人工智能语境下的皮革制品设计路径研究

曾钦宇，孟凯宁，王媛麟

（西华大学，四川 成都 611730）

引言

人工智能（Artificial Intelligence，AI）已经成为推动全球科技发展的关键因素之一[1]，在医疗[2]、教育[3]、社会经济[4]等领域得到广泛应用。AI 技术的进步正在服务于各个领域的设计工作，深度改变设计者的工作方式和设计路径[5]。利用AI 的数据处理和预测分析等能力，有助于提升设计效率，创新设计元素，预测市场趋势[6]。然而，传统皮革制品设计依赖于设计者的专业技能和个人经验[7]，这在一定程度上限制了生产效率和设计创新，也难以满足日益多样化的市场需求。目前，AI 多应用于皮革制品设计的用户调研阶段，且处于初级阶段[8]。因此，如何有效地将AI 算法融入皮革制品设计各流程变得尤为重要。研究旨在探讨基于AI 算法搭建新的皮革制品设计路径，将集中解决以下几个关键问题：一是如何为不同的设计阶段选择合适的AI 算法；二是如何使用AI 提升皮革制品的设计效率和质量；三是如何通过AI 重构皮革制品的设计方式。研究致力于AI 技术与皮革制品设计流程的分析，赋能皮革制品设计，帮助挖掘并活化传统文化元素，推动现代皮革制品可持续性发展。

1 概述

1.1 AI 算法在皮革制品设计中应用的可行性

人工智能（AI）的核心技术包括了多种算法，例如机器学习[9]、深度学习[10]和自然语言处理[11]等。这些算法能够通过对海量数据的学习和分析，赋予计算机学习、理解和执行任务的能力，从而实现与人类类似的智能行为[12-13]。随着大数据分析和智能计算技术的发展，这些算法已经被广泛应用于各种设计领域[14]。具体到皮革制品设计，机器学习和深度学习能够在设计的初期阶段就自动生成创新的图案和色彩搭配[15]。通过挖掘和学习历史设计数据，AI能够识别出成功的设计模式，并避免重复过去的错误，从而提高设计质量[16]。在皮革材料的选择上，AI能够分析大规模的材料数据，预测不同类型皮革在特定设计中的性能，以辅助设计者选择最佳的皮革材料[17]。更为关键的是，AI 能够根据消费者的个性化需求，自动调整设计参数，以实现定制化生产[18]。最后，AI 还能通过大数据分析，预测未来的皮革制品设计趋势，从而为设计者和制造商提供市场策略和产品开发的前瞻性参考[19]。

1.2 皮革制品设计路径构建

传统的皮革制品设计路径主要包括初步概念设计、材料选择、工艺选择、打版、试版和生产等步骤[20-21]。此过程主要依赖于设计师的个人经验和审美能力，要求设计师对皮料、辅料、版型等各个环节有深入的理解和技术能力。然而，随着互联网技术的发展和传播媒介的多元化[22]，可以帮助设计师轻松获得大量的设计素材。当然这也就需要他们处理大量的信息，因而增加了设计的复杂性。可见，以传统皮革制品设计方法与AI 技术为切入点，将是重塑皮革制品设计路径的重要方法。研究将分析传统皮革制品的设计要素和设计流程，并结合当前AI 技术的发展，重构皮革制品的设计路径，如图1 所示。

图1 AI 语境下的设计路径构建方法Fig.1 Methods for building a design pathway in the context of AI

2 AI 语境下的皮革制品设计要素分析

2.1 传统模式下的皮革制品设计要素

皮革制品设计所包含的要素比一般工业产品更为复杂，它不仅需要考虑工业化设计体系中的通用设计元素，还需兼顾皮革制品作为工艺品的独特属性。研究通过结合定性和定量研究方法，以梳理传统皮革制品设计的关键元素。首先，通过文献研究和专家访谈，确定了影响皮革制品设计的八个关键要素，它们分别是：功能性、材料性、风格、使用场景、结构设计、工艺性、可持续性和成本控制。为了对这些要素进行实证研究，对淘宝网中公开的皮革制品关键词进行采集，并利用Python 编程进行数据的清理、筛选和排序等操作。在数据处理过程中，研究通过统计频次，找出了皮革制品设计中经常出现的子要素。为了更精确地描述这些要素，研究对部分子要素进行了合并或概括，使得这些要素之间的关系更为清晰，如表1 所示。

