消费者对服装需求日益多样化与个性化,推动着面料服装生产模式由单一大批量生产转变为“多品种、小批量”模式。由于生产模式的转变,使得工厂的出货压力也随之增加,对产品的质检成本、水平和效率都提出了新的要求,合理、精确、高效的质量检查是保障面料服装生产顺利的重要条件。
目前面料服装行业品控环节基本依赖人工检测,在工作强度每年递增工作的状况下,质检员因为眼光不统一、视觉疲劳、精神不集中等出现错检、漏检极易发生。随着工业4.0时代的到来,如何借助人工智能这把利剑,借助新一轮工业革命浪潮,实现面料服装传统生产方式的转型升级,成为每个制造企业需要思考的问题。
AI质检是机器视觉的典型场景应用，是利用机器代替人眼做测量和判断，是人工智能快速发展的一个分支点，结合光学、机械、电子、计算机软硬件方面技术，涉及到计算机的图像处理、模式识别、信号处理、机电一体化等多个领域。图像处理和模式识别等技术的快速发展，使得AI质检逐步应用于工业各个领域。
产品质量是面料服装制造企业的生命线，高效的质检系统是企业保障生产效率的关键。目前，全球面料服装生产企业，基本上采用人工质检方式。这种质检方式主观性大、速度慢、成本高，且质检结果不稳定，容易因疲劳而导致更大范围的漏检，从而影响面料服装订单的质量。而AI质检因为客观、稳定和连续作业等优点，能有效满足面料服装制造行业日益增长的质检需求，就其前景来看有着非常广阔的市场。
在面料生产环节，AI技术可实现自动化的异纤分拣、布面疵点检测，能快速准确地辨识出棉花中的各种杂质以及布面上的疵点，有效提升原材料质量和产品质量稳定性，减少人工检测的误差和劳动强度，提高生产效率。在服装制造环节，通过智能调度和精细工艺处理，优化生产流程，如智能吊挂系统可串联起服装生产的上百道工序，降低物料搬运、捆扎、传送的人力成本，提升生产效率。
AI能够模拟设计师的创意过程，迅速生成多种面料花型、服装款式等设计方案，为设计师提供创意灵感，拓宽设计思路。设计师可以借助AI技术快速生成不同风格、不同主题的设计作品，并进行筛选和优化，从而缩短产品的开发周期，提高对市场的响应速度，更好地满足消费者对个性化和定制化产品的需求。
一方面，AI技术在生产过程中的应用减少了人工干预，降低了人力成本。如在质检环节，引入AI验布机后，企业可减少大量人工质检人员，同时提高检测效率和准确率；另一方面，通过优化生产流程、减少原材料浪费和库存积压等，降低了生产成本和运营成本。
AI技术支持的个性化定制服务可以满足消费者的个性化需求，吸引更多客户购买，提高产品附加值和销售额。此外，通过精准营销，企业可以将产品更精准地推向目标客户群体，提高营销效果和销售转化率，从而增加销售收入。例如，浙江希曼纺织科技有限公司利用 AI 技术快速制作不同风格的设计图用于网店宣传，提高了产品的曝光度和吸引力，从而增加销售额。
企业运用AI技术进行创新设计、生产和营销，能够展现出其在科技和创新方面的实力，提升品牌形象和品牌知名度。例如，一些企业聘请数字虚拟人当主播、代言人，以更直观生动的方式展示产品，提升了与下游品牌的互动和品牌形象，为品牌带来更多的关注和认可。
AI技术可以对供应链进行全面优化，实现从原材料采购、生产计划、库存管理到物流配送的智能化协同。通过准确预测市场需求和原材料价格波动，企业可以合理安排采购和生产计划，降低库存成本和采购风险。同时，优化物流配送路线和方式，提高物流效率，降低物流成本，提升整个供应链的竞争力。
