人工智能引领纺织行业创新发展

2021-08-23冯英杰蒋高明彭佳佳

现代纺织技术 2021年3期

冯英杰蒋高明彭佳佳

摘要：将人工智能技术与纺织各领域相结合，利用计算机视觉技术，使用深度学习算法搭建定制化和个性化以图搜图引擎;基于机器视觉开发经编针织物疵点在线检测系统以及智能验布系统;借助自然语言处理进行个性化纺织专业教育;利用机器学习算法开发智能CAD、纺织面料评级与分类、生产管理以及服装面料图案设计的应用，进行流行趋势预测以及服装设计;工业机器人的发展实现了筒子纱染色的数字化自动生产。人工智能将作为战略性技术引领纺织行业发展，带动提高纺织各领域智能化水平，进而带来深远的变革。

关键词：人工智能;人工神经网络;自然语言处理;机器学习;纺织行业

中图分类号：TS181.8 文献标志码：B

文章编号：1009-265X（2021）03-0071-07

Abstract： A custom and personalized image search engine was built by combining artificial intelligence technology with various fields of textiles and using computer vision technology and deep learning algorithms. The online detection system for warp knitted fabric defects and intelligent cloth inspection system were developed based on machine vision. Natural language processing was used for personalized textile professional education. The machine learning algorithm was utilized to develop intelligent CAD， textile fabric rating and classification， production management， and clothing fabric pattern design applications for fashion trend prediction and clothing design. The development of industrial robots has realized the digital automatic production of cheese dyeing. Artificial intelligence， as a strategic technology， will lead the development of the textile industry， promote the improvement of intelligence level in various fields of textiles， and then bring about profound changes.

Key words：artificial intelligence; artificial neural network; natural language processing; machine learning;textile industry

人工智能是指用計算机模拟人类智能行为的学科，包括感知、认知和执行。它涵盖了训练计算机完成人类行为的范畴，如自主学习、判断和决策。主要发展领域：视觉识别（看）、自然语言理解（听）、机器人（动）、机器学习（自我学习能力）等。在技术层面，人工智能分为三个层面，认知技术包括机器学习技术及使用机械视觉、语音识别和其他人工智能技术获取外部信息的技术。执行技术包括硬件技术和人工智能与机器人相结合的智能芯片计算技术。人工智能是当今科学与技术发展的一大主流方向。2030年人工智能将为世界经济贡献15.7万亿美元，超过中国和印度2017年的经济总量14.8万亿美元[1]。国务院2017年7月发布的《新一代人工智能发展计划》表明，中国人工智能的发展已经进入一个新阶段。人工智能在纺织领域已经有了很多结合，应用了机器视觉的针织物疵点在线检测、智能验布系统，精度和速度均远高于人工;自然语言处理在纺织电子商务中的应用使用户在家中即可体验穿着效果;机器学习的应用使纺织CAD具有逻辑推理和决策的能力，提高面料评级分类以及生产管理的精度和效率，还可以帮助设计师预测服装流行趋势;智能机器人在纺织生产中的应用极大地降低了用人成本，提高生产效率。

1 计算机视觉在纺织行业中的应用

计算机视觉是一门研究如何让机器“看”的学科，用计算机代替人眼，对事物进行识别、跟踪和测量，进一步进行图形处理[2]。在大规模视觉识别挑战赛中，图像标签的错误率从2010年的28.5%降到了2017年的2.5%[3]，人工智能系统对物体识别的能力已经超越了人类如图1。现在计算机视觉在纺织行业中被用在纺织产品检索方面。

引入面料视觉基础分类的横纹、竖纹、格纹等面料图像类概念，对于通过基于尺度和位移两个参数增加一个方向参数来从大量数据中提取织物设计图案的问题，Dauchechies小波旋转和旋转复变换通过构造多分辨率图像分解形成的特征表来实现，具有更好的方向识别能力，与传统的使用矩阵均值和方差作为纹理数据的方法相比，在图像边缘（如曲线和直线）等几何特征的表示上有一定的优势[4]。

深圳码隆科技研制的ProductAI的人工智能视觉平台，搭建起定制和个性化的以图搜图引擎，分析智能色彩流行趋势及服饰标注管理，减少企业的人力成本，优化生产制造流程，提高购买转化率。

