准要使用到不同都测试仪器,所以对于织物起毛起球测试实验和评价方法存在一些差异，本文就目前国内市场上常用的检验测试标准差异的不同做出如下汇总：
即在标准光照条件下, 由评估者将起球试样与标准等级样照加以比较后进行等级评定。这是目前应用最为广泛的主观评定方法, 虽然快速,但要比较有经验的试验人员, 受主观影响较大。另外由于织物种类不同,起球方法不同,各个机构制定的标准等级样照不同也会引起评定结果的差异。且标准中要求摩擦一段时间后再来评级,这与消费者的要求相矛盾。
用文字描述是一个相对模糊的概念, 不同的人对于织物起球的描述可能会出现很大的差别, 无法定量分析。此外,文字描述一般只考虑到起球形成过程的顶峰,而没有考虑到在越过起球顶峰后毛球的脱落过程。不同的织物起球落球的速度和时间是不同的, 它对织物的抗起球性有较大的影响。
N aik和 Lopez -Am 认为将毛球数和毛球质量结合起来考虑,将起球试样表面的毛球剪下,数毛球个数并称重,以它们的乘积来衡量织物的起球程度,这样既考虑了毛球的数量又考虑了毛球大小。
为了了解整个起毛 -起球 -毛球脱落的全过程 ,可以用起球曲线来评定织物的起球程度。起球曲线反映了试样所承受的摩擦作用时间 (一般以摩擦次数表示)和试样单位面积上起球的关系。这种办法能够克服上述评价方法的某些不足, 在科研工作中有一定的价值, 但是花费的时间相对来说比较多。
H . S. K i m 等人提出使用激光与 X - Y 坐标来测量光束到织物表面的距离, 进而生成表面的高度图像。这种方法的优点是不取决于光照,能测试织物真正的表面特征。缺点是速度较慢并且比现今采用的视觉系统昂贵。
物体表面越粗糙光泽度越小, 在微米和数十微米范围内呈负相关关系。这种方法的局限性在于织物的组织架构不同, 其反射情况也不同, 而且粗糙度大时,粗糙度与光泽度的负线形关系会改变, 给测试带来误差,且外界环境如光照条件的改变也会影响测试结果的精确性。
采用神经网络技术建立和训练反映纱线、织物结构参数与织物起毛起球性之间关系的三层神经网络模型,对比预测值和实验值,表明用神经网络方法预测织物起毛起球性有相当的准确性。神经网络预测模型在直接用于织物的起毛起球性时还不完善, 输入和隐含结点数对网络训练速度和预测精度产生一定的影响,但能较准确地预测出织物的起毛起球性。
图像处理方法评价织物起毛起球的方法有两类,一类是基于起球织物灰度图像的织物起球等级的计算机视觉评估, 另一类是基于起球织物表面形态高低起伏信息的织物起球等级的计算视觉评估。
北京第三代半导体产业技术创新战略联盟对《碳化硅单晶生长用等静压石墨构件纯度测定 辉光放电质谱法》等2项团体标准征求意见
3000万！石河子大学第一附属医院检验中心全自动化学发光分析、流水线及配套试剂/耗材采购
齐鲁工业大学（山东省科学院）单价10万元以上大型仪器已有698台加入共享服务网
1209万！首都医学科学创新中心冷冻透射电镜和天津医科大学总医院毒物检测实验室设备采购项目
创新引领 YOUNG帆起航——仪器信息网25周年 我们不一YOUNG！