量体过程属于一种对人体数据的检测技术。人体数字化模型三维重建、人体尺寸提取及人体体型特征的研究，人体的形态和尺寸是服装设计的基础。目前在人体测量技术从接触式向非接触式迅速过渡和发展的同时，基于三维扫描数据的个性化定制研究正在成为学术界和产业界关注的重点。
传统的服装量体必须由量体师来进行，要求被测量者站立，量体师利用软尺对被测量者的胸围、腹围、颈围、臀围、腕围、腿围、臂长、腿长等近30项尺码逐一测量。平均测量一个人的所有尺寸需要3到5分钟，效率低且耗费人力物力。
1. 扫描时间短
2. 精确度高
3. 测量部位多
4. 方便快捷，体验相对较好
非接触三维人体测量技术是以现代光学技术为基础，融光电子学、计算机图像学、信息分析与处理、计算机视觉等科学技术为一体的测量技术，具有扫描时间短、精确度高、测量部位多等特点，还可以精确测量人体形态、曲线特征等，代表了现代人体测量技术的发展。
AI人体测量在基础人体数据库建立、服装号型研究、虚拟服装设计展示、大规模量身定制生产等方面有着重要作用，是未来服装企业提供合体服装、实现快速反应的重要技术方法和手段。
武汉亘星智能技术有限公司开发的“亘星完美量体”软件，利用人工智能深度学习技术，每次测量只需输入被测量者的性别、身高、体重，然后拍摄照片，就能快速计算出制衣所需的30项尺寸数据以及3D人体，整个过程在30秒左右即可完成。
四川琪达实业集团有限公司开发了智能电子尺(E尺)，通过E尺与平板电脑(iPad)进行人体数据智能电子测量，不仅快捷高效，同时保证了量体数据的精准性。在测量时，E尺可实时将数据通过蓝牙方式自动存入iPad中，在测量完毕后，iPad收集的测量数据通过5G+高速网络实时传入云端智能数据库。下面以江苏阳光集团使用E尺检验衬衫尺寸的案例说明。
1、依赖检验人员的经验和眼力，主观性强，不同检验人员对瑕疵的判断标准可能存在差异，准确性不高。
2、检测速度相对较慢，难以满足大规模生产的需求。
3、检测数据记录不规范、数据分析困难。
高分辨率摄像头获取产品图像，然后利用训练好的深度学习模型对图像进行分析和处理，从而识别出产品表面的微小瑕疵。这些瑕疵可能包括划痕、污渍、裂纹、色差等。AI瑕疵检测工业质检方式能够学习和记忆大量的瑕疵特征，因此在检测过程中能够快速、准确地识别出瑕疵，并给出相应的处理建议。
1、高精度
2、判断标准一致
3、精准的数据记录，深入的数据分析
4、降低人工成本
现有的疵点检测系统大多是由图像采集模块、图像传输模块、图像处理模块、结果分析模块组成。从疵点检测系统的应用成效来看,相较于国内,国外的面料疵点检测系统发展较早,AI质检技术也相对成熟。
① Fabriscan织物质量自动检测系统
在1983年, 瑞士uster公司开发出名为“Uster Visotex”的自动织物检验系统, 因设备价格高、检测布料品种少未能大规模推广使用。后来该公司运用高分辨率摄像机和神经网络技术，开发了Fabriscan自动验布系统。在验布前期，先进行神经网络的训练，模型完成后进入检测阶段，将检测到的疵点信息发送至上位机后通过质量管理软件对织物的质量进行判定。该系统且不仅可用于坯布，还有各种复杂织物，可检测幅宽为110-440cm，速度达120m/min，检出率达90%左右。
②I-TEX系列三代自动验布系统
