چاپ این صفحه

خودکارسازی فرایند کشبافی با استفاده از هوش مصنوعی

تعداد بازدید : 178
تاریخ انتشار : ۱۳۹۹/۱۲/۲
تیم کتابخانه علوم کامپیوتر و هوش مصنوعی(CSAIL) موسسه فناوری ماساچوست(MIT) به نگرشی تازه برای خودکارسازی فرایند کشبافی دست پیدا کرده است.

ترجمه: آزاده موحد

 

به گزارش سرویس اطلاع‌رسانی نساجی امروز، در ماشین آلات کشبافی مدرن امکان اجرای بیشتر الگوها بر روی بیشتر انواع لباس ها وجود دارد اما اغلب طرح هایی که کمی منحصر به فرد تر هستند را نمی توان با استفاده از ماشین آلات کشبافی بر روی لباس ها پیاده کرد. 

 

ابزار تولید الگوهای کشباف امروزی پیچیده هستند و غالبا تنها تکنسین های متخصص می توانند از آن ها استفاده کنند. برنامه نویسی برای طراحی های جدید یک فرایند پیچیده و خسته کننده است چون باید مسیر سوزن ها را برای هزاران جهت تعریف کرد که همه به نوع ساختار کشبافی شده بستگی دارد. این کار برای یک طراح مد چندان خوشایند و ایده آل نیست. 

 

الکساندر کاسپار، دانشجوی دکترا در موسسه فناوری ماساچوست می گوید: "متخصصان کشبافی تنها افرادی هستند که قادر به برنامه نویسی موثر و کارآمد برای الگوهای بافندگی می باشند. هدف ما این است که با کم کردن فاصله بین متخصصان و افراد غیرمتخصص امکان ایجاد طرح های بافندگی مختلف را برای طراحان مد فراهم کنیم."

 

 

 

اینورسنیت


موسسه فناوری ماساچوست در سال 2019 اعلام کرد که محققان در کتابخانه علوم کامپیوتر و هوش مصنوعی با استفاده از فناوری های هوش مصنوعی(AI) و یادگیری ماشین(ML) به نگرشی جدید برای خودکارسازی فرایند کشبافی دست یافته اند.

 

با استفاده از سیستمی به نام InverseKnit می توان عکس الگوهای کشباف را به دستورالعمل تبدیل و آن را به ماشین ارسال کرد تا طرحی مشابه آن تولید کند. به گفته تیم تحقیقاتی طراحان لباس های اسپرت و کژوآل با استفاده از این ابزار می توانند بدون دانستن زبان ماشین و حتی مسایلی نظیر کارایی و ضایعات ماشین، لباس های سفارشی تولید کنند.

 

مزایا


به گفته کاسپار ابزار جدید در ابتدا به نفع سیستم های تولید انبوه که قادرند سریع تر امتیازات سفارشی سازی را از آن خود کنند، است. با استفاده از این ابزار امکان ایجاد ویژگی های سفارشی برای مصرف کنندگان وجو دارد برای مثال تزیین لباس، طرح های فانتزی، اصلاح سایز و عملکرد از جمله مواردی است که می توان در طول فرایند تولید کشباف به لباس اضافه کرد.

 

در نهایت سیستم هایی نظیر اینورسنیت برای تولیدکنندگان کوچک در صنعت نیز مزایایی خواهند داشت. برای مثال کمپانی انگلیسی Kniterate ماشین آلات کشبافی اقتصادی و فشرده را با هدف گسترش فناوری های اتوماسیون عرضه کرده است.

 

در ماشین آلات حلقوی پودی می توان با تولید پارچه از پایین به بالا و حذف نیاز به برش پارچه میزان ضایعات تولید شده را کاهش داد. این موضوع شباهت های بین فناوری های کشباف و تولید افزودنی را برجسته می کند.

 

Users can customise knitted designs using an automated MIT knitting system, through the addition of various shapes and patterns. © MIT CSAIL

 

کاسپار اشاره می کند که قابلیت های تولید افزودنی که مثال آن در ماشین بافندگی حلقوی پودی زده شد، امکان تولید بدون ضایعات را برای صنایع فراهم می کند اما کمبود نرم افزار و در نتیجه کمبود سفارشی سازی پتانسیل عظیم ماشین آلات بافندگی حلقوی پودی را محدود کرده است. 

 

مشکل اینجاست که ماشین آلات با پتانسیل بالا وجود دارند اما هنوز نرم افزار مناسب برای طراحان در دسترس نیست. پروژه اینورسنیت تیم CSAIL در همین رابطه است.

 

داده


جیم مک کان، استادیار موسسه رباتیک دانشگاه کارنگی ملون می گوید: "تیم تحقیقاتی در پروژه اینورسنیت برای نخستین بار مجموعه بزرگی از داده های مربوط به نمونه های کشباف را جمع آوری کرده است که این امکان را فراهم می کند تا از تکنیک های مدرن بینایی کامپیوتر برای تجزیه و تحلیل الگوهای کشبافی استفاده شود."

 

متاسفانه این فناوری نیازمند داده های بسیار است. مک کان اضافه می کند که روشهای پیشرفته فعلی بینایی کامپیوتر نیازمند داده ها و نمونه های بیشتر است تا اثربخشی آن بیشتر شود.

 

ابزاری که در آن از فناوری های اسکن کردن استفاده می شود تنها با یک عکس قادر به جمع آوری تمام اطلاعات مربوط به الگویی که باید آن را تکرار کند، نیست چون یک شکل سه بعدی بوده و برای تکرار آن به تمام تکه های پازل نیاز است. 

 

بنابراین هرچه داده های بیشتری در اختیار داشته باشیم بهتر است. در حال حاضر تیم تحقیقاتی مشغول کار بر روی تولید و به دست آوردن داده های بیشتر به منظور تکمیل و یکپارچه کردن طرح کلی پروژه اولیه می باشد. 

 

آینده


تیم تحقیقاتی CSAIL در سال 2019 قادر به خلق دوباره الگوهای کشباف با دقت تا 94 درصد بود اما هدف آن ها رسیدن به دقت صد در صد نیست بلکه توانایی اسکن کردن ساختارهای لوله ای سه بعدی پیچیده تر است. 

 

نزدیک شدن به الگوی اولیه خوب است اما نکته مهم تر امکان سفارشی سازی از طریق دستورالعمل های قابل خواندن ماشین می باشد. 
 

چاپ این صفحه