Abaca fibers demonstrate enormous potential as reinforcing agents in composite materials. In this study, abaca fibers were immersed in 5, 10 or 15 wt.% NaOH solutions for 2 h, and the effects of the alkali treatments on the mechanical characteristics and interfacial adhesion of the fibers in a model abaca fiber/epoxy composite system systematically evaluated. After 5 wt.% NaOH treatment, abaca fibers showed increased crystallinity, tensile strength and Young’s modulus compared to untreated fibers, and also improved interfacial shear strength with an epoxy. Stronger alkali treatments negatively impacted fiber stiffness and suitability for composite applications. Results suggest that mild alkali treatments (e.g. 5 wt.% NaOH for 2 h) are highly beneficial for the manufacture of abaca fiber-reinforced polymer composites.

Natural fibers exhibit noticeable variations in their cross-sections, and measurements assuming a circular cross-section can lead to errors in the values of their properties. Providing more accurate geometric information of fiber cross-sections is a key challenge. Based on microscopic images of natural fiber structures, this paper proposes a natural fiber microstructure detection method based on the CA-DeepLabv3+ network model. The study investigates a natural fiber microstructure image segmentation algorithm that uses MobileNetV2 as the feature extraction backbone network, optimizes the Atrous Spatial Pyramid Pooling (ASPP) module through cascading, and embeds an Efficient Multi-scale Attention (EMA) mechanism. The results show that the algorithm proposed in this paper can accurately segment the microstructures of multiple types of natural fibers, achieving an average pixel accuracy (mPA) of 95.2% and a mean Intersection over Union (mIoU) of 90.7%.