2 机器视觉在纺织行业的应用

机器视觉分辨率远高于计算机视觉，并且更高效，可以通过优化算法来提高速度。机器视觉中的分层识别系统[5]，能有效减少计算量，提高识别精度。

2.1 机器视觉在经编针织物疵点在线检测中的应用

随着机器视觉和图像处理技术的发展，越来越多的公司将纺织品缺陷自动检测技术引入工业生产。目前在中国，很多的纺织企业仍依靠人力来检测织物疵点，不能达到对产品质量的严格把控[6]。

江南大学自主研发的断纱自停织物疵点在线检测系统，通过工业摄像机，实时处理图像，在线获取织物图像，在织造过程中，如果出现疵点，实时检查机器停机情况，允许在线检测织物疵点如图2。系统包括图像采集、疵点识别和机械控制模块[7]，具有先进的评估系统及特殊的影像加工软件，基于最优Gabor滤波器的织物疵点自动检测方法，使用非接触式检测，无机械损耗。具有检测快速准确、反应时间快，操作简单、可靠性高，维护保养成本低的优点。系统可适用于一般常见经编织疵，断经、油污、破洞的实时检测，可指示疵点发生位置并报警即时停机[8]。断纱自停织物疵点在线检测系统填补了中国经编织物疵点检测技术的不足，有效加快中国经编产业的高质量发展。

2.2 机器视觉在纺织面料疵点检测中的应用

智能验布机是基于机器视觉技术，集机械、电子、光学、计算机、软件工程等于一体的疵点检测机器。具有非接触、可重复、可靠、精度高、连续性、效率高、柔性好等众多应用优势[9]。采用机器视觉检测技术，利用CCD工业相机模拟人眼检测布料疵点;通过抓取图像、分析参数、对比数据，准确对被检测布匹瑕疵点进行定位;再通过机械手/贴标机等对瑕疵点进行标记，同时生产布匹的详细检测报告。

智能验布系统与人工验布相比，具有如下特点：

检测速度高达60～250 m/min，人工15～35 m/min;检测幅宽1.2～3.6 m，人工检测1.6 m;设备可24 h连续运转，不会视觉疲劳;可准确直观记录疵点细节及分布情况;可与客户的MES系统自动对接导入，便于企业的数据化、信息化管理。可对织布各生产工艺流程进行实时监控，将损失降至最低点。如果发现严重缺陷，将进行报警和停机，以减少后续工艺延迟造成的大规模退货。

3 自然语言处理在纺织行业中的应用

自然语言处理（NLP）是将用于人类交流的语言变成机器能够理解的语言。是人工智能产业发展的核心技术之一[10]。自然语言处理作为人工智能的一个重要分支，在数据处理领域占有越来越重要的地位[11]。自然语言处理在确定语法结构上的能力已经接近人类能力的94%，在文档中找到答案的能力已经接近人类，识别语音方面在2016年达到人类水平，如图3。

3.1 自然語言处理在个性化纺织专业教育中的应用

利用语音识别、自然语言处理等技术研发教育机器人，利用教育机器人进行自动化答疑与辅导;自动化识别不同学生的身份、性格、学习兴趣从而向不同学生传达不同的学习方法与内容，并结合实时反馈系统对学生的学习情况进行实施监督与反馈[12]。

3.2 自然语言处理在纺织电子商务中的应用

人工智能时代结合自然语言处理技术的电子商务系统相较于传统的电子商务，又有很多新的突破。利用虚拟试穿技术，让用户在家中就可体验穿着效果。此外还有智能客服机器人、推荐引擎、以图搜图、趋势预测等功能。在人工智能的支持下，可有效提升客户满意度，推动电子商务的持续发展。

4 机器学习在纺织行业中的应用

机器学习本质上是计算机算法，计算机通过大量样本数据的训练后能够对以后输入的内容做出正确的反馈，把人类思考归纳经验的过程转化为计算机通过对数据的处理计算得出模型的过程。主要以深度学习，增强学习算法为主，赋予机器自主学习并提高的能力。

机器学习的应用非常宽泛，以自然语言处理、图像识别和实体识别的形式被应用于文本、图像，视频中。还可以应用于汽车自动驾驶和医疗辅助诊断。其中，深度学习是机器学习的一个新的领域，人工神经网络是通过模仿人类的脑神经回路来进行分类作业的机器学习的算法，深度学习就是多层结构的人工神经网络。

