机器学习可减少纺织品染色浪费：美国研究人员

来源: fibre2fashion

由美国威尔逊纺织学院教授沃伦-贾斯珀（Warren Jasper）领导的一项新研究展示了机器学习如何通过提高染色过程中颜色预测的准确性来帮助减少纺织品生产中的浪费。

织物通常是在潮湿时染色的，但其颜色往往会在干燥时发生变化。这使得制造商很难在生产过程中确定材料的最终外观。Samuel Jasper 合着的论文指出，从湿到干的颜色变化是非线性的，不同色调的颜色变化也不同，这使得从一种颜色到另一种颜色的数据无法通用，从而使问题变得更加复杂。

"织物是在潮湿的情况下染色的，但目标色调是在织物干透并可穿着时确定的。这就意味着，如果染色有误，要等织物干了才能知道。在等待烘干的过程中，更多的织物一直在被染色。这就造成了大量的浪费，因为要到后期才能发现错误。 Warren Jasper.

为了解决这个问题，Jasper 开发了五个机器学习模型，包括一个专门用于处理干湿颜色状态之间非线性关系的神经网络。这些模型是根据 763 块染成不同颜色的织物样本的视觉数据进行训练的。Jasper 指出，每个染色过程都需要几个小时，因此数据收集是一项时间密集型任务。

通过对最终织物颜色进行更准确的预测，神经网络可以帮助制造商避免代价高昂的染色错误，并减少材料浪费。Jasper 表示，希望类似的机器学习工具能在整个纺织行业得到更广泛的应用，以提高效率和可持续性。

"在纺织品领域，我们有点落后。行业已经开始更多地转向机器学习模型，但进展非常缓慢。Warren 表示："在占染色织物 60% 以上的连续染色中，这些类型的模型可以为减少浪费和提高生产率提供强有力的工具。