基于机器识别的服装智能化生产技术思考＊

秦俊举，曹选平

（成都纺织高等专科学校机械工程学院，四川 成都611731）

1 研究背景

随着社会的不断发展，传统的服装生产模式暴露出了许多的问题，成本和人工费用不断提升，并且生产效率不高，质量标准不统一。想要解决这些问题，就要用到服装智能化生产技术，通过先进的智能化生产，让生产效率得到提高，还能够保证质量。随着信息化智能时代的推进，使得生产环节的质量要求也得到了提高。在识别环节，传统的识别方法主要依靠人工对衣服进行识别，但是识别的速度慢，并且误差很大，还存在着很多的安全隐患，如果使用机器对衣服进行识别，就可以有效地解决人工识别的不足之处。

服装智能化生产最早于1960年在德国提出。智能应用虽然主要是在衬衫领子和西装口袋套上，但是铁板的使用并不是很实用，无法进行大规模的推广和生产。后来日本开发了有机玻璃制作模板，改进了服装工艺模板，更好地提升了模板的使用效率，与传统的生产工艺不同，使用服装模板生产的服装质量更高。近年来中国服装生产行业向智能化方向发展。夹克和开衫等服装工艺模板，需要有专门的创新工艺对制作流程进行优化，这样服装生产的效率和质量才能够得到更好的提高。服装生产过程中运用服装模板智能化需要非常详细的生产流程。但中国对于服装模板技术的研究并不深入，还不能够将模板技术同服装计算机辅助设计技术和服装缝纫技术这三种技术相结合，全自动化的流水线设计也没有办法得到有效地运用。这种情况让机器识别的服装智能化生产技术出现在人们的视野中。通过使用机器识别服装的智能化生产的应用让服装生产的加工效率不断提升，并且实现了能够流水化和标准化的服装工艺模板技术生产。

2 机器视觉技术和全自动加工技术的分析

什么是机器视觉？通俗而言，就是机器取代人眼，原先由人眼观测，现在由机器观测。和人眼相比较而言，机器视觉具备精准度高、速度快、延展性强等强有力的优势。所谓机器视觉，是指机器人的眼睛能够进行相应的测量和判断的能力。由于其检测精度高和可扩展检测速度快，广泛应用于质量控制、成品检验和生产过程领域。因此在当下的自动化生产时，机器视觉被大量普及和使用，有效地推动了行业生产，促进了生产质量和生产效率的有效提升。全自动缝纫工艺的出现，可有效提高缝纫质量，减少劳动力，降低生产成本，提高生产质量和生产效率。

2.1 机器视觉

如果想要使用智能软件来处理图形，通常会使用工业相机来完成样品、原材料和其他图像的收集。根据图像处理技术，识别轮廓和边缘，自动创建样品和原材料的外框。同时，可以及时发现原材料的错误，并在此基础上进行排版工作，让服装设计师进一步细化和设计。首先是边缘识别，借助轮廓提取算法提取纸样的边缘线并进行扫描像素点操作。在扫描过程中，如果原图有黑点，周围有8个黑点，可判断为图外点，应及时删除。如果相反，则可以确定是图像的边缘，员工可以将黑色更改为红色。在开发Sobel边缘算子时，每个像素都必须与这2个矩阵进行卷积。在垂直边缘中，第一个矩阵具有响应，水平边缘具有第二个矩阵。取2次卷积中的最大值作为阴影值，输出，用阈值控制过程生成每个阴影值对应的等高线图。之后，在提取轮廓并清空所有内部像素后，完成二值图像的轮廓提取。如果一个亮点周围的8个像素都是亮点，那么这个点就可以认为是一个内点，否则，那它是一个轮廓点。

2.2 复杂机械本体

借助模板机、裁剪机、自动缝纫机、机械手等机械设备，实现裁剪作业、模型制作作业、缝纫作业的自动化管理。这样，机身和机头就可以实现x/y/z不同方向的自由移动。主要包括x/y/z导轨、工作台面、机械传动、真空吸附系统、落刀机构等。Y形梁上可安装铣刀、轮刀等设备，有效地进行切割和模具制作。该技术可有效促进模具机械手和上下料机自动化程度的有效提高。在模板中，所有的面料都是用那个面料准备的，进一步保证了开模和合模的自动化管理。合模后，在最短的时间内放入自动缝纫机。在电机驱动的帮助下，模板进一步放置在自动缝纫机设定的位置，从而保证缝纫操作的完全自动化。有效检测机器断线，保证机械传动的准确性。根据实际工况，分析惯量、应力等，有效预测机器设备的连续动态特性，准确计算固定频率，努力降低和保证疲劳概率、机械共振等问题，从而保证工作质量。

