機器學習可減少紡織品染色浪費：美國研究人員

來源: fibre2fashion

由美國威爾遜紡織學院教授沃倫-賈斯珀（Warren Jasper）領導的一項新研究展示了機器學習如何通過提高染色過程中顏色預測的準確性來幫助減少紡織品生產中的浪費。

織物通常是在潮濕時染色的，但其顏色往往會在乾燥時發生變化。這使得製造商很難在生產過程中確定材料的最終外觀。Samuel Jasper 合著的論文指出，從濕到幹的顏色變化是非線性的，不同色調的顏色變化也不同，這使得從一種顏色到另一種顏色的資料無法通用，從而使問題變得更加複雜。

"織物是在潮濕的情況下染色的，但目標色調是在織物幹透並可穿著時確定的。這就意味著，如果染色有誤，要等織物幹了才能知道。在等待烘乾的過程中，更多的織物一直在被染色。這就造成了大量的浪費，因為要到後期才能發現錯誤。 Warren Jasper.

為了解決這個問題，Jasper 開發了五個機器學習模型，包括一個專門用於處理幹濕顏色狀態之間非線性關係的神經網路。這些模型是根據 763 塊染成不同顏色的織物樣本的視覺資料進行訓練的。Jasper 指出，每個染色過程都需要幾個小時，因此資料收集是一項時間密集型任務。

通過對最終織物顏色進行更準確的預測，神經網路可以説明製造商避免代價高昂的染色錯誤，並減少材料浪費。Jasper 表示，希望類似的機器學習工具能在整個紡織行業得到更廣泛的應用，以提高效率和可持續性。

"在紡織品領域，我們有點落後。行業已經開始更多地轉向機器學習模型，但進展非常緩慢。Warren 表示："在占染色織物 60% 以上的連續染色中，這些類型的模型可以為減少浪費和提高生產率提供強有力的工具。