Automated Dimensional Verification of Textile Cuts Using Improved U-Net and ResUnet Models

في عالم صناعة الملابس، غالبًا ما يكمن الفرق بين قطعة ملابس تناسب الجسم تمامًا وأخرى تبدو غير مريحة في بضعة مليمترات فقط. فعندما تقوم المصانع بقص القماش لصنع قميص أو كم أو ياقة، يجب أن تطابق هذه القطع مخططًا دقيقًا. فإذا كانت القطعة أكبر أو أصغر قليلاً، فإن المشكلة لا تظل محصورة في مكانها؛ بل تنتقل عبر خط التجميع، مما يؤدي إلى ظهور المنتج النهائي بشكل خاطئ، أو انكماشه بشكل غير متساوٍ، أو يتطلب إعادة عمل مكلفة. ولعقود من الزمن، كان فحص هذه الأبعاد مهمة بطيئة ويدوية؛ حيث كان على العمال المهرة فرد كل قطعة قماش، وتسويتها يدويًا، وقياسها باستخدام المساطر أو النماذج. وهذه العملية ليست مستهلكة للوقت فحسب، بل هي أيضًا عرضة للخطأ البشري، نظرًا لأن الطبيعة الناعمة والمطاطية للقماش تجعل من الصعب تثبيته بدقة، كما أن العمال المختلفين قد يقيسون القطعة نفسها بشكل مختلف قليلاً.

ولحل هذه المشكلة، توجه الباحثون إلى الرؤية الحاسوبية، وهو مجال تعمل فيه الكاميرات والبرمجيات معًا لـ "رؤية" وقياس الأشياء. ومع ذلك، فإن قياس قطعة مسطحة من القماش أصعب بكثير من قياس جزء معدني صلب؛ فالقماش يتجعد، وينزاح، ويتشوه، مما يربك أدوات القياس القياسية التي تتوقع خطوطًا مستقيمة وأشكالًا ثابتة. ويتمثل التحدي في بناء نظام يمكنه النظر إلى صورة لقطعة مقصوصة من القماش، وتتبع حدودها الدقيقة، وإيجاد نقاط محددة على ذلك الإطار، وحساب حجمها الحقيقي بدقة مليمترية، وكل ذلك دون الحاجة لتدخل بشري.

قام فريق من الباحثين من جامعة بيرو التطبيقية بتطوير نظام مؤتمت جديد مصمم لمعالجة هذه المشكلة تحديدًا. فقد أنشأوا إعدادًا متخصصًا لتصوير قصاصات المنسوجات ثم استخدموا ذكاءً اصطناعيًا متقدمًا لتحليل الصور. وبدلاً من الاعتماد على طريقة واحدة جامدة، يتكيف نظامهم مع الشكل المحدد لقطعة القماش التي يفحصها. فبالنسبة لبعض أجزاء القميص، مثل الياقة الصغيرة، يعمل نوع معين من التحليل بشكل أفضل؛ أما بالنسبة للأجزاء الأكبر مثل اللوحة الخلفية، فإن نهجًا مختلفًا يعطي نتائج أفضل. اختبر الباحثون نظامهم على أربعة أجزاء أساسية من قميص (T-shirt): اللوحة الأمامية، واللوحة الخلفية، والياقة، والأكمام. ووجدوا أنه من خلال الجمع بين استراتيجيات رياضية مختلفة داخل برمجياتهم، استطاعوا تحقيق مستوى من الدقة يضاهي الخبراء البشر ولكن بسرعة واتساق الآلة.

إن جوهر حلهم هو غرفة كاميرا مصممة خصيصًا. تخيل صندوقًا صغيرًا عازلًا للضوء حيث تكون الإضاءة متساوية تمامًا والكاميرا مثبتة في مكانها، بحيث لا تتحرك أو يتغير تركيزها أبدًا. داخل هذا الصندوق، يضع العامل قطعة من القماش المقصوص على سطح أبيض مستوٍ. تلتقط الكاميرا صورة عالية الدقة، ويبدأ النظام عمله على الفور. تقوم البرمجيات أولاً بتنقية الصورة، ثم تستخدم نوعين مختلفين من نماذج التعلم العميق، وهي في الأساس "أدمغة رقمية" مدربة تدريبًا عاليًا، لتتبع حدود القماش. هذه النماذج لا تبحث عن الحواف فحسب؛ بل تم تدريبها لفهم المنحنيات المعقدة والحدود الناعمة للقماش. ولضمان تعلم هذه الأدمغة الرقمية بشكل صحيح، علمها الباحثون باستخدام مزيج خاص من ثلاثة قواعد تعلم مختلفة: قاعدة تساعد النموذج على فهم الشكل العام، وأخرى تركز على الحواف الدقيقة، وثالثة تساعده على الانتباه بشكل خاص للمناطق الصعبة حيث قد يندمج القماش مع الخلفية. ومن خلال مزج هذه القواعد معًا، يتعلم النظام رسم حدود القماش بعناية فائقة، متجنبًا الحواف المتعرجة أو الضبابية التي غالبًا ما تعاني منها الأنظمة المؤتمتة.