表1 皮革制品设计要素表Tab.1 Elements of leather goods design

2.2 AI 语境下的设计参数分析

信息技术驱动着AI 在设计领域的应用与发展。如ChatGPT（语言生成模型）等先进的AI 模型正深刻地改变着设计领域的生产模式[23]。AI 环境下的设计参数也涌现出新的特点和模式。为了深入探究AI 对皮革制品设计的影响，首先要理解AI 的核心特性。根据学者张才明[24]、Ahmed[25]、Yigitcanlar[26]等人的研究，AI 的主要特性可以总结为数据驱动、交互性、预测性和学习性。将这些特性与设计学相结合，可以总结出AI 环境下的设计参数，见表2。数据驱动是AI 的关键特性，体现在运用各类型数据集，如文本、图像、视频和音频数据等。具体到皮革制品设计，这些数据可能包括民族纹样、图案元素等[27-28]。这些数据为训练AI 模型提供支持，同时也为设计者提供了丰富的设计视角和创作深度；AI 的交互性要求设计者重视用户体验。这意味着设计者需要具备新的时空视野来面对广阔的产品应用范围。这就需要设计者全面考虑用户需求、用户行为、用户目标和用户场景等设计参数[29]。而AI 通过学习、理解这些参数，能够提供个性化和适应性强的设计；预测性是AI 的一项关键能力，且已被引入到设计中。预测模型的参数分支有短期、长期预测，趋势预测和模式识别等，通过这些预测，设计者能够预判并适应未来趋势和模式，从而更好地规划皮革制品设计；AI 的学习性，尤其是自我学习和提升的能力，为设计领域引入了学习算法，包括监督学习、非监督学习、强化学习和深度学习等。这些学习算法让AI 从数据中不断学习和提升，进一步优化设计效果。

表2 AI 环境下的设计参数Tab.2 Design parameters in AI environment

2.3 AI 语境下的皮革制品设计要素整合

研究基于AI 的核心特性（数据驱动性、交互性、预测性和学习性）详细描述了皮革制品设计要素的整合流程，并阐明了AI 核心特性如何影响与塑造皮革制品设计的要素及其子要素，如图2 所示。在这一过程中，AI 的数据驱动性使得设计者需要更加注重数据收集与数据处理，也衍生出AI 语境下新的设计要素，即“数据优化材料与元素”。利用数据驱动，设计者可收集、分析大量数据，精准选用皮革材料并有效应用设计元素，如优化皮质类型、鞣制方式、元素提取等，满足多样化的皮革制品表现需求；交互性带来的用户体验已成为核心设计参数，为皮革制品提供“细分功能与场景”设计要素。利用交互性，皮革制品可以深度理解并满足用户细分需求；预测性贡献了“风格趋势预测”这一设计要素。通过预测模型，设计者可以参考未来皮革制品设计趋势和设计风格的接受度；学习性体现在学习算法和自适应算法的运用。利用学习算法，设计者可优化皮革制品的结构和成本，形成“结构与成本优化”的设计要素。而自适应算法则能在环境变化时调整设计策略，优化生产方式，提高可持续性，从而产生“可持续性改良”的设计要素。

图2 AI 语境下的皮革制品设计要素整合Fig.2 Integration of design elements for leather goods in the context of AI

3 AI 算法在皮革制品设计中的应用

3.1 皮革制品设计与制作流程

皮革制品设计的独特性在于设计与制作的紧密结合，流程涵盖概念设想到最终制作各阶段。主要包括数据调研、草图绘制、打板、材料选择、试版、样品制作、测试、设计迭代和批量生产，如图3 所示。在设计阶段，设计者可通过AI 分析用户与市场数据，绘制产品草图。同时，基于AI 学习算法，设计者可以优化产品功能与场景，提升用户体验。而通过AI 对市场数据的分析，也有助于预测皮革制品的风格趋势。除此之外，设计者还可以通过数据学习，优化产品结构与成本效益。同时，数据驱动方式有助于精准选择皮质类型和鞣制方式。在制作阶段，设计者可根据用户反馈调整产品，并利用AI 自适应系统进行优化。样品制作时，设计者可以依据设计阶段的数据选择适当的工艺。同时，AI 预测还能模拟出多种样品类型，以进行优选。测试样品时，数据驱动的评估方式能全面考量皮革制品的市场接受程度，从而促进更加高效的产品迭代。最后，在批量生产阶段，利用AI 的预测和自适应能力来优化生产流程，同时权衡生产成本，确保生产的高效和经济。

图3 皮革制品设计与制作流程Fig.3 Process of designing and producing leather goods

3.2 基于AI 技术的皮革制品设计方法

人工智能技术具有独特的原理和算法，在设计领域中积累了丰富的应用案例和实践成果。在皮革制品的设计与制作流程中，基于人工智能的方法已得到广泛应用，涵盖数据输入、生成模型以及生成设计等关键阶段，具体过程如图4 所示。