4.1 机器学习在纺织CAD中的应用

近年来，纺织行业向着小批量、多品种、变化快的趋势发展。传统的CAD交互过程太多，只是简单模仿设计人员的手工操作过程[13]，引入深度学习的智能CAD系统具有逻辑推理和决策能力，在配色、织纹、纱线上具备一定的自动协调设计能力。结合大量设计示例、经验和标准，不断缩小基于设计目标的搜索范围，依赖知识库和自学系统达到理想的设计效果，如图4为程序设计流程图。引入机器学习的纺织CAD还可进行机器速度预测和送经量预测，将产品组织拆分成单元，求取数据库中具有相同组织单元的送经量平均值，根据所占权重预测送经量如图5。

4.2 机器学习在纺织面料评级与分类中的应用

将机器学习应用到纺织面料评级分类中，既可以进行疵点的识别和分析，还可以评价织物的性能、棉杂质的分类和等级、起球等级和染色率的计算等，另外，还可用于分析、预测透气性、耐皱性、耐磨损性等织物的各种性能。

a）织物风格评价。通过KES-F系列风格仪可以完成织物风格评价，测定各样本的基本物理力学量，通过多元回归分析法，建立了慕本样式值Y和基本物理力学量之间的线性回归方程，包括综合样式值H和基本样式值间的多元线性回归方程式[14]。

b）纺织分类评级。用多层网络MLP及概率神经网络PNN（图6）对棉纤维的色泽进行了研究[15]，用概率神经网络在小样本训练中获得了较高的识别率。

c）纺纹识别。用三层BP网（图7）进行调练，将Kawabata风格仪测得的物理量作为输入参数，织物种类为输出参数[16]。

4.3 基于机器学习的纺织生产管理

将机器学习应用到实际生产中，建设工厂大数据系统、网络化分布等现代设施，开展以自动化和智能化生产、在线工艺和质量监控、自动输送包装及智能仓储为主要特征的智能化管理、智能化工厂建设[17]。将机器学习引入到工厂中，解决传统生产中只注重事后处理，缺乏科学的事先控制措施的问题。

a）决策树C5.0算法通过对数据集处理，选择信息增益率最大的元素作为根节点，分别计算原材料、产品、设备型号、挡车工作、班次和质量等级元素的信息增益率，将确定树构建为一个分支，计算每个元素的值，优化每个决策树样本的权重，使用Boosting算法迭代生成多個决策树最后得到高准确度的质量管理决策树模型[18]。

b）智能排产系统APS是利用先进的信息科技及规化技术如

遗传算法（Genetic Algorithm）、限制理论（Theory of Constraints）、运筹学（Operations Research）、生产仿真（Simulation）及限制条件满足技术（Constraint Satisfaction Technique）等，在考虑企业资源（主要是材料和能力）的制约[19]和生产现场的管理和派遣规律下，规划可行的材料需求计划和生产计划（图8），以满足顾客需求及面对竞争激烈的市场。

c）绩效考核系统运用系统工程中的层次分析法（AHP），建立了针织行业绩效考核递阶层次结构，客观地对生产企业人员绩效考核的有关绩效衡量、绩效目标分解与指标设置、指标权重计算等过程进行了定性和定量的研究与尝试[4]。但是，在应用层次分析法之前，应结合其他方法，灵活、简单地应用层次结构。应采取其他一些方法和手段来减少层次结构，缩小评估对象的范围，从而提高科学决策，同时兼顾效率[4]。

4.4 人工神经网络在智能穿戴中的应用

使用人工神经元网络（ANN）计算模型（图9），从呼吸模式中提取特征，开发了使用呼吸模式的生物特征预测系统。该系统能够以99.8%的准确度正确预测生命体征。

4.5 机器学习在服装流行趋势预测中的应用

借助计算机视觉与图像处理技术，分析海量图片，可以分析出不同群体的穿衣偏好，归纳出流行色、款式等。使用人工神经网络进行趋势预测明显优于现有的建模方法。这不仅能正确解决许多复杂问题，而且能进行服装流行的预测，成为纺织服装时尚创新的理想工具。可以提高对市场流行变化的敏感度，使用人工智能系统更好的分析行业销售情况，预测潮流走向，进一步地指导实际生产。

