人工智能引領紡織行業創新發展

馮英杰 蔣高明 彭佳佳

摘 要：將人工智能技術與紡織各領域相結合，利用計算機視覺技術，使用深度學習算法搭建定制化和個性化以圖搜圖引擎;基于機器視覺開發經編針織物疵點在線檢測系統以及智能驗布系統;借助自然語言處理進行個性化紡織專業教育;利用機器學習算法開發智能CAD、紡織面料評級與分類、生產管理以及服裝面料圖案設計的應用，進行流行趨勢預測以及服裝設計;工業機器人的發展實現了筒子紗染色的數字化自動生產。人工智能將作為戰略性技術引領紡織行業發展，帶動提高紡織各領域智能化水平，進而帶來深遠的變革。

關鍵詞：人工智能;人工神經網絡;自然語言處理;機器學習;紡織行業

中圖分類號：TS181.8 ?文獻標志碼：B

文章編號：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機模擬人類智能行為的學科，包括感知、認知和執行。它涵蓋了訓練計算機完成人類行為的范疇，如自主學習、判斷和決策。主要發展領域：視覺識別（看）、自然語言理解（聽）、機器人（動）、機器學習（自我學習能力）等。在技術層面，人工智能分為三個層面，認知技術包括機器學習技術及使用機械視覺、語音識別和其他人工智能技術獲取外部信息的技術。執行技術包括硬件技術和人工智能與機器人相結合的智能芯片計算技術。人工智能是當今科學與技術發展的一大主流方向。2030年人工智能將為世界經濟貢獻15.7萬億美元，超過中國和印度2017年的經濟總量14.8萬億美元[1]。國務院2017年7月發布的《新一代人工智能發展計劃》表明，中國人工智能的發展已經進入一個新階段。人工智能在紡織領域已經有了很多結合，應用了機器視覺的針織物疵點在線檢測、智能驗布系統，精度和速度均遠高于人工;自然語言處理在紡織電子商務中的應用使用戶在家中即可體驗穿著效果;機器學習的應用使紡織CAD具有邏輯推理和決策的能力，提高面料評級分類以及生產管理的精度和效率，還可以幫助設計師預測服裝流行趨勢;智能機器人在紡織生產中的應用極大地降低了用人成本，提高生產效率。

1 計算機視覺在紡織行業中的應用

計算機視覺是一門研究如何讓機器“看”的學科，用計算機代替人眼，對事物進行識別、跟蹤和測量，進一步進行圖形處理[2]。在大規模視覺識別挑戰賽中，圖像標簽的錯誤率從2010年的28.5%降到了2017年的2.5%[3]，人工智能系統對物體識別的能力已經超越了人類如圖1。現在計算機視覺在紡織行業中被用在紡織產品檢索方面。

引入面料視覺基礎分類的橫紋、豎紋、格紋等面料圖像類概念，對于通過基于尺度和位移兩個參數增加一個方向參數來從大量數據中提取織物設計圖案的問題，Dauchechies小波旋轉和旋轉復變換通過構造多分辨率圖像分解形成的特征表來實現，具有更好的方向識別能力，與傳統的使用矩陣均值和方差作為紋理數據的方法相比，在圖像邊緣（如曲線和直線）等幾何特征的表示上有一定的優勢[4]。

深圳碼隆科技研制的ProductAI的人工智能視覺平臺，搭建起定制和個性化的以圖搜圖引擎，分析智能色彩流行趨勢及服飾標注管理，減少企業的人力成本，優化生產制造流程，提高購買轉化率。

2 機器視覺在紡織行業的應用

機器視覺分辨率遠高于計算機視覺，并且更高效，可以通過優化算法來提高速度。機器視覺中的分層識別系統[5]，能有效減少計算量，提高識別精度。

2.1 機器視覺在經編針織物疵點在線檢測中的應用

隨著機器視覺和圖像處理技術的發展，越來越多的公司將紡織品缺陷自動檢測技術引入工業生產。目前在中國，很多的紡織企業仍依靠人力來檢測織物疵點，不能達到對產品質量的嚴格把控[6]。