图4 人工智能生成过程Fig.4 Artificial intelligence generation process

机器学习技术包括监督学习、非监督学习和强化学习[30]，基于机器学习的皮革制品制作方法主要依赖于数据驱动和模型预测的方式来实现各种设计和生产流程的自动化和优化[31]。在监督学习中，通过输入已经被标记（例如设计风格、颜色、纹理等）的图片，训练模型学习并理解这些特性，进而预测新的皮革制品设计的输出结果[32]。例如，设计者可利用算法模型学习特定风格，并创造类似风格的新设计。非监督学习通过寻找数据集中的内在结构和规律进行学习[33]。例如，聚类方法可找出新的颜色或纹理组合。强化学习则通过与环境交互，寻找最佳设计策略，例如，模拟设计过程以寻找最优的设计流程[34]。

在深度学习领域，生成对抗网络（Generative Adversarial Networks，GAN）、循环神经网络（Recurrent Neural Network，RNN）和卷积神经网络（Convolutional Neural Network，CNN）三种生成模型较为适合被应用在皮革制品设计中。GAN 能够产生新的且与实际数据相似的数据[35]，设计者可以利用GAN 生成新的设计元素，如皮革纹理、颜色搭配等。RNN 适合处理序列数据，设计者可以使用RNN 处理与时间序列相关的问题，例如预测未来的设计趋势或市场需求[36]。而CNN 擅长处理图像，对于识别图像中的模式和特征有极高的精度[37]。设计者可以使用CNN 进行图像识别和分类，例如自动识别和分辨皮革材料的类型和质量，或者识别和提取设计图像中的元素。

3.3 AI 在皮革制品设计流程中的技术匹配

在皮革制品设计的各阶段中，都有与之适应的AI 算法模型。它们可用于单一阶段，亦可跨阶段交叉应用。下文将列举不同阶段可使用的算法，如表3所示。调研阶段需获取用户反馈和市场信息，此时适用自然语言处理技术（Natural language processing，NLP），如情感分析和文本分类，能有效处理用户的评论和反馈[38]。特定的模型如情感分析（Sentiment Analysis）、文本分类（Text Classification）等可以用于理解和分析文本数据；在收集和分析用户需求阶段，聚类分析、关联规则分析、决策树等方法能对市场热门皮革制品的设计要素分类，并在指定的标准下确定关键点，从而深入解析用户需求[39]。预测风格趋势阶段，使用时间序列分析、回归分析、神经网络（如RNN 和LSTM）等方法，能帮助设计者预测未来的风格趋势[40-41]。设计产品外观和结构阶段，使用卷积神经网络，如PigeoNET[42]可对图片进行分类，使用卷积神经网络与深度学习相融合的神经风格迁移（Neural Style Transfer，NST）完成设计的风格迁移[43]。使用生成对抗网络可以根据训练数据生成新的、逼真的设计图像；在优化产品的结构和成本阶段：使用优化算法（例如线性规划和遗传算法）和神经网络（例如卷积神经网络），以在满足设计需求的同时兼顾成本因素；在选择材料阶段：使用分类算法（例如支持向量机SVM）、决策树（例如CART）和神经网络（例如前馈神经网络FNN）等方法[44-45]帮助设计者根据设计需求选择合适的材料；在制作样品阶段，可以使用模拟算法（例如蒙特卡洛模拟）和神经网络（例如前馈神经网络FNN）[46]预测制作过程和结果；在测试与迭代优化阶段，则可以使用深度学习（例如深度神经网络DNN）和强化学习（例如Q-Learning）等方法检查异常数值或进行偏差分析[47]，根据测试结果，帮助设计者进行设计的调整和优化。

表3 皮革制品设计流程对应的AI 算法类型Tab.3 Types of AI algorithms corresponding to the leather goods design process

4 AI 语境下的皮革制品设计路径

AI 的发展无疑为皮革制品设计开启了全新的视角和可能性。通过深入探究AI 环境下的设计元素以及AI 算法在皮革制品设计中的实际应用，研究构建了一种全新的皮革制品设计路径，如图5。该路径由5 个层面组成，包括AI 算法、AI 可用模型、设计范式、设计要素和设计路径切入点。皮革制品设计者可对应路径中的不同层面优化设计。AI 语境下的皮革制品设计路径并非是单向的，自AI 算法至设计路径切入点是AI 嵌入皮革制品设计的过程。具备AI 技术的设计者可以算法为出发点，开发适用于不同设计范式、设计要素的AI 模型；从设计路径切入点到AI 算法是AI 提升设计能力的过程。皮革制品设计者可利用AI 拓展设计范围，增强创新力量，并提升合作共创的能力。AI 可应用的模型为设计者使用AI算法处理设计问题提供了可能，皮革制品设计者可选取不同的设计范式与设计要素。这些改变有助于提升皮革制品的设计质量，提高设计效率，并赋予皮革制品更丰富的形态和功能。