4.6 机器学习在服装面料图案设计中的应用

人工智能纺织面料图案设计平台由中国纺织信息中心、国家纺织产品开发中心与微软（亚洲）人工智能工程院合作开发，如何根据人工智能情感化计算框架将感性的图案设计用理性的逻辑流程与语言表达出来是开发的重难点，需要建设科学的纺织服装图案知识图谱及可供训练的数据库，并依据成千上万的图案特征逐一进行训练开发。

目前，印度、英国、韩国都推出了由人工智能设计出的服装。人工智能首先对现有库中图片进行分析，生成与现有库中相似但不重复的图像，与设计师反复修改后，完成最终设计。人工智能系统使用色彩心理学来匹配情感色彩的算法，并且会对更新的数据分析学习，持续无限地导出新的服装款式，满足现在快时尚的需求。

4.7 机器学习在人工智能服装设计中的应用

基于Browzwear SmartDesign的智能模板，通过使用强大的模板配置器，根据自己的风格定位，选择合适的组件创建模板。人工智能通过整合所有的信息，可以帮助设计师更快地创建单一服装或完整的系列，能实时查看3D穿衣效果模拟。借助SmartDesign模板，设计师将比以往更多地思考设计的本质，可以极大程度降低重复劳动，减少试验成本。

谷歌与Zalando电商合作开发出Project Muze AI服装设计师，结合大量数据，设计出符合用户性格气质的服装。美国时尚电商Stitch Fix通过“数据科学+造型师”的方法，使用人工智能技术、造型师和在家试穿“三合一”的模式，根据客户反馈信息及个性化尺码要求，不断优化订单，设计出更符合客户需求的服装。

5 机器人在纺织行业中的应用

智能化已成为当前机器人中重要的发展方向，将人工智能与机器人融合创新，使智能机器人有自主的感知、认知、决策、学习、执行和社会协作能力。工业机器人的普及是促进企业转型，实现自动化生产和提高社会生产效率的有效手段。

5.1 机器人在筒子纱自动上纱中的应用

利用机器人模仿人类动作、完成设定动作的想法，将工业机器人应用到纬编中，代替人工将筒子纱自动上纱。无锡艾姆维公司生产的机器人根据预先编排的程序，将筒子纱搬运到指定位置，辅助完成机器生产，可以提高生产效率，节约人力成本（图10）。

5.2 机器人在筒子纱智能染色中的应用

“筒子纱数字化自动染色成套技术与装备”创新研发出筒子纱数字化自动染色的工艺技术，从原丝到成品筒子纱染色全过程的数字化自动化生产[20]首次在数字化自动染色设备和整个染色过程的中央自动控制系统，使中国成为世界上第一个突破全过程自动染色技术并实现工程应用的国家。

如图11，在轨道上来回穿梭的机械臂准确抓取纱卷，染缸盖自动开启闭合，自动完成上染、烘干等工序。目前，康平纳纺机的成套装备及单台设备已在鲁泰、孚日等企业推广，该应用为构建中国最具特色的纺织机械研发生产基地奠定了坚实的基础。

5.3 智能仓储物流系统在纺织行业中的应用

工业机器人在智能仓储物流系统的应用，对推动纺织工厂的智能化信息化、推动产业升级转型起到了极大的作用。目前，美国、欧元区国家及中国的天猫、菜鸟、京东都开始了仓储物流机器人改革。机器人的应用已成为决定企业之间竞争及其未来发展的一个重要因素[21]。仓储和物流行业面临着前所未有的发展机遇和全新的模式变革。

以恒力股份的智能化生产车间为例，从清板、落筒，到丝饼的运输、取放、上线、裹膜、落包、打包、缠膜、入库，一整套的产品生产流水线系统全部由机器操作完成，如图12。

6 发展展望

人工智能的应用与发展，关键在交叉学科研究中寻求创新[22]，将纺织行业的特点，以计算机为载体，相互融合发展。随着计算机和人工智能技术的发展，纺织时尚行业将迎来第四次工业革命[23]。纺织行业的智能化发展，极大地依赖于人工智能技术的进步，纺织行业与人工智能的交叉渗透同时也会倒逼人工智能的迅速发展。

