Avaliação de amarrotamento por meio de processamento de imagem de tecidos 100% algodão em processos de lavagem e secagem domésticos

Abstract

Busca-se melhorar a lavagem em máquinas domésticas a fim de se reduzir o amarrotamento em substratos têxteis. O estudo de fatores inerentes às lavagens e suas relações com as propriedades físicas das fibras têxteis são fundamentais para o conhecimento da causa do amarrotamento. A influência das secagens forçada (em máquina de secar) e natural (varal) também deve ser investigada por serem procedimentos subsequentes à lavagem em ambientes domésticos para se determinar suas relações com o amarrotamento. Entretanto, uma dificuldade para este estudo é a forma de medição do amarrotamento, meramente visual e subjetiva, onde se compara a amostra a ser medida à padrões com níveis pré-estabelecidos. Para aumentar a confiabilidade da quantificação de rugas, foi desenvolvida metodologia a partir de processamento de imagens. Primeiramente, construiu-se equipamento para captura da imagem das amostras, com uniformidade de luz. As imagens capturadas foram processadas em software no Matlab, com aplicação de filtro para redução de ruídos e detecção de bordas de Canny, que identificou as rugas dos substratos. A quantificação se deu por distância euclidiana entre a imagens processada e a controle (isenta de rugas) e, então, convertida para a escala da AATCC de nível de lisura, que varia de 1 a 5. Foi comparado o sistema de medição desenvolvido com o método visual baseado na AATCC. Com coeficiente de determinação ajustado de 0,8496, o processamento de imagens por meio da detecção de bordas de Canny se mostrou eficaz, apontando a necessidade de um grande número de examinadores para se atingir uma média de níveis de lisura semelhante ao nível calculado via software. A relação do amarrotamento com a lavagem levou em consideração três fatores em dois níveis cada: temperatura da água (20 e 54°C), velocidade de centrifugação (500 e 850rpm) e quantidade de amaciante (0 e 25g) em um planejamento fatorial 23, totalizando oito testes, com a medição do nível de lisura dos substratos por processamento de imagem. Também se avaliou dois tipos de secagens que sucedem a etapa de lavagem: em máquina e no varal. Comparou-se os dois tipos de secagem entre si pela realização de oito testes com os substratos que saíram da lavagem, desta vez medindo-se o nível de lisura após a secagem. Realizou-se análise de variância para o tipo de secagem e quantidade de amaciante que as fibras foram submetidas na lavagem. Na análise da lavagem nenhum fator foi influente com nível de significância 0,05, sendo considerados, na ordem de influência, do maior para o menor: velocidade de centrifugação, temperatura da água e quantidade de amaciante. Ambas as secagens apresentaram diminuição do amarrotamento frente à lavagem, porém nenhuma delas foi significativa no ganho de nível de lisura em relação à lavagem, apesar da máquina apresentar um ganho maior. A presença de amaciante nas fibras durante a secagem aumentou o ganho de nível de lisura, porém não de forma significativa.

Abstract : It is sought to improve the home laundering in washing machines in order to reduce the wrinkling on textile substrates. The study of factors inherent to washes and their relationships with the physical properties of textile fibers are fundamental to the knowledge of the cause of the wrinkling. The influence of forced drying (drying machine) and natural drying (clothesline) must also be investigated because they are subsequent washing procedure in domestic environments to determine its relationships with the wrinkling. However, a difficulty for this study is the wrinkling measurement, merely visual and subjective. The sample to be measured is compared to the patterns with pre-established levels. To increase the reliability of wrinkle quantification, a methodology was developed from image processing. Firstly, equipment for image capture of the samples was constructed, with light uniformity. A software developed in Matlab processed the captured images, with filter application for noise reduction and Canny edge detection, which identified the substrates wrinkling. The quantification was by Euclidean distance between the processed image and the control (wrinkles free) and, then, converted to the AATCC scale of smoothness level, which varies from 1 to 5. The measurement system developed was compared with the method based on the AATCC. The adjusted coefficient of determination was 0,8486 and the image processing by Canny edge detection proved to be effective, pointing out the need for a large number of examiners to reach an average smoothness level similar to the calculated level by software. The experimental laundering analysis took into account three factors at two levels each: water temperature (20 and 54°C), spin speed (500 and 850rpm) and amount of softener (0 and 25g) in a factorial design 23, totaling eight tests, and the measurement of the smoothness level of the substrates was calculated by image processing. Two types of drying were evaluated that follow the washing step: in the machine and on the clothesline. The two types of drying were compared to each other by performing eight tests with the substrates that left the washing, this time measuring the smoothness level after drying. It was performed the variance analysis for the type of drying and amount of softener that the fibers were subjected to in the wash. In the washing analysis, no factor was influential with a significance level of 0.05, being considered, in order of influence, from highest to lowest: spin speed, water temperature and softener amount. Both drying showed a wrinkling decrease before washing, but none of them was significant in the gain of the smoothness level in relation to the wash, although the LSE12 machine presented a greater gain. The presence of softener in the fibers during drying increased the smoothness level gain, but not significantly.