以色列EVS公司的自动验布系统技术来源于军事用途的目标搜索侦测领域。该公司生产的第一代产品I-TEX100主要用于坯布及工业用布检验,第二代产品I-TEX200主要用于单色染色织物的检验。第三代产品I-TEX2000能检测不同织造、整理、涂层工艺的织物，幅宽达600cm,速度为300m/min，最小可检测0.5mm的疵点。近年推广的IQ-TEX4自动视觉检测系统,利用高分辨率的彩线扫描技术以及增强缺陷分类算法,实现了疵点的检测和监控。该系统可在生产过程中提供实时视觉监控，能在检测速度达1000m/min的情况下,检测出小于0.1mm的疵点,包括破洞、断经、异物、污点、破边等。
③Cyclops 自动验布
Barco公司的Cyclops系统与上述几种系统有所不同，其扫描头安装在织造的机器上，而上述其他系统的扫描头则通常安装在卷布机上。Cyclops系统采用相机拍照，再经过图像处理分析检测疵点,一旦发现疵点Cyclops系统会发出警报或停机,并记录疵点位置和特征。但此系统需要使用专门的硬件以及中型计算机完成大量的图像处理运算,导致成本偏高。
④长岭FS220光电自动验布
陕西长岭纺织机电科技有限公司研发的FS220型光电自动验布机。该设备采用机器视觉和图像处理技术,通过图像空间域的变化,增强了疵点特征。图像处理流程为:图像采集、图像分割、高斯滤波、直方图初步识别、二值化、轮廓变换、疵点识别。系统可以设定30m和60m/min两档验布速度,正检率高,误判率低于15%。
准确性方面的缺陷：传统检验主要依赖人工，检验人员的主观判断对结果影响较大。不同的检验员可能有不同的质量标准，对于裁剪边缘的光滑度、裁片形状的规整性等方面的判断容易出现差异。
效率方面的缺陷：人工逐片检查裁片，效率较低。
质量控制和反馈方面的缺陷：传统检验方法通常是在裁剪完成后进行检查，属于事后检测。一旦发现大量裁剪质量问题，可能已经浪费了大量的面料和时间，无法及时在裁剪过程中进行调整和预防。
通过5G网络基础设施,采用OnePower工业互联网平台江苏二级节点搭建5G工业质检平台,利用视觉检测技术实现衣片/成衣的智能质检。
检测精度与准确性高：AI利用高分辨率摄像头和先进的图像识别算法，能够对裁剪后的衣片进行精确的尺寸测量，可精确到毫米级甚至更小的单位,有效避免了人工测量因操作手法、视力等因素导致的误差。
检测效率显著提升：AI检测系统可以同时对多个裁剪件进行检测，大大提高了检测速度;AI与自动化裁剪设备集成，可在裁剪过程中实时采集数据并进行分析，一旦发现质量问题,能够立即发出警报并自动调整裁剪参数,从而避免大量不合格裁片的产生,提高了整体生产效率。
检测结果稳定性好：AI检测完全基于预设的算法和标准进行判断，不会受到检验员的主观因素影响;对于相同的裁剪件,AI系统每次检测的结果都是一致的,只要裁剪质量符合标准，就会被判定为合格,反之则为不合格。这使得检测结果具有高度的可重复性,为服装生产的质量控制提供了稳定的依据。
数据管理与追溯便捷：AI裁剪质量检测系统在检测过程中会自动记录所有检测数据,包括尺寸数据、瑕疵类型和位置、质量等级、检测时间等信息。这些数据以数字化的形式存储在数据库中，避免了人工记录的错误和遗漏,且方便查询和调用;AI利用存储的数据,可以实现质量追溯。
①山东如意集团
山东如意集团引入了基于AI的自动裁剪和质量检测系统。该系统结合了机器视觉技术和深度学习算法，可以在裁剪过程中实时监控布料状况,确保每一片裁片都符合规定的尺寸和形状要求。此外，AI还可以识别并标记出有缺陷的裁片,如存在色差、污渍或纤维损伤等问题,从而避免这些瑕疵件进入后续生产流程。通过这种方式,如意集团大幅降低了次品率,并提高了生产线的整体效率。
②意大利Tessitura Ubertino公司