6.1 智能穿戴的智慧化和柔性传感器

智能穿戴将会向着智慧化和柔性传感器[24]两个方向快速发展。2019年华米科技宣布全球首颗智能穿戴領域人工智能芯片正式量产应用[25]，人工智能技术将引领智能穿戴走向新的发展。柔性传感器利用了针织物大应变和可拉伸回复性的特点，有效提高传感器的三维曲面贴合性、高灵敏性及使用稳定性[26]，将成为智能穿戴的重要发展方向。

6.2 服装生产模式变革

现在服装生产模式正向着小批量、多品种、变化快、交货快的趋势快速发展，运用AI物理引擎来对服装进行动态物理分析，高精度还原服装真实穿戴效果，根据模拟效果直接确定服装样板，节省了传统服装生产模式中制作样布、样卡的时间和材料成本。人工智能技术的应用，将会掀起高端定制，生产厂家直接与消费直接交流互动的浪潮。

6.3 纺织品质量检测

用人工智能的机器视觉检测代替人工对纺织品进行质量检测，可以实现人工检测疲劳和主观性所带来速度、精度下降的问题[27]，解放生产力，解决劳动力成本增高的问题。纺织品表面纹理、形态特征复杂，疵点复杂[28]，人工智能系统在当前阶段还有很多需要完善的空间。目前可适用的织物种类和疵点种类比较单一，纺织品疵点检测的算法仍在深入研究中。

7 结语

人工智能日益成为未来制造业发展的重大趋势和核心内容，既是加快产业转型，谋求出路的重要措施，也是在新标准下创造新的国际竞争优势不可避免的选择。关注全球科技发展的新趋势，加快纺织行业人工智能的创新应用，带动纺织各领域智能化水平提高，努力掌握核心技术和关键技术设备，为促进高速经济增长、提高制造业水平提供坚实有力的支持。当前纺织行业公共数据开放共享程度还不够，企业参与增值数据开发进展缓慢，成为制约人工智能发展的瓶颈。在未来的“人工智能+纺织”中，要对纺织行业大数据进行挖掘，抓住历史机遇，把人工智能作为引领纺织行业的战略性技术，进而带来深远的变革。

参考文献：

[1]ANAND S.R， VERWEIJ G. Sizing the prize： whats the real value of AI for your business and how can you capitalise[R].London： Pricewaterhouse Coopers，2017.

[2]梅金燕.双目测距系统中快速匹配算法研究[D].苏州：苏州大学，2012.

[3]SHOHMA Y， PERRAULT R， BRYNJOLFSSON E. Artificial intelligence index 2017 Annual Report[R].Palo Alto： Stanford University，2017.

[4]罗戎蕾.基于复小波变换的纺织品图案检索方法研究[J].浙江理工大学学报，2015（1）：46-50.

[5]KOKOULIN A N， YUZHAKOV A A， KIRYANOV D A. Hierarchical object recognition system in machine vision[J].Journal of Physics Conference Series，2019，11（1）：1-7.

[6]蔚苗苗.织物疵点检测算法研究和系统实现[D].无锡：江南大学，2017.

[7]蒋高明，崔双双.人工智能技术在针织行业的开发与应用[J].纺织导报，2018（3）：30-32，34.

[8]夏栋.基于多尺度几何分析的经编织疵在线检测[D].无锡：江南大学，2017.

[9]李九灵.可重构的机器视觉在线检测方法的研究[D].武汉：武汉科技大学，2013.

[10]葛运东，陈洪梅，姚建民.自然语言处理的技术和产业应用现状与趋势分析[J].产业与科技论坛，2019，18（17）：113-114.

[11]赵京胜，宋梦雪，高祥.自然语言处理发展及应用综述[J].信息技术与信息化，2019（7）：142-145.

[12]龚炜博.以AI技术在教育领域的应用浅析人工智能对未来教育的影响[J].中国战略新兴产业，2018（8）：51，53.

[13]宗亚宁，薛冬梅，崔世忠.智能纺织CAD设计系统[J].中原工学院学报，2002（3）：57-59.

[14]张瑞林.人工神经网络在纺织中的应用研究[D].杭州：浙江大学，2001.

[15]金关秀.基于人工智能的纺织技术开发新途径[J].纺织科技进展，2013（3）：11-14.

[16]肖继海，崔晓红.人工神经网络在纺织上的应用[J].电脑开发与应用，2008（11）：39-41.

[17]任强，徐旻.“纺织行业+人工智能”的探讨[J].纺织器材，2019（6）：13-15.