Le système convertit les images de tissu en instructions complètes de tricotage lisibles par une machine
infohightech ·
Les progrès récents en robotique et en apprentissage automatique ont permis l'automatisation de nombreuses tâches concrètes, notamment de divers processus de fabrication et industriels. Entre autres applications, les systèmes robotisés et d'intelligence artificielle (IA) ont été utilisés avec succès pour automatiser certaines étapes de la fabrication de vêtements.
Des chercheurs de l'Université Laurentienne, au Canada, ont récemment entrepris d'explorer la possibilité d'automatiser entièrement le tricotage de vêtements. Pour ce faire, ils ont développé un modèle permettant de convertir les images de tissus en instructions détaillées que les robots tricoteurs pourraient lire et suivre. Leur modèle, présenté dans un article publié dans la revue Electronics , s'est avéré capable de réaliser des patrons pour la création de vêtements tricotés à un ou plusieurs fils.
« Notre article aborde le défi de l'automatisation du tricot en convertissant les images de tissu en instructions lisibles par machine », ont déclaré Xingyu Zheng et Mengcheng Lau, co-auteurs de l'article.
Les méthodes traditionnelles nécessitent un étiquetage manuel, ce qui demande beaucoup de travail et limite l'évolutivité. Inspirés par cette lacune, notre objectif était de développer un système d'apprentissage profond capable de rétroconcevoir des tissus tricotés à partir d'images, permettant ainsi une plus grande personnalisation et une plus grande évolutivité dans la fabrication textile.
L'approche basée sur l'apprentissage profond développée par Zheng, Lau et leurs collègues s'attaque au problème de la production d'instructions de tricot en deux étapes principales. La première est appelée « phase de génération », tandis que la seconde est appelée « phase d'inférence ».
« Lors de la phase de génération, un modèle d'IA transforme des images de tissus réels en représentations synthétiques claires, puis les interprète pour prédire des instructions de tricotage simplifiées, appelées étiquettes de devant », expliquent Haoliang Sheng et Songpu Cai, co-auteurs de l'article. « Lors de la phase d'inférence, un autre modèle utilise les étiquettes de devant pour déduire des instructions de tricotage complètes, prêtes à l'emploi. »
- Image illustrant le pipeline de l'étude. Il commence par une image réelle de tricot, suivie de la phase de génération, où les modules « Refiner » et « Img2prog » produisent une étiquette frontale simplifiée. Ensuite, lors de la phase d'inférence, le « Modèle résiduel » génère les instructions de tricotage complètes. Crédit : Sheng et al.
- Instructions de tricot complètes produites par le modèle. L'étiquette finale complète comprend la couche avant visible et la couche arrière cachée, garantissant ainsi une utilisation directe par les machines à tricoter. Crédit : Sheng et al.
- Image illustrant le pipeline de l'étude. Il commence par une image réelle de tricot, suivie de la phase de génération, où les modules « Refiner » et « Img2prog » produisent une étiquette frontale simplifiée. Ensuite, lors de la phase d'inférence, le « Modèle résiduel » génère les instructions de tricotage complètes. Crédit : Sheng et al.
Le nouveau modèle de création de patrons de tissus introduit par les chercheurs présente plusieurs caractéristiques et avantages précieux. Il permet notamment de produire des patrons de tricot à un ou plusieurs fils, d'intégrer avec précision les points rares et de s'adapter facilement à de nouveaux styles de tissus.
Les chercheurs ont testé leur système lors d'une série de tests, en l'utilisant pour créer des patrons pour environ 5 000 échantillons textiles, destinés à être fabriqués à partir de tissus naturels et synthétiques. Ils ont constaté des performances remarquables, générant des instructions de tricot précises pour la plupart de ces articles.
« Notre modèle a atteint une précision de plus de 97 % dans la conversion des images en instructions de tricot, surpassant considérablement les méthodes existantes », ont déclaré Sheng et Cai.
Notre système gère également efficacement la complexité des fils multicolores et des types de points rares, qui constituaient des limites majeures dans les approches précédentes. En termes d'applications, notre méthode permet une production textile entièrement automatisée, réduisant ainsi les délais et les coûts de main-d'œuvre.
Le nouveau modèle développé par Lau, Zheng, Sheng et Cai pourrait bientôt être testé et amélioré. À terme, il pourrait être déployé en situation réelle, favorisant potentiellement la production automatisée de masse de vêtements tricotés personnalisés. Associé à des systèmes de tricotage robotisés, ce modèle pourrait également permettre aux designers de créer rapidement des prototypes de leurs créations ou de tester de nouveaux modèles sans créer manuellement de patrons lisibles par machine.
« À l’avenir, nous prévoyons de remédier aux déséquilibres des ensembles de données, en particulier pour les points rares, grâce à des techniques d’augmentation avancées », ont ajouté Lau et Zheng.
Nous souhaitons également intégrer la reconnaissance des couleurs pour améliorer la fidélité structurelle et visuelle. L'extension du système à la gestion de tailles d'entrée et de sortie variables est un autre objectif, lui permettant de s'adapter dynamiquement à différents tissus. Enfin, nous prévoyons d'étendre notre pipeline aux vêtements tricotés 3D complexes et d'explorer des applications transversales telles que le tissage et la broderie.
https://www.mdpi.com/2079-9292/14/8/1605
https://techxplore.com/news/2025-05-fabric-images-machine-readable.html