Система преобразует изображения тканей в полные машиночитаемые инструкции по вязанию

Последние достижения в области робототехники и машинного обучения позволили автоматизировать многие задачи в реальном мире, в том числе различные производственные и промышленные процессы. Помимо прочего, системы робототехники и искусственного интеллекта (ИИ) успешно используются для автоматизации некоторых этапов производства одежды.

Исследователи из Лаврентийского университета в Канаде недавно приступили к изучению возможности полной автоматизации вязания одежды. Для этого они разработали модель, которая преобразует изображения ткани в подробные инструкции, которые могут считывать и выполнять роботы-вязальщики. Их модель, описанная в статье, опубликованной в Electronics, успешно реализует схемы для создания однониточных и многониточных вязаных изделий.

«В нашей статье рассматривается проблема автоматизации вязания путём преобразования изображений ткани в машиночитаемые инструкции, — рассказали Tech Xplore Синьюй Чжэн и Мэнчэн Лау, соавторы статьи. – Традиционные методы требуют ручной маркировки, что трудоёмко и ограничивает масштабируемость. Вдохновившись этим пробелом, мы поставили перед собой цель разработать систему глубокого обучения, которая реконструирует вязаные ткани по изображениям, обеспечивая большую гибкость и масштабируемость в производстве текстиля».

Подход на основе глубокого обучения, разработанный Чжэн, Лау и их коллегами, решает проблему создания инструкций по вязанию в два этапа. Первый этап получил название «фаза генерации», а второй — «фаза вывода».

«На этапе генерации модель ИИ преобразует реальные изображения ткани в чёткие синтетические представления, а затем интерпретирует эти синтетические изображения, чтобы предсказать упрощённые инструкции по вязанию, известные как фронтальные метки, — сказали Хаолян Шэн и Сонгпу Цай, соавторы статьи. – На этапе вывода другая модель использует фронтальные метки, чтобы вывести полные, готовые к использованию машинные инструкции по вязанию».

Новая модель создания узоров для тканей, представленная исследователями, обладает несколькими ценными функциями и преимуществами. В частности, она может создавать как однотонные, так и многоцветные узоры для вязания, точно воспроизводить редкие петли и легко применяться для создания новых стилей тканей.

Исследователи протестировали предложенную ими систему в ходе серии испытаний, используя её для создания схем для примерно 5000 образцов текстиля, которые должны были быть изготовлены как из натуральных, так и из синтетических тканей. Они обнаружили, что система работает очень хорошо, создавая точные инструкции по вязанию для большинства этих изделий.

«Наша модель достигла точности более 97% при преобразовании изображений в инструкции по вязанию, значительно превосходя существующие методы, — заявили Шэн и Цай. – Наша система также эффективно справляется со сложными задачами, связанными с разноцветными нитями и редкими видами стежков, которые были серьёзными ограничениями в более ранних подходах. Что касается применения, наш метод позволяет полностью автоматизировать текстильное производство, сокращая время и трудозатраты».

Новая модель, разработанная Лау, Чжэн, Шэн и Цай, вскоре может быть протестирована и усовершенствована. В конечном итоге она может быть применена в реальных условиях, потенциально поддерживая автоматизированное массовое производство вязаной одежды по индивидуальным заказам. При использовании с роботизированными системами для вязания модель также может позволить дизайнерам быстро создавать прототипы своих проектов или тестировать новые узоры без необходимости вручную создавать машиночитаемые узоры.

«В дальнейшем мы планируем устранить дисбаланс в наборах данных, особенно для редких швов, с помощью передовых методов расширения данных, — добавили Лау и Чжэн. – Мы также планируем внедрить распознавание цвета для повышения структурной и визуальной точности. Расширение системы для обработки входных и выходных данных разных размеров — ещё одна цель, которая позволит ей динамически адаптироваться к разным тканям. Наконец, мы намерены расширить наш конвейер для производства сложных 3D-вязаных изделий и изучить межотраслевые приложения, такие как ткачество и вышивка».

Источник: Tech Xplore