江南大學自主研發的斷紗自停織物疵點在線檢測系統，通過工業攝像機，實時處理圖像，在線獲取織物圖像，在織造過程中，如果出現疵點，實時檢查機器停機情況，允許在線檢測織物疵點如圖2。系統包括圖像采集、疵點識別和機械控制模塊[7]，具有先進的評估系統及特殊的影像加工軟件，基于最優Gabor濾波器的織物疵點自動檢測方法，使用非接觸式檢測，無機械損耗。具有檢測快速準確、反應時間快，操作簡單、可靠性高，維護保養成本低的優點。系統可適用于一般常見經編織疵，斷經、油污、破洞的實時檢測，可指示疵點發生位置并報警即時停機[8]。斷紗自停織物疵點在線檢測系統填補了中國經編織物疵點檢測技術的不足，有效加快中國經編產業的高質量發展。

2.2 機器視覺在紡織面料疵點檢測中的應用

智能驗布機是基于機器視覺技術，集機械、電子、光學、計算機、軟件工程等于一體的疵點檢測機器。具有非接觸、可重復、可靠、精度高、連續性、效率高、柔性好等眾多應用優勢[9]。采用機器視覺檢測技術，利用CCD工業相機模擬人眼檢測布料疵點;通過抓取圖像、分析參數、對比數據，準確對被檢測布匹瑕疵點進行定位;再通過機械手/貼標機等對瑕疵點進行標記，同時生產布匹的詳細檢測報告。

智能驗布系統與人工驗布相比，具有如下特點：

檢測速度高達60～250 m/min，人工15～35 m/min;檢測幅寬1.2～3.6 m，人工檢測1.6 m;設備可24 h連續運轉，不會視覺疲勞;可準確直觀記錄疵點細節及分布情況;可與客戶的MES系統自動對接導入，便于企業的數據化、信息化管理。可對織布各生產工藝流程進行實時監控，將損失降至最低點。如果發現嚴重缺陷，將進行報警和停機，以減少后續工藝延遲造成的大規模退貨。

3 自然語言處理在紡織行業中的應用

自然語言處理（NLP）是將用于人類交流的語言變成機器能夠理解的語言。是人工智能產業發展的核心技術之一[10]。自然語言處理作為人工智能的一個重要分支，在數據處理領域占有越來越重要的地位[11]。自然語言處理在確定語法結構上的能力已經接近人類能力的94%，在文檔中找到答案的能力已經接近人類，識別語音方面在2016年達到人類水平，如圖3。

3.1 自然語言處理在個性化紡織專業教育中的應用

利用語音識別、自然語言處理等技術研發教育機器人，利用教育機器人進行自動化答疑與輔導;自動化識別不同學生的身份、性格、學習興趣從而向不同學生傳達不同的學習方法與內容，并結合實時反饋系統對學生的學習情況進行實施監督與反饋[12]。

3.2 自然語言處理在紡織電子商務中的應用

人工智能時代結合自然語言處理技術的電子商務系統相較于傳統的電子商務，又有很多新的突破。利用虛擬試穿技術，讓用戶在家中就可體驗穿著效果。此外還有智能客服機器人、推薦引擎、以圖搜圖、趨勢預測等功能。在人工智能的支持下，可有效提升客戶滿意度，推動電子商務的持續發展。

4 機器學習在紡織行業中的應用

機器學習本質上是計算機算法，計算機通過大量樣本數據的訓練后能夠對以后輸入的內容做出正確的反饋，把人類思考歸納經驗的過程轉化為計算機通過對數據的處理計算得出模型的過程。主要以深度學習，增強學習算法為主，賦予機器自主學習并提高的能力。

機器學習的應用非常寬泛，以自然語言處理、圖像識別和實體識別的形式被應用于文本、圖像，視頻中。還可以應用于汽車自動駕駛和醫療輔助診斷。其中，深度學習是機器學習的一個新的領域，人工神經網絡是通過模仿人類的腦神經回路來進行分類作業的機器學習的算法，深度學習就是多層結構的人工神經網絡。

4.1 機器學習在紡織CAD中的應用

近年來，紡織行業向著小批量、多品種、變化快的趨勢發展。傳統的CAD交互過程太多，只是簡單模仿設計人員的手工操作過程[13]，引入深度學習的智能CAD系統具有邏輯推理和決策能力，在配色、織紋、紗線上具備一定的自動協調設計能力。結合大量設計示例、經驗和標準，不斷縮小基于設計目標的搜索范圍，依賴知識庫和自學系統達到理想的設計效果，如圖4為程序設計流程圖。引入機器學習的紡織CAD還可進行機器速度預測和送經量預測，將產品組織拆分成單元，求取數據庫中具有相同組織單元的送經量平均值，根據所占權重預測送經量如圖5。

