人工智能条件下的服装检测

文/殷雨婕 舒瑞 李何萍

在服装行业中，织物原材料的传统检测主要靠视觉，加工过程则根据具体服装的规格、分类和涂层的标准，以及检测站点用特殊手段对原材料、在制品和成品间进行系列抽查，以符合既定标准。传统检测的基本原则是强调产品终端的检测，而如今的检测则需要强调各个环节的加工过程，这被定义为从纤维到服装再进入商店之后织物检查全产业链的要求和过程。现代意义的检测过程展示的是所有服装在制造和发运中能确保绿色环保、品质上乘，避免返工或打回的情况。

完全依靠终端检验的时代已结束

传统上，为确保每件服装都达到所期望的质量，工厂里往往强调终端的检测，而各个加工细节只是设置应有的检测过程；如定义服装检测的临界值以及被检测服装的具体规格。而今世界的趋势却是，服装生产需要有可追溯性，从第一步就应有检测的步骤，如产前检测：生产前，可先调查购买者对这款产品的支持认可度。因此，在真正生产前，应该准备样品，这就是产前所需要做的。在这个步骤中，样品应得到客观的评估。不同的顾客可能会提出很多不同的具体要求，包括质量、价格、原料检测与测试、洗涤方法、色样、版型、裁剪以及样品。这些标准也体现了购买者的意愿，具有个性化的特征。

产前检测的下一步就是初步生产检测也就是试生产。试生产就是在大规模生产前先小规模地产出一批产品，观察自动化的参数变化、评估织物参数。其检测方法、各自的参数及灵活度都要根据购买者的需求进行调整。只要试生产成功完成，就可大规模生产了，然后就到各个过程检测步骤。而规模化生产前的检测只是第二步，也就是位于织物检测之后，在服装工业中，要保证质量，有很多其他步骤需要环环相扣，智能化的检测更是如此。

梅塔（P.V. Mehta）的著书《现代服装业的管理质量》就非常明确地指出，“服装生产商在完成生产前，完全依靠100%终端检测的时代已结束。今天若在服装生产完成后才进行检验检测，那是不能确保质量的，更不符合时代的要求，注重生产过程中每个步骤，并在生产过程中反复检查，才能最终确保质量。”其中最重要的就是实现智能化的检测手段。

智能检测更离不开人

其实，完成缝纫前批量生产的每个阶段都要进行检测。加工过程中的检验可帮助发现工艺缺陷和设备故障。若在服装加工环节点都检测，就可及时发现问题，这能减少返工率，从而降低生产成本。

事实上，尽管发达国家已拥有相当先进的自动检测设备，但每个生产部门在应对服装裁剪、缝纫、加工、贴标、整理和捆绑销售过程中都离不开人为的因素。生产线上每个过程的检测手段大致如下：为检测源头错误，需在生产初期环节中进行检测。初步检测时需要首先对检测设备的精确度有个明确的认识。自动化检测带来的数据需要进一步分析，还需要人工对差异和关键加工点进行检查，如每寸针脚数、缝头、缝合类型、机器类型和工作辅助方法等是否与实际的产品规格一致。技术团队应确定产品样式，检测设备还需要输入正确的数据和标准，具体人员要以数据为基本原则，对照检测产品并实时调整关键操作步骤。现代化的服装生产线检测关键操作离不开如下基本条件：

1）人工智能化下的操作更具有复杂性。如：夹克接缝出现布毛，处理较为困难，或要求夹克的袖窿必须仔细缝合。因此，这成为一个关键操作点，这就需要人为检测并需要设备辅助。

2）理解服装生产区域的特定组件。简便的修复操作很多时候需要人工完成。例如，若不能实时设置并检测衣服口袋的位置就难以再做改动；要进一步处理，则需要重新处理相关联的腰带和摆缝等。

3）人工智能化检测更需要专业化人才。智能化能强化关键的检测点并进行整体质量监控。为避免大量返工，车间里需要的不仅是一般的人力，也非传统意义上的纺织工，而需要的是懂人工智能又懂纺织和缝纫技术的专业人才。如在生产长裤时，通常需注意以下几点：正面检查布料是否起皱，口袋位置和朝向等。人工智能检测往往存在诸多缺陷，此时人为的因素就显得尤为重要，如缝合裤装背面时，需要检测后褶、贴边口袋位置等；又如摆缝，检查缝型边的摆缝等也需要人力与智能相结合的操作。又如腰带，检查腰带缝合，宽度是否和切口相匹配，位置和扣眼等，也同样离不开人与机器智能的配合。服装生产临近结束时还需进行全面检查，如腰带位置、标签和下摆卷边等。此时，人做得更多的是调整数据，而非用人力补救。

一旦生产过程中每个步骤都实现了人工智能化的检测手段，那么终端检测，即服装生产结束时的最后检查也就逐渐失去了传统检测的意义，此阶段通常要100%地按照检测标准进行，因此其中带来的瑕疵也就少之又少或接近零。

强化人与机器的学习能力最重要

人工智能条件下的服装生产检测是用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门全新的技术科学。人工智能是计算机科学的一个分支，人需要了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

仅提及服装企业的检测智能化，而不强化人与机器的学习能力是远远不够的。其实，机器更需要人，原因如下：1）需要检测工作经验；2）审美观，对时尚潮流高度敏感，能很好地把握流行趋势，具备服装品牌设计师的色彩组合、设计组合、零售终端陈列组合等一系列设计专业实际检测技能；3）熟悉面料性能和运用；4）熟悉服装工艺检测流程；5）有识别能力，即机器需要熟习所模拟的成像；6）及时传递信息的能力并诚实守信等软实力。诸如此类的能力看似只有人才有，但事实上，时装制造的标准也可以数据化，输入电脑，它就能帮助你实现服装的标准化检测。

与之同时，人的学习能力也已成为当务之急。原因是，若没有人的高度专业化和知识化，人工智能对于他们只是一种闭门造车式的摆设。

与之相反，人工智能下的服装生产检测的相关数据若能随每一件款式进入市场，那就意味着，每一位消费者都能变为时装精，即他们能依据相关数据获得该款式的所有生产过程中产生的品质问题、环保问题、是否时尚等。

（据国际因特网纺织媒体《针线日记》http://stitchdiary.com/lets-get-to-the-basics-inspection-process-inapparel-industry-part-ii/近期资料）