3 机器识别与服装智能化生产技术共同应用

3.1 裁剪和缝纫的智能化

在裁剪的过程中，影响最大的因素是面料的材质。对于面料的裁剪，最常使用的是激光裁剪。使用激光裁剪的面料不需要对裁剪的边缘进行修理。因为激光利用高温切割，会在面料切割的边缘形成熔接边缘，因此不需要对边缘进行修理。一般的单层面料使用5cm的聚焦镜片进行切割，热度控制在40%左右，采用5m/min的速度进行切割。由于各种不同因素的影响，例如气泵功率或者底板的平整度这些原因，都会对面料的切割有一定的影响。热量高容易让面料有缺口，并且容易使浅色的面料在切割时容易发黄。传统的裁剪技术要求工作人员拥有非常高的技术，要有很多的服装制作经验，但是使用了现代裁剪工艺对工作人员的技术没有太高的要求。只需要将面料放在自动裁剪机上就能够进行自动裁剪。在一般情况下全自动缝纫机只需要1名工作人员进行操作，并且1名工作人员能够操作两三台自动缝纫机[1]。全自动缝纫机只需要工作人员将面料和缝料放置在规定的位置再按下开始键，全自动缝纫机便可以自完成工作，并且全自动缝纫机的生产率高，质量稳定。

3.2 数字化图形处理

对于一部分面料能否对齐的问题进行解决，需要采用相关的方法对面料的条格进行精确的对齐。工业机器人在这个方面能够起到极大的作用，因为工业机器人能够利用数码相机对完整的样衣进行拍摄，并且可以对裁剪、切割的位置进行条格检测，再利用智能计算的方式将样衣的数据进行自动化处理，这样便能准确地看到样衣的轮廓以及大小。在自动对齐条格的过程中，需要对条格以及它的清晰度进行突出，因此，可以无缝地形成数字图像，完成曲线拟合和矢量化操作，并将生成的数据成功读入计算机辅助设计软件。只有这样，服装设计师才能更好地对其进行修改或处理。因此，在曲线拟合和矢量化的优化中，能够让自动化的服装生产工作更加顺利地进行。

3.3 全自动化排料技术

传统的排料主要依靠排版师傅的经验，依靠大量工作积累下来的经验并不能让排版师傅减少排料的失误。并且排料的工作量非常的大，对面料的使用率不高，还会经常出现排料失误，导致最终出来的效果不尽如人意。电脑图形优化技术可以提高排版技巧，自动放置素材框和样框，更合理地利用原材料。计算机图形优化技术还有4种优势：①可以进行多次使用，让排料的计划能够具体到用料的多少，让工作人员讨论出更具有合理性的计划，面料的利用率得到提升；②可以通过面料的质量作为区分；③对面料的质量进行区别，让设计者能够对排料方式进行选择；④能够更加精确地进行计算[2]。让缝纫工艺得到更好的优化，利用多种技术让数据一体化，这些数据能够保存起来作为数据参考，还能够让服装生产实现全面自动化。通过计算机对排料进行控制能够结合工作经验同时参考计算机数据，让排料得到更好的优化。

3.4 运用智能吊挂系统

对于吊牌的安装，传统的加工方式是在服装完成最后一个制作后，用人工搬运的方式将产品搬运到下一个工序的位置。这样容易导致货物堆积、效率低以及人工成本高等问题的出现。利用射频识别标签与吊挂系统结合，让机器对半成品进行识别，再由系统控制让物品在软件系统的控制下进行最后的加工，并且对物品的分类进行识别。智能的全自动服装生产工序，简化了流程，并且让流程更加智能化。避免了人工搬运的低效率，还能够通过吊挂系统进行计算，便于统计员工工作数量。智能采集技术是生产信息时服装企业向智能化方向转型的重要之处，为了能够解决服装生产信息的实时传递和智能采集，发明出一种利用射频识别技术进行对服装生产的信息进行采集的方法，关于基于射频识别技术在服装生产信息的采集过程中，需要同企业生产实际相结合，对射频识别技术的分析应用在于企业服装生产信息采集的过程和实施效果，为服装生产企业实现智能化生产车间建设提供一点的参考[3]。