4.2 機器學習在紡織面料評級與分類中的應用

將機器學習應用到紡織面料評級分類中，既可以進行疵點的識別和分析，還可以評價織物的性能、棉雜質的分類和等級、起球等級和染色率的計算等，另外，還可用于分析、預測透氣性、耐皺性、耐磨損性等織物的各種性能。

a）織物風格評價。通過KES-F系列風格儀可以完成織物風格評價，測定各樣本的基本物理力學量，通過多元回歸分析法，建立了慕本樣式值Y和基本物理力學量之間的線性回歸方程，包括綜合樣式值H和基本樣式值間的多元線性回歸方程式[14]。

b）紡織分類評級。用多層網絡MLP及概率神經網絡PNN（圖6）對棉纖維的色澤進行了研究[15]，用概率神經網絡在小樣本訓練中獲得了較高的識別率。

c）紡紋識別。用三層BP網（圖7）進行調練，將Kawabata風格儀測得的物理量作為輸入參數，織物種類為輸出參數[16]。

4.3 基于機器學習的紡織生產管理

將機器學習應用到實際生產中，建設工廠大數據系統、網絡化分布等現代設施，開展以自動化和智能化生產、在線工藝和質量監控、自動輸送包裝及智能倉儲為主要特征的智能化管理、智能化工廠建設[17]。將機器學習引入到工廠中，解決傳統生產中只注重事后處理，缺乏科學的事先控制措施的問題。

a）決策樹C5.0算法通過對數據集處理，選擇信息增益率最大的元素作為根節點，分別計算原材料、產品、設備型號、擋車工作、班次和質量等級元素的信息增益率，將確定樹構建為一個分支，計算每個元素的值，優化每個決策樹樣本的權重，使用Boosting算法迭代生成多個決策樹最后得到高準確度的質量管理決策樹模型[18]。

b）智能排產系統APS是利用先進的信息科技及規化技術如

遺傳算法（Genetic Algorithm）、限制理論（Theory of Constraints）、運籌學（Operations Research）、生產仿真（Simulation）及限制條件滿足技術（Constraint Satisfaction Technique）等，在考慮企業資源（主要是材料和能力）的制約[19]和生產現場的管理和派遣規律下，規劃可行的材料需求計劃和生產計劃（圖8），以滿足顧客需求及面對競爭激烈的市場。

c）績效考核系統運用系統工程中的層次分析法（AHP），建立了針織行業績效考核遞階層次結構，客觀地對生產企業人員績效考核的有關績效衡量、績效目標分解與指標設置、指標權重計算等過程進行了定性和定量的研究與嘗試[4]。但是，在應用層次分析法之前，應結合其他方法，靈活、簡單地應用層次結構。應采取其他一些方法和手段來減少層次結構，縮小評估對象的范圍，從而提高科學決策，同時兼顧效率[4]。

4.4 人工神經網絡在智能穿戴中的應用

使用人工神經元網絡（ANN）計算模型（圖9），從呼吸模式中提取特征，開發了使用呼吸模式的生物特征預測系統。該系統能夠以99.8%的準確度正確預測生命體征。

4.5 機器學習在服裝流行趨勢預測中的應用

借助計算機視覺與圖像處理技術，分析海量圖片，可以分析出不同群體的穿衣偏好，歸納出流行色、款式等。使用人工神經網絡進行趨勢預測明顯優于現有的建模方法。這不僅能正確解決許多復雜問題，而且能進行服裝流行的預測，成為紡織服裝時尚創新的理想工具。可以提高對市場流行變化的敏感度，使用人工智能系統更好的分析行業銷售情況，預測潮流走向，進一步地指導實際生產。

4.6 機器學習在服裝面料圖案設計中的應用

人工智能紡織面料圖案設計平臺由中國紡織信息中心、國家紡織產品開發中心與微軟（亞洲）人工智能工程院合作開發，如何根據人工智能情感化計算框架將感性的圖案設計用理性的邏輯流程與語言表達出來是開發的重難點，需要建設科學的紡織服裝圖案知識圖譜及可供訓練的數據庫，并依據成千上萬的圖案特征逐一進行訓練開發。

目前，印度、英國、韓國都推出了由人工智能設計出的服裝。人工智能首先對現有庫中圖片進行分析，生成與現有庫中相似但不重復的圖像，與設計師反復修改后，完成最終設計。人工智能系統使用色彩心理學來匹配情感色彩的算法，并且會對更新的數據分析學習，持續無限地導出新的服裝款式，滿足現在快時尚的需求。

