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

Dans le monde de la confection de vêtements, la différence entre un vêtement qui s'ajuste parfaitement et un autre qui semble mal ajusté tient souvent à quelques millimètres. Lorsqu'une usine découpe du tissu pour créer une chemise, une manche ou un col, ces pièces doivent correspondre à un patron précis. Si une pièce est même légèrement trop grande ou trop petite, le problème ne reste pas isolé ; il se propage tout au long de la chaîne de montage, faisant en sorte que le produit final ait une apparence incorrecte, rétrécisse de manière inégale ou nécessite des retouches coûteuses. Pendant des décennies, la vérification de ces dimensions a été une tâche manuelle et lente. Des ouvriers qualifiés devaient étaler chaque pièce de tissu, l'aplatir à la main et la mesurer avec des règles ou des gabarits. Ce processus est non seulement chronophage, mais aussi sujet à l'erreur humaine, car la nature souple et extensible du tissu rend difficile le maintien d'une position parfaitement immobile, et différents travailleurs pourraient mesurer la même pièce de manière légèrement différente.

Pour résoudre ce problème, les chercheurs se sont tournés vers la vision par ordinateur, un domaine où les caméras et les logiciels travaillent ensemble pour « voir » et mesurer des objets. Cependant, mesurer une pièce de tissu plate est bien plus difficile que de mesurer une pièce métallique rigide. Le tissu se froisse, se déplace et se déforme, confondant les outils de mesure standards qui attendent des lignes droites et des formes fixes. Le défi consiste à construire un système capable de regarder une photographie d'une pièce de tissu découpée, d'en tracer le contour exact, de trouver des points spécifiques sur ce contour et de calculer sa taille réelle avec une précision millimétrique, le tout sans qu'un humain n'ait besoin d'y toucher.

Une équipe de chercheurs de l'Université de sciences appliquées du Pérou a développé un nouveau système automatisé conçu pour s'attaquer précisément à ce problème. Ils ont créé une installation spécialisée pour photographier les coupes textiles, puis ont utilisé l'intelligence artificielle avancée pour analyser les images. Au lieu de s'appuyer sur une méthode unique et rigide, leur système s'adapte à la forme spécifique de la pièce de tissu qu'il examine. Pour certaines parties d'une chemise, comme un petit col, un certain type d'analyse fonctionne mieux ; pour des sections plus larges comme le panneau dorsal, une approche différente donne de meilleurs résultats. Les chercheurs ont testé leur système sur quatre parties fondamentales d'un T-shirt : le panneau avant, le panneau arrière, le col et les manches. Ils ont constaté qu'en combinant différentes stratégies mathématiques au sein de leur logiciel, ils pouvaient atteindre un niveau de précision qui rivalise avec celui des experts humains, mais avec la vitesse et la cohérence d'une machine.

Le cœur de leur solution est une chambre de caméra conçue sur mesure. Imaginez une petite boîte étanche à la lumière où l'éclairage est parfaitement uniforme et où la caméra est verrouillée en place, de sorte qu'elle ne bouge jamais et ne change jamais de mise au point. À l'intérieur de cette boîte, un travailleur place une pièce de tissu découpée sur une surface blanche et plane. La caméra prend une photo haute résolution, et le système commence immédiatement son travail. Le logiciel nettoie d'abord l'image, puis utilise deux types différents de modèles d'apprentissage profond (deep learning), qui sont essentiellement des cerveaux numériques hautement entraînés, pour tracer le contour du tissu. Ces modèles ne se contentent pas de chercher des bords ; ils sont entraînés pour comprendre les courbes complexes et les contours mous du tissu. Pour s'assurer que ces cerveaux numériques apprennent correctement, les chercheurs les ont instruits en utilisant une combinaison spéciale de trois règles d'apprentissage différentes. Une règle aide le modèle à comprendre la forme globale, une autre se concentre sur les bords précis, et une troisième l'aide à prêter une attention particulière aux zones délicates où le tissu pourrait se fondre dans l'arrière-plan. En mélangeant ces règles, le système apprend à tracer le contour du tissu avec un soin extrême, évitant les bords dentelés ou flous qui affectent souvent les systèmes automatisés.

Une fois que le logiciel a tracé le contour, il identifie des points clés le long de ce bord, tels que les coins d'un col ou les extrémités d'une manche. C'est une étape critique car le système doit mesurer la distance entre ces points spécifiques pour déterminer si la pièce a la bonne taille. Les chercheurs ont découvert que la meilleure façon de trouver ces points dépendait de la forme du tissu. Pour les pièces plus petites et plus complexes comme les cols, une configuration spécifique de leur logiciel fonctionnait le mieux. Pour les pièces plus grandes et plus simples comme l'avant et l'arrière du t-shirt, une configuration différente était plus fiable. Le système est assez intelligent pour choisir le bon outil pour la tâche, sélectionnant automatiquement le meilleur réglage en fonction de ce qu'il voit dans l'image. Après avoir identifié les points, le système convertit la distance entre eux, de pixels sur un écran en millimètres réels. Ils ont calibré cette conversion à l'aide d'une longueur de référence connue, garantissant qu'une mesure de 100 pixels équivaut toujours à la même distance physique, indépendamment de la texture du tissu ou des légères variations de luminosité.

Les résultats de cette étude montrent que le système fonctionne avec une précision remarquable. Lors des tests sur les différentes parties du T-shirt, le logiciel a atteint une précision telle que les mesures n'étaient erronées que d'environ un millimètre. Ce niveau de précision est significatif car il répond aux exigences strictes de la fabrication industrielle, où même de petites erreurs peuvent ruiner un lot de vêtements. Le système a obtenu de meilleurs résultats que les anciennes méthodes fixes qui utilisaient les mêmes réglages pour chaque type de tissu. En adaptant son approche à la géométrie spécifique de chaque pièce, le nouveau système a réduit les erreurs et fourni des résultats cohérents pour tous les composants testés. Les chercheurs ont également noté que le système pouvait générer un rapport final pour chaque pièce, indiquant à l'ouvrier de l'usine exactement quelles dimensions étaient correctes et lesquelles se situaient en dehors de la plage acceptable. Si une pièce était trop petite pour être réparée, le système la signalait pour rejet ; si elle était légèrement décalée mais pouvait être sauvée, il fournissait également cette information.

Ce travail démontre que le contrôle qualité automatisé pour les textiles est non seulement possible, mais peut être hautement efficace lorsque la technologie est adaptée aux défis uniques du tissu. Les chercheurs n'ont pas seulement construit une règle plus rapide ; ils ont construit un système flexible qui comprend les nuances du tissu. Bien que l'étude se soit concentrée sur un seul modèle de T-shirt, l'approche suggère une voie d'avenir pour l'ensemble de l'industrie. En passant d'une mesure manuelle à une vérification adaptative basée sur l'ordinateur, les usines peuvent réduire le gaspillage, accélérer la production et garantir que chaque vêtement qui quitte la chaîne respecte le même standard élevé de coupe et de qualité. Le système constitue une solution pratique et évolutive qui comble le fossé entre la nature souple et imprévisible du tissu et les exigences rigides de la fabrication moderne.