بمجرد أن تتبع البرمجيات الحدود، تحدد نقاطًا رئيسية على طول ذلك الإطار، مثل زوايا الياقة أو نهايات الأكمام. هذه خطوة حاسمة لأن النظام يحتاج إلى قياس المسافة بين هذه النقاط المحددة لتحديد ما إذا كانت القطعة بالحجم الصحيح. وجد الباحثون أن الطريقة المثلى لإيجاد هذه النقاط تعتمد على شكل القماش؛ فبالنسبة للقطع الأصغر والأكثر تعقيدًا مثل الياقات، كان تكوين محدد من برمجياتهم يعمل بشكل أفضل. أما بالنسبة للقطع الأكبر والأبسط مثل مقدمة وخلفية القميص، فقد كان التكوين المختلف يؤدي بشكل أكثر موثوقية. النظام ذكي بما يكفي لاختيار الأداة المناسبة للمهمة، حيث يختار تلقائيًا الإعداد الأفضل بناءً على ما يراه في الصورة. بعد تحديد النقاط، يقوم النظام بتحويل المسافة بينها من بكسلات على الشاشة إلى مليمترات في العالم الحقيقي. وقد قاموا بمعايرة هذا التحويل باستخدام طول مرجعي معروف، مما يضمن أن قياس 100 بكسل يساوي دائمًا نفس المسافة الفيزيائية، بغض النظر عن نسيج القماش أو الاختلافات الطفيفة في الإضاءة.

تظهر نتائج هذه الدراسة أن النظام يعمل بدقة ملحوظة. فعند اختباره على أجزاء مختلفة من القميص، حققت البرمجيات دقة حيث كانت القياسات تنحرف بنحو مليمتر واحد فقط. هذا المستوى من الدقة مهم لأنها تلبي المتطلبات الصارمة للتصنيع الصناعي، حيث يمكن حتى للأخطاء الصغيرة أن تفسد دفعة كاملة من الملابس. لقد تفوق النظام على الطرق الثابتة القديمة التي كانت تستخدم نفس الإعدادات لكل نوع من أنواع القماش. ومن خلال تكييف نهجه مع الهندسة المحددة لكل قطعة، قلل النظام من الأخطاء وقدم نتائج متسقة عبر جميع المكونات المختبرة. لاحظ الباحثون أيضًا أن النظام يمكنه إنشاء تقرير نهائي لكل قطعة، يخبر عامل المصنع بالضبط بالأسماء التي كانت صحيحة وتلك التي تقع خارج النطاق المقبول. فإذا كانت القطعة صغيرة جدًا بحيث لا يمكن إصلاحها، يقوم النظام بتمييزها للرفض؛ وإذا كانت منحرفة قليلاً ولكن يمكن إنقاذها، فإنه يوفر تلك المعلومات أيضًا.

يوضح هذا العمل أن مراقبة الجودة المؤتمتة للمنسوجات ليست ممكنة فحسب، بل يمكن أن تكون فعالة للغاية عندما يتم تصميم التكنولوجيا لتناسب التحديات الفريدة للقماش. لم يكتفِ الباحثون ببناء مسطرة أسرع، بل بنوا نظامًا مرنًا يفهم تفاصيل القماش. وبينما ركزت الدراسة على نموذج واحد من القمصان، فإن هذا النهج يشير إلى مسار مستقبلي للصناعة بأكملها. فمن خلال الانتقال من القياس اليدوي نحو التحقق التكيفي القائم على الكمبيوتر، يمكن للمصانع تقليل الهدر، وتسريع الإنتاج، وضمان أن كل قطعة ملابس تغادر خط الإنتاج تلبي نفس المعايير العالية من الملاءمة والجودة. يمثل هذا النظام حلاً عمليًا وقابلاً للتوسع يسد الفجوة بين الطبيعة الناعمة وغير المتوقعة للقماش والمتطلبات الصارمة للتصنيع الحديث.