意大利高端面料制造商Tessitura Ubertino采用了由德国Sewtec Automation提供的智能裁剪解决方案,其中包含了AI驱动的质量控制系统。该系统能够在裁剪之前扫描整块布料,预测可能出现的缺陷区域,并调整裁剪路径以避开这些问题区。这不仅保证了每个裁片的质量,还最大限度地利用了原材料,减少了浪费。同时,AI还能帮助优化排版布局,使得裁剪过程更加高效。
①.检测效率低
②.检测准确性差
③.数据记录与追溯困难
④.难以检测复杂疵点
AI成衣质检一体机：这种系统可以同时检测成衣的尺寸、对称性和瑕疵等问题。工人只需负责成衣上料和铺平,系统会自动进行检测,并记录每件衣服的检验结果,对生产出的成衣进行质量问题归档,反馈到生产环节，提升整体质量。
服装视觉云检平台：基于深度学习人工智能模型和机器视觉技术，该平台能够进行服装尺寸测量与缺陷检测。它具有高识别准确性和检测效率，可以检测服装的各种尺寸如袖长、肩宽、腰围等,并自定义检测logo、口袋、拉链等细节。
AI验布系统：通过集成先进的图像识别、机器学习算法与大数据分析技术,AI验布系统能够高效、精准地检测纺织品中的瑕疵、色差、纤维缺陷等问题,大幅提升检测效率和产品质量。
①.提高检测效率
②.减少人工成本
③.提升产品质量
④.灵活调整生产计划
创新奇智开发出了一款AI成衣质检一体机,测量精度达毫米级,可检测成衣尺寸、对称性、瑕疵等质量问题。在该设备中,工人只需负责上料、铺平,机器将自动检测,并将产品归类为合格品/不合格品,并自动记录每一件衣服的检验结果。
随着面料服装消费朝着个性化方式改变，市场对产品质量要求越来越高,质检需求基本覆盖整个流程,由抽检向全检转变,因此面料服装的成型流程(纱线→坯布→成品布→裁片→成衣) 中每一步都需要进行质检，现阶段关于面料质检的设备已有所应用,而关于成衣、裁片相关的AI质检方案尚不成熟,所以AI质检的全流程将是发展趋势之一。
早期的AI质检仅是将生产完毕的成品进行合格与不合格的标定、判定等,因现阶段的AI质检受硬件设备与检测算法的限制,难以做到实时检测,故其较少的能对其产庇过程进行干预。目前机器视觉质检在质量控制场景的潜力尚未充分发挥，未来质量控制场景将不仅仅包含产品质检，还将向生产制造过程的工艺优化拓展，对关键工艺步骤的图像进行分析，判别是否合格,从实时加工评估角度提升产品的合格率。
传统的服装AI质检更多的是关于疵点的检验，但一件服装出厂的质检标准不仅包括外观不良情况,还有服装缝线、辅料、对称性、尺寸等。因此,在原有的疵点检测算法基础上加入可满足其他质量检测,如尺寸测量、对称性检测、变形测量等算法,使得AI质检功能的多样化也是发展趋势之一。
基于深度学习的疵点质检算法依赖于大量的数据样本,但公开的数据资源相对有限。另外,目前尚无通用织物的疵点纹理数据集,各个样本的来源多种多样。大小和质量也存在较大差别。因此，在无需数据集的标注情况下训练网络，实现无监督学习。或者实时更新数据集实现算法的云同步，是未来AI成衣质检的研究趋势之一。
当前算法优化的方向主要是检测精度、实时性及通用性。多数算法只能在部分性能方面取得不错的效果,未来需发展各方位性能优异的算法,才能更好地满足行业质检的需求。
AI技术虽进入面料服装行业较晚,不少企业在智能技术的应用研究上也遇到各式各样的困难与问题,但是,AI质检在面料服装的应用具有很大的市场潜力。
在数字化转型的浪潮中,面料服装AI质检可在其他行业AI质检吸取宝贵经验,以更智能、高效地运转模式支持服装智造,逐步取代人工与简单机械项检,进一步把控品质大门。
