Tekstiilikuitujen kuluminen ja kuiduntunnistus : tekstiilin elinkaaren vaikutukset kuitusisältöön

Abstract

Maailmanlaajuisesti alle 1 % kaikista markkinoilla olleista tekstiilikuiduista oli valmistettu kierrätystekstiileistä vuonna 2021. Poistotekstiilien uusiokäyttö on ajankohtaista ja uusiokuidun käyttö vaatii suunnittelua. Tässä opinnäytetyössä tutkittiin tekstiilikuitusuhteiden muutoksia polyesteri-puuvillasekoitevaatteissa. Opinnäytetyössä perehdyttiin tekstiilien tunnistusmenetelmiin sekä konenäön mahdollisuuksiin tekstiilien tunnistamisessa. Tutkimusta aiheesta on aiemmin tehty niukasti, joten tutkimus on ajankohtaista ja tarpeellista. Tutkimusmenetelmänä käytettiin empiiristä tutkimusta.

Opinnäytetyön tavoitteena oli selvittää, miten identtiset tekstiilit kuluvat elinkaarensa aikana ja miten mekaaninen kuidunavaus vaikuttaa tekstiilien kuitusuhteisiin. Kulumaa tutkittiin hyperspektrikuvantamisen ja kemiallisen analyysin avulla.

Hyperspektrikuvantamisella tuotettu algoritmi ennusti lupaavasti pesukertoja ± 3:n pesun tarkkuudella. Kemiallinen analyysi puolestaan osoitti, että tekstiilin käyttö ja pesut aiheuttavat kulumaa. Kuluma ei ole lineaarista eli suoraan verrannollista pesukertoihin. Mekaanisen kuidunavauksen vaikutuksia puolestaan on vaikeaa todentaa, koska näytteiden kuitusuhde-ero oli yhden prosentin luokkaa, joka menee analyysin virherajojen sisään.

Less than 1-% of all textile fibers on market were made by recycled textiles on 2021. The reuse of textile waste is a current issue and the usage of recycled fiber requires planning. This thesis investigates changes in textile identification methods and the possibilities of machine vision in textile identification. Previous research on the topic has been scarce, making this study relevant and necessary. Empirical research was used as the research method.

The aim of the thesis was to determine how identical textiles wear during their lifecycle and how mechanical fiber opening affects textile fiber rotations. Wear was examined through hyperspectral imaging and chemical analysis.

The algorithm produced by hyperspectral imaging predicted wash cycles promisingly with an accuracy of ± 3 washes. Chemical analysis, on the other hand, showed that textile use and washes cause wear. Wear is not linear or directly proportional to wash cycles. The effects of mechanical fiber opening are difficult to confirm because the difference in fiber ratios between samples was within one percent, which falls within the error margins of the analysis.