4.7 機器學習在人工智能服裝設計中的應用

基于Browzwear SmartDesign的智能模板，通過使用強大的模板配置器，根據自己的風格定位，選擇合適的組件創建模板。人工智能通過整合所有的信息，可以幫助設計師更快地創建單一服裝或完整的系列，能實時查看3D穿衣效果模擬。借助SmartDesign模板，設計師將比以往更多地思考設計的本質，可以極大程度降低重復勞動，減少試驗成本。

谷歌與Zalando電商合作開發出Project Muze AI服裝設計師，結合大量數據，設計出符合用戶性格氣質的服裝。美國時尚電商Stitch Fix通過“數據科學+造型師”的方法，使用人工智能技術、造型師和在家試穿“三合一”的模式，根據客戶反饋信息及個性化尺碼要求，不斷優化訂單，設計出更符合客戶需求的服裝。

5 機器人在紡織行業中的應用

智能化已成為當前機器人中重要的發展方向，將人工智能與機器人融合創新，使智能機器人有自主的感知、認知、決策、學習、執行和社會協作能力。工業機器人的普及是促進企業轉型，實現自動化生產和提高社會生產效率的有效手段。

5.1 機器人在筒子紗自動上紗中的應用

利用機器人模仿人類動作、完成設定動作的想法，將工業機器人應用到緯編中，代替人工將筒子紗自動上紗。無錫艾姆維公司生產的機器人根據預先編排的程序，將筒子紗搬運到指定位置，輔助完成機器生產，可以提高生產效率，節約人力成本（圖10）。

5.2 機器人在筒子紗智能染色中的應用

“筒子紗數字化自動染色成套技術與裝備”創新研發出筒子紗數字化自動染色的工藝技術，從原絲到成品筒子紗染色全過程的數字化自動化生產[20]首次在數字化自動染色設備和整個染色過程的中央自動控制系統，使中國成為世界上第一個突破全過程自動染色技術并實現工程應用的國家。

如圖11，在軌道上來回穿梭的機械臂準確抓取紗卷，染缸蓋自動開啟閉合，自動完成上染、烘干等工序。目前，康平納紡機的成套裝備及單臺設備已在魯泰、孚日等企業推廣，該應用為構建中國最具特色的紡織機械研發生產基地奠定了堅實的基礎。

5.3 智能倉儲物流系統在紡織行業中的應用

工業機器人在智能倉儲物流系統的應用，對推動紡織工廠的智能化信息化、推動產業升級轉型起到了極大的作用。目前，美國、歐元區國家及中國的天貓、菜鳥、京東都開始了倉儲物流機器人改革。機器人的應用已成為決定企業之間競爭及其未來發展的一個重要因素[21]。倉儲和物流行業面臨著前所未有的發展機遇和全新的模式變革。

以恒力股份的智能化生產車間為例，從清板、落筒，到絲餅的運輸、取放、上線、裹膜、落包、打包、纏膜、入庫，一整套的產品生產流水線系統全部由機器操作完成，如圖12。

6 發展展望

人工智能的應用與發展，關鍵在交叉學科研究中尋求創新[22]，將紡織行業的特點，以計算機為載體，相互融合發展。隨著計算機和人工智能技術的發展，紡織時尚行業將迎來第四次工業革命[23]。紡織行業的智能化發展，極大地依賴于人工智能技術的進步，紡織行業與人工智能的交叉滲透同時也會倒逼人工智能的迅速發展。

6.1 智能穿戴的智慧化和柔性傳感器

智能穿戴將會向著智慧化和柔性傳感器[24]兩個方向快速發展。2019年華米科技宣布全球首顆智能穿戴領域人工智能芯片正式量產應用[25]，人工智能技術將引領智能穿戴走向新的發展。柔性傳感器利用了針織物大應變和可拉伸回復性的特點，有效提高傳感器的三維曲面貼合性、高靈敏性及使用穩定性[26]，將成為智能穿戴的重要發展方向。

6.2 服裝生產模式變革

現在服裝生產模式正向著小批量、多品種、變化快、交貨快的趨勢快速發展，運用AI物理引擎來對服裝進行動態物理分析，高精度還原服裝真實穿戴效果，根據模擬效果直接確定服裝樣板，節省了傳統服裝生產模式中制作樣布、樣卡的時間和材料成本。人工智能技術的應用，將會掀起高端定制，生產廠家直接與消費直接交流互動的浪潮。

