Body Shape Classification Model for Application in Sustainable Automated Clothing Production Systems
Cette étude développe un modèle quantitatif de classification de la morphologie corporelle utilisant des données anthropométriques 3D et un arbre de décision CART pour atteindre une précision de prédiction de 89,57 %, permettant ainsi une production de vêtements automatisée et durable grâce à un cadre objectif pour la génération de patrons sur mesure.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous entriez dans un magasin de vêtements et trouviez un costume qui vous va parfaitement, non pas parce qu'il a été confectionné sur mesure par un tailleur pendant des semaines, mais parce qu'une machine a instantanément compris votre forme unique et l'a fabriqué pour vous en quelques minutes. C'est la promesse de la production de vêtements automatisée, un domaine où la technologie numérique rencontre l'art de la couture. Pendant des décées, l'industrie s'est appuyée sur des tailles standards, comme petit, moyen ou grand, qui supposent que tous les corps de même taille et de même poids se ressemblent. Mais les corps humains sont bien plus variés ; deux personnes peuvent avoir le même tour de poitrine mais avoir une posture complètement différente, l'une avec un dos arrondi et l'autre avec une colonne vertébrale droite. Ces différences subtiles dans la façon dont une personne tient son corps déterminent si un vêtement tombe avec fluidité ou s'il tire et se froisse. Pour dépasser ces approximations grossières, les scientifiques ont besoin d'un moyen de traduire la réalité complexe et tridimensionnelle de la forme humaine en règles mathématiques claires qu'un ordinateur peut suivre.
Dans une étude récente, des chercheurs de l'Université Nationale de Séoul ont franchi une étape significative vers ce futur en développant une nouvelle façon de classifier les formes corporelles humaines spécifiquement pour les systèmes de vêtements automatisés. Ils se sont concentrés sur un groupe de 126 Coréens, tous âgés de 20 à 64 ans, partageant une taille de poitrine commune. En utilisant une technologie de numérisation 3D avancée, l'équipe a capturé des milliers de mesures de ces hommes, allant au-delà des simples chiffres de circonférence pour comprendre les angles et les pentes de leurs corps. Ils s'intéressaient particulièrement à la façon dont la colonne vertébrale se courbe, à la position des épaules, ainsi qu'à la façon dont les hanches et l'abdomen font saillie, car ces caractéristiques sont les raisons principales pour lesquelles les vêtements s'ajustent souvent mal, même lorsque l'étiquette de taille est correcte.
Les chercheurs ont analysé ces scans 3D détaillés pour identifier les schémas les plus importants dans la variation des corps. Ils ont découvert que six facteurs de forme spécifiques pouvaient expliquer la quasi-totalité de la variation de la posture et de la morphologie parmi les hommes étudiés. Ces facteurs comprenaient la pente du bas du dos, l'angle des omoplates, l'inclinaison des épaules, la forme de la ligne des épaules, la saillie de l'abdomen et la saillie des hanches. En décomposant la forme humaine complexe en ces six catégories gérables, l'équipe a créé un système capable de décrire objectivement le type de corps d'une personne sans dépendre de l'opinion subjective d'un expert humain.
Pour rendre ce système utile aux machines, les chercheurs ont construit un arbre de décision, un type de modèle informatique qui pose une série de questions simples par oui ou par non pour classer les individus dans des groupes. Par exemple, le modèle pourrait d'abord demander si l'angle de la ligne des épaules est au-dessus ou en dessous d'un certain point, puis interroger sur la pente du dos, et ainsi de suite. Ce processus leur a permis de prédire le type de corps d'une personne avec une précision de près de 90 pour cent. Le résultat est une « matrice de type corporel », une carte structurée qui lie des formes corporelles spécifiques aux ajustements exacts nécessaires pour un patron de vêtement. Au lieu qu'un tailleur mesure et coupe manuellement le tissu pour corriger l'ajustement, un ordinateur peut désormais analyser les données d'une personne, identifier sa place sur cette matrice et générer automatiquement un patron qui tient compte de sa posture unique.
Cette approche sépare le processus de correction d'un vêtement en deux étapes distinctes. La première étape, appelée correction structurelle, traite les changements de forme majeurs, tels que la rotation d'une pièce de patron pour accommoder un dos arrondi ou le déplacement d'une ligne d'épaule. La seconde étape, la correction des subtilités, s'occupe des détails plus petits comme l'ajustement de la longueur d'une manche ou la tension d'une couture après que la forme principale a été traitée. En organisant les données de cette manière, le système imite les étapes logiques qu'un modéliste qualifié suivrait, mais il le fait avec la vitesse et la constance d'un ordinateur. L'étude a révélé que cette méthode pouvait classer avec succès les corps en 48 types distincts, fournissant ainsi une base pour un système de personnalisation de masse où les vêtements sont fabriqués pour s'adapter aux individus plutôt que de forcer les individus à s'adapter à des tailles standards.
Les implications de ce travail s'étendent au-delà de la simple amélioration de l'ajustement des costumes. En créant une méthode fiable et automatisée pour classifier les formes corporelles, les chercheurs jettent les bases d'une industrie de l'habillement plus durable. Actuellement, une quantité importante de tissu est gaspillée parce que les vêtements produits en masse ne s'ajustent pas bien, ce qui entraîne des retours et des articles mis au rebut. Si les machines peuvent produire des vêtements qui s'ajustent parfaitement dès la première fois, sur la base de données corporelles précises, l'industrie pourra réduire le gaspillage et évoluer vers un modèle où les vêtements sont produits uniquement quand et comment ils sont nécessaires. L'étude suggère qu'en intégrant ces règles de classification dans les lignes de production automatisées, l'industrie pourra enfin combler le fossé entre l'efficacité de la production en usine et l'ajustement parfait de la couture sur mesure.
Bien que l'étude actuelle se soit concentrée sur une gamme spécifique de tailles de poitrine pour les hommes, le cadre développé offre une voie évolutive. Les chercheurs notent que la prochaine étape consistera à appliquer ces mêmes principes à toute la gamme de tailles corporelles humaines et à différents types de vêtements. Les données utilisées dans l'étude proviennent d'une enquête nationale qui actualise les mesures corporelles tous les quelques années, ce qui signifie que ce système peut évoluer à mesure que la population change. En fin de compte, ce travail transforme le concept abstrait de « forme corporelle » en un ensemble concret d'instructions que les machines peuvent lire, rapprochant ainsi la vision d'un avenir de l'habillement véritablement personnalisé, automatisé et durable de la réalité.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.