O sistema converte imagens de tecido em instruções completas de tricô legíveis à máquina

Os recentes avanços no robótica e no aprendizado de máquina permitiram a automação de muitas tarefas do mundo real, incluindo vários processos industriais e de fabricação. Entre outras aplicações, os sistemas de inteligência robótica e artificial (IA) foram usados ​​com sucesso para automatizar algumas etapas na fabricação de roupas.

Pesquisadores da Universidade Laurentian, no Canadá, decidiram explorar a possibilidade de automatizar totalmente o tricô das roupas. Para fazer isso, eles desenvolveram um modelo para converter imagens de tecido em instruções abrangentes que os robôs de tricô podiam ler e seguir. O modelo deles, descrito em um artigo publicado em Eletrônicaverificou-se que realizou padrões com sucesso para a criação de itens de malha de feminino único e multi-YARN.

“Nosso papel aborda o desafio de automatizar o tricô convertendo imagens de tecido em instruções legíveis por máquina”, disse ao Xingyu Zheng e Mengcheng Lau, co-autores do artigo, ao Tech Xplore.

“Os métodos tradicionais requerem rotulagem manual, que é muito trabalhosa e limita a escalabilidade. Inspirado por essa lacuna, nosso objetivo era desenvolver um sistema de aprendizado profundo que os engenheiros reversos tricotejam os tecidos de imagens, permitindo maior personalização e escalabilidade na fabricação têxtil”.

A abordagem baseada em aprendizado profundo desenvolvido por Zheng, Lau e seus colegas abordam o problema de produzir instruções de tricô, completando duas etapas principais. O primeiro foi nomeado “fase de geração”, enquanto o segundo foi a “fase de inferência”.

“Na fase de geração, um modelo de IA processa imagens de tecido reais em representações sintéticas claras e, em seguida, interpreta essas imagens sintéticas para prever instruções simplificadas de tricô, conhecidas como etiquetas frontais”, disse Haoliang Sheng e Songpu Cai, co-autores do artigo. “Na fase de inferência, outro modelo usa os rótulos frontais para deduzir instruções completas de tricô pronto para máquina”.

O novo modelo de criação de padrões de tecidos introduzido pelos pesquisadores possui vários recursos e vantagens valiosos. Mais notavelmente, ele pode produzir padrões de tricô único e multi-YARN, incorporar com precisão pontos raros e ser facilmente aplicados a novos estilos de tecido.

Os pesquisadores testaram seu sistema proposto em uma série de testes, usando -o para produzir padrões para cerca de 5.000 amostras têxteis, que deveriam ser feitas de tecidos naturais e sintéticos. Eles descobriram que ele teve um desempenho notavelmente bem, gerando instruções precisas de tricô para a maioria desses itens.

“Nosso modelo atingiu uma precisão de mais de 97% na conversão de imagens em instruções de tricô, superando significativamente os métodos existentes”, disse Sheng e CAI.

“Nosso sistema também lidou com a complexidade de fios multicoloridos e tipos de pontos raros, que eram grandes limitações nas abordagens anteriores. Em termos de aplicações, nosso método permite a produção têxtil totalmente automatizada, reduzindo os custos de tempo e trabalho”.

O novo modelo desenvolvido por Lau, Zheng, Sheng e CAI poderá ser testado em breve e melhorado ainda mais. Eventualmente, pode ser implantado em configurações do mundo real, potencialmente apoiando a produção em massa automatizada de roupas de malha personalizadas. Quando usado com sistemas robóticos de tricô, o modelo também pode permitir que os designers criem rapidamente protótipos de seus projetos ou testem novos padrões sem criar manualmente padrões legíveis por máquina.

“Avançando, planejamos abordar os desequilíbrios do conjunto de dados, principalmente para pontos raros, por meio de técnicas avançadas de aumento”, acrescentou Lau e Zheng.

“Também pretendemos incorporar o reconhecimento de cores para melhorar a fidelidade estrutural e visual. Expandir o sistema para lidar com tamanhos variáveis ​​de entrada e saída é outra meta, permitindo que ele se adapte dinamicamente a diferentes tecidos. Finalmente, pretendemos estender nosso oleoduto a roupas de malha 3D complexas e explorar aplicações cruzadas como desperdício e bloqueio” ”

© 2025 Science X Network