6.3 紡織品質量檢測

用人工智能的機器視覺檢測代替人工對紡織品進行質量檢測，可以實現人工檢測疲勞和主觀性所帶來速度、精度下降的問題[27]，解放生產力，解決勞動力成本增高的問題。紡織品表面紋理、形態特征復雜，疵點復雜[28]，人工智能系統在當前階段還有很多需要完善的空間。目前可適用的織物種類和疵點種類比較單一，紡織品疵點檢測的算法仍在深入研究中。

7 結 語

人工智能日益成為未來制造業發展的重大趨勢和核心內容，既是加快產業轉型，謀求出路的重要措施，也是在新標準下創造新的國際競爭優勢不可避免的選擇。關注全球科技發展的新趨勢，加快紡織行業人工智能的創新應用，帶動紡織各領域智能化水平提高，努力掌握核心技術和關鍵技術設備，為促進高速經濟增長、提高制造業水平提供堅實有力的支持。當前紡織行業公共數據開放共享程度還不夠，企業參與增值數據開發進展緩慢，成為制約人工智能發展的瓶頸。在未來的“人工智能+紡織”中，要對紡織行業大數據進行挖掘，抓住歷史機遇，把人工智能作為引領紡織行業的戰略性技術，進而帶來深遠的變革。

參考文獻：

[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.雙目測距系統中快速匹配算法研究[D].蘇州：蘇州大學，2012.

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

[4]羅戎蕾.基于復小波變換的紡織品圖案檢索方法研究[J].浙江理工大學學報，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.織物疵點檢測算法研究和系統實現[D].無錫：江南大學，2017.

[7]蔣高明，崔雙雙.人工智能技術在針織行業的開發與應用[J].紡織導報，2018（3）：30-32，34.

[8]夏棟.基于多尺度幾何分析的經編織疵在線檢測[D].無錫：江南大學，2017.

[9]李九靈.可重構的機器視覺在線檢測方法的研究[D].武漢：武漢科技大學，2013.

[10]葛運東，陳洪梅，姚建民.自然語言處理的技術和產業應用現狀與趨勢分析[J].產業與科技論壇，2019，18（17）：113-114.

[11]趙京勝，宋夢雪，高祥.自然語言處理發展及應用綜述[J].信息技術與信息化，2019（7）：142-145.

[12]龔煒博.以AI技術在教育領域的應用淺析人工智能對未來教育的影響[J].中國戰略新興產業，2018（8）：51，53.

[13]宗亞寧，薛冬梅，崔世忠.智能紡織CAD設計系統[J].中原工學院學報，2002（3）：57-59.

[14]張瑞林.人工神經網絡在紡織中的應用研究[D].杭州：浙江大學，2001.

[15]金關秀.基于人工智能的紡織技術開發新途徑[J].紡織科技進展，2013（3）：11-14.

[16]肖繼海，崔曉紅.人工神經網絡在紡織上的應用[J].電腦開發與應用，2008（11）：39-41.

[17]任強，徐旻.“紡織行業+人工智能”的探討[J].紡織器材，2019（6）：13-15.

[18]劉鵬飛，蔣高明，吳志明.決策樹算法在針織產品質量管理中的應用[J].紡織學報，2018（6）：149-154.

[19]高昌潔，高杰，常華，等.創新“染”就七彩夢想[J].中國纖檢，2015（3）：32-36.

[20]梁莉萍.康平納色紗驚艷中國國際紡織紗線展[J].中國紡織，2018（5）：65.

[21]何定邊.未來智造——智能倉儲機器人哪家強[J].商業文化，2018（2）：44-51.

[22]李德毅.網絡時代人工智能研究與發展[J].智能系統學報，2009，4（1）：1-6.

[23]“第二屆時尚與紡織人工智能國際會議（AIFT 2019）”正式啟動[J].合成纖維，2019（8）：58.

[24]伏廣偉，賀志鵬，劉鳳坤.紡織服裝業智能化與智慧化發展探究[J].毛紡科技，2019，47（8）：1-6.

[25]佚名.全球首顆智能穿戴領域人工智能芯片發布[J].智能城市，2019，5（10）：191.

[26]LI YT， MIAO XH， LI N. Human motion recognition of knitted flexible sensor in walking cycle[J].Sensor，2020，20（1）：1-14.

[27]周建，潘如如，高衛東.機器視覺在紡織中的應用現狀與發展趨勢[J].棉紡織技術，2019，47（2）：15-17.

[28]吳靄弟，何偉堅.紡織品的人工智能檢測技術[J].化纖與紡織技術，2020（1）：38-42.