Modelo deep learning converte imagens têxteis em instruções de tricô
Contexto da pesquisa
Sudbury, Canadá — InkDesign News — Pesquisadores da Laurentian University desenvolveram um sistema baseado em machine learning para converter imagens de tecidos em instruções completas e legíveis por máquinas de tricô, uma inovação que viabiliza a automatização integral da produção de roupas tricotadas.
Método proposto
A abordagem utiliza modelos de deep learning divididos em duas fases principais: “geração” e “inferência”. Na fase de geração, um modelo refina imagens reais de tecido em representações sintéticas claras, que então são interpretadas para predizer instruções simplificadas chamadas front labels. Na fase de inferência, outro modelo converte essas labels frontais em instruções completas, prontas para máquinas de tricô.
Esse método processa tanto padrões de fios singulares quanto múltiplos, incluindo pontos raros, adaptando-se facilmente a novos estilos de tecido. O pipeline envolve redes neurais convolucionais e modelos residuais que garantem alta precisão na tradução visual para um formato programável.
Resultados e impacto
Os testes envolveram cerca de 5.000 amostras têxteis, de fibras naturais e sintéticas, com o sistema alcançando uma acurácia superior a 97% na conversão de imagens em instruções de tricô. O modelo superou métodos anteriores, especialmente na gestão de complexidade de fios multicoloridos e pontos incomuns.
“Nosso modelo obteve uma precisão superior a 97% na conversão de imagens em instruções de tricô, superando significativamente os métodos existentes”
(“Our model attained an accuracy of over 97% in converting images into knitting instructions, significantly outperforming existing methods.”)— Haoliang Sheng e Songpu Cai, Pesquisadores, Laurentian University
“Nosso sistema também lidou efetivamente com a complexidade de fios multicoloridos e tipos raros de pontos, que eram limitações relevantes em abordagens anteriores”
(“Our system also effectively handled the complexity of multi-colored yarns and rare stitch types, which were major limitations in earlier approaches.”)— Haoliang Sheng e Songpu Cai, Pesquisadores, Laurentian University
Essa tecnologia possui potencial para ser implementada em sistemas robóticos de tricô, possibilitando a produção automatizada de roupas personalizadas com redução de tempo e custos de mão de obra. Futuramente, os pesquisadores planejam aprimorar o sistema para reconhecer cores, ampliar para malhas 3D e aplicar a outros domínios como tecelagem e bordado.
Para mais detalhes, acesse a categoria machine learning ou deep learning.
Fonte: (TechXplore – Machine Learning & AI)