图5 AI 语境下的皮革制品设计路径Fig.5 Design pathway of leather goods in the context of AI

4.1 扩大皮革制品设计范围

AI 的介入可以使皮革制品设计的范围得到了显著扩展，突破传统设计的框架，使设计范式、设计环节以及设计角色实现拓展和升级。AI 增强了信息处理能力，显著提高了各种设计范式的应用性和准确性，尤其对于需要大量目标人群信息的用户体验设计，或者需要反馈数据的生态设计，AI 都具有重要价值。此外，皮革制品设计者也可以通过AI 的帮助，参与到更多的设计环节中，不论是进行非擅长领域的设计修正，还是优化非传统设计环节，如销售环节，都能赋能传统皮革制品设计，提升其整体效率。同时，AI 的智能化也使得设计者拥有更多的能力应对社会挑战。以保护非物质文化遗产为例，设计者可以借助AI 的力量，同时考虑皮革的特性和市场需求进行设计。再者，面对皮革制品可能带来的环境问题，利用大数据进行分析，追踪皮革制品的淘汰率和风格变化趋势，可以实现更精准的设计，并尽可能在设计阶段就降低对环境的影响[48]。

4.2 增强皮革制品设计的创新能力

AI 技术的发展已推动皮革制品设计进入智能化时代，这为皮革制品设计的创新打开了新的渠道，主要体现在设计要素的创新、数据选择的创新以及设计流程的创新三个方面。首先，AI 技术使得设计者在设计阶段考虑的因素大幅增加，特别在数据化、交互化和智能化等方面。这些新因素不仅拓宽了皮革制品设计的视野，还增加了设计的复杂性和深度，推动了设计的丰富性和创新性。其次，利用AI 技术，设计者能够处理大量的文字、图片、音频和视频信息，并将其转化为设计稿，这大大提高了设计效率，丰富了设计素材。最后，借助AI 算法，设计者可以打破传统设计流程，利用AI 模拟实物制作流程，极大地提升了设计效率。

4.3 提升皮革制品设计的共创能力

AI 技术的引入极大地推动了皮革制品设计的共创进程，这主要体现在增强协作能力、打破信息壁垒和提高设计参与度三个方面。首先，借助互联网平台，AI 设计插件可以在协同设计中发挥作用，使设计者们无论何时何地都可以参与到皮革制品的设计中。这不仅克服了时间和空间的限制，也促进了设计者之间的交流和互动，进一步提升了协作水平。其次，随着网络技术的发展和大数据的应用，设计者可以获取海量的创作素材并分享作品。这使得设计者可以从更广阔的领域获取灵感，为皮革制品设计的可能性和多样性注入新的活力。同时，网络和信息化的便捷性也为作品的存储、传播和分享提供了更高效的方式，进一步活跃了设计交流和创新。最后，AI 的介入降低了皮革制品设计的难度，让更多的人可以参与到设计过程中。例如，皮具爱好者可以借助AI，通过自然语言描述来获取和修改版型尺寸、样式等数据。这种低门槛的设计方式吸引了更多跨界参与者，提高了设计的参与度，进而增加了优秀皮革制品设计的产出机会。

5 结语

研究聚焦于AI 语境下的皮革制品设计，旨在探究AI 在此领域的应用深度。通过挖掘AI 环境所带来的变化，识别并整合了新的设计要素与流程，推动了皮革制品设计与AI 的紧密结合，进而提升设计效率与质量。此外，研究为设计者和AI 开发者开辟了新视野，阐述了AI 在拓宽皮革制品设计边界方面的作用，这使得设计流程中的AI 融合更为高效，同时也提升了设计的创新力和实用性。研究最后构建了一个完整的皮革制品设计路径，并将AI技术嵌入各设计环节，为设计者展示了AI 在皮革制品设计中的应用广度。总体而言，研究阐述了AI如何赋能皮革制品设计，搭建了一个以AI 为核心的皮革制品设计新路径，为未来皮革制品设计工作的升级提供了理论基础和技术参考。