3.5 通过视觉技术增加准确性

机器视觉技术主要通过计算机来模拟人的视觉功能，从事物的图像中提取有效信息，再对信息进行处理并理解，最后形成检测、测量和控制的标准。目前机器视觉技术还未能够得到广泛应用的主要原因是成本过高。从发展的角度来看，长期的人工成本与机器视觉设备的购买费用能够持平。并且从生产线上看来，机器视觉设备与人工比较，机器设备能够更胜一筹。伴随医药企业逐渐提升档次及逐渐完善，企业对机器视觉技术的需求会越来越普遍，对机器视觉技术速度快、信息量大、功能多的特点会多加以利用。因为视觉技术拥有较快的检测速度，因此在很多领域都得到了广泛的应用。全自动化的服装生产技术涉及到的工序主要有样衣记录、自动裁剪以及自动缝纫。样衣记录主要通过工业摄像头对样衣的基本数据进行记录，并生成样片。自动裁剪通过样衣记录的数据进行裁剪，自动缝纫是通过将裁剪后的衣服进行相应的缝纫。这些步骤的自动流水化，使得服装在生产的流程中减少了工作人员的工作量，并且工作效率以及质量都得到了提升。

3.6 嵌入式控制平台

ARM9（$3c2440）芯片是这个平台的人机界面，wince是其内部设置的操作系统，同时还配备了7in（1in≈2.54cm）的触摸屏，相应的键盘和存储设备缺一不可。借助工业相机图像，来开展设置和显示工作。在控制平台上设置了各种通讯接口，如SD卡、USB接口、网络接口等。接口的多样性确保了平台与计算机之间的有效连接。优化路线，深入了解并确保互联网的全部价值。借助控制平台，可以对各种设备进行远程管理，及时发现设备可能出现的故障，同时利用互联网进行有效的信息传输。嵌入式控制平台采用DSP+FPGA运动控制器进行浮点运算。

一般来说，硬件插值技术和实时多任务控制技术是主流。这样可以快速传递指令，借助电机控制、辅助信号控制和传感等技术，提高机器的运行效率。员工在执行图像处理操作时必须小心谨慎。只有保证加工工艺的准确性，才能顺利进行后续的裁剪和缝纫工作，提高精度。借助嵌入式控制平台，切实保障实现全自动技术，实现服装行业从制造向“智能制造”的最终目标。

3.7 特征提取

特征提取是将图像的特征点划分为不同的特征子集的过程，对图像识别的准确率和速度有重要影响。图像的基本特征包括颜色、纹理、形状以及各部分之间的空间关系，其中空间关系特征包括图像中不同识别对象的相对位置关系和图像中每个对象的绝对位置信息。服装和人体的要点与部位的识别是基于特征提取的，在织物组织结构识别中，提取组织点的颜色和纹理特征，然后计算提取的特征向量，有助于实现对组织结构进行自动分类和自动识别。

3.8 图像分割

特征提取是将图像的特征点划分为不同特征部分的过程，对图像识别的准确率和速度有显著影响。对于其他识别目的，图像分割可以作为图像识别的初步任务，例如先在杂乱的背景上分割衣服，然后再进行进一步的识别以提高准确率。人体检测、自动识别和服装分割方法包括基于阈值、基于边缘的检测和基于区域的图像分割。目前，人们提出了数千种利用各种理论模型的分割算法，一般来说，在对图像进行分割时，仅用一种方法很难得到理想的分割结果，因此必须对上述方法的组合进行修改，构建多级切分系统，以获得最佳切分结果。

3.9 图像匹配

图像匹配是指在从不同视角获得的图像中识别与物体相同或相似的区域。最常用的匹配方法是模板匹配和模式识别，模板匹配的形式比较简单，基本上很难解决变形图像的识别，因为图像像素是进行逐一比较的。模式识别可用于图像搜索和分类，是人工智能进步的基石，可以对与其他图像高度不同的相似图像进行分类。当今的一些模式识别算法也可以进行图像理解和描述，这可以通过距离测量学习来实现。建立多标签距离测量训练模型，然后将该模型应用于获取的特征以获得新的距离测量值。然后结合服装照片的客观风格文字描述信息，将多视点学习特征集进行多标签分类，得到多主观服装风格的识别结果。

4 结束语

在服装生产的领域中，智能服装生产技术在其应用中发挥着非常重要的作用，不仅可以实现服装行业的快速发展，还可以大大提高服装行业的生产效率和生产质量。但是，在中国机器识别生产的服装智能化生产中，智能生产技术的研发还缺乏经验，所以必须不断学习和借鉴发达国家机器识别生产的服装智能化生产的发展优势。再与国内的工业智能化技术发展情况相结合，以此加大相关方面的研究与创新力度。对于服装行业智能化的建设方案，能够让服装行业通过智能化的建设内容进行发展，本篇文章说明了需要构建智能化的服装生产车间，通过改革原有的生产模式、对新型生产技术的引进、企业各部门的共同配合并引进相关的专业人才，才能够保证智能化车间稳定的运行。