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

Nel mondo della confezione di abiti, la differenza tra un capo che veste perfettamente e uno che risulta scomodo spesso si gioca su pochi millimetri. Quando una fabbrica taglia il tessuto per creare una camicia, una manica o un colletto, quei pezzi devono corrispondere a un progetto preciso. Se un pezzo è anche solo leggermente troppo grande o troppo piccolo, il problema non rimane isolato; si propaga lungo la linea di assemblaggio, facendo sì che il prodotto finale risulti sbagliato, si restringa in modo non uniforme o richieda costosi lavori di riparazione. Per decenni, il controllo di queste dimensioni è stato un compito lento e manuale. Operai specializzati hanno dovuto stendere ogni pezzo di tessuto, appiattirlo a mano e misurarlo con righelli o sagome. Questo processo non è solo dispendioso in termini di tempo, ma è anche soggetto all'errore umano, poiché la natura morbida ed elastica del tessuto rende difficile tenerlo perfettamente immobile, e diversi operai potrebbero misurare lo stesso pezzo in modo leggermente differente.

Per risolvere questo problema, i ricercatori si sono rivolti alla visione artificiale, un campo in cui telecamere e software lavorano insieme per "vedere" e misurare gli oggetti. Tuttavia, misurare un pezzo di stoffa piatta è molto più difficile che misurare un componente metallico rigido. Il tessuto si increspa, si sposta e si deforma, confondendo gli strumenti di misurazione standard che si aspettano linee rette e forme fisse. La sfida è costruire un sistema in grado di guardare una fotografia di un pezzo di tessuto tagliato, tracciarne l'esatto contorno, individuare punti specifici su quel contorno e calcolarne la dimensione reale con precisiono millimetrico, il tutto senza che un essere umano debba toccarlo.

Un team di ricercatori dell'Università Applicata del Perù ha sviluppato un nuovo sistema automatizzato progettato per affrontare esattamente questo problema. Hanno creato una configurazione specializzata per fotografare i tagli tessili e hanno poi utilizzato l'intelligenza artificiale avanzata per analizzare le immagini. Invece di affidarsi a un unico metodo rigido, il loro sistema si adatta alla forma specifica del pezzo di tessuto che sta esaminando. Per alcune parti di una camicia, come un piccolo colletto, funziona meglio un tipo di analisi; per sezioni più grandi come il pannello posteriore, un approccio diverso produce risultati migliori. I ricercatori hanno testato il loro sistema su quattro parti fondamentali di una maglietta: il pannello anteriore, il pannello posteriore, il colletto e le maniche. Hanno scoperto che combinando diverse strategie matematiche all'interno del loro software, potevano raggiungere un livello di accuratezza che rivaleggia con quello degli esperti umani, ma con la velocità e la costanza di una macchina.

Il cuore della loro soluzione è una camera fotografica costruita su misura. Immaginate una piccola scatola oscurata dove l'illuminazione è perfettamente uniforme e la telecamera è bloccata in posizione, in modo da non muoversi mai né cambiare messa a fuoco. All'interno di questa scatola, un lavoratore posiziona un pezzo di tessuto tagliato su una superficie bianca e piatta. La telecamera scatta una foto ad alta risoluzione e il sistema inizia immediatamente il suo lavoro. Il software prima pulisce l'immagine e poi utilizza due diversi tipi di modelli di deep learning, che sono essenzialmente cervelli digitali altamente addestrati, per tracciare il contorno del tessuto. Questi modelli non si limitano a cercare i bordi; sono addestrati per comprendere le curve complesse e i confini morbidi del tessuto. Per garantire che questi cervelli digitali imparino correttamente, i ricercatori li hanno istruiti utilizzando una speciale combinazione di tre diverse regole di apprendimento. Una regola aiuta il modello a comprendere la forma complessiva, un'altra si concentra sui bordi precisi e una terza lo aiuta a prestare particolare attenzione alle aree critiche dove il tessuto potrebbe confondersi con lo sfondo. Mescolando queste regole, il sistema impara a disegnare il contorno del tessuto con estrema cura, evitando i bordi frastagliati o sfocati che spesso affliggono i sistemi automatizzati.

Una volta che il software ha tracciato il contorno, identifica i punti chiave lungo quel bordo, come gli angoli di un colletto o le estremità di una manica. Questo è un passaggio critico perché il sistema deve misurare la distanza tra questi punti specifici per determinare se il pezzo ha la dimensione corretta. I ricercatori hanno scoperto che il modo migliore per trovare questi punti dipendeva dalla forma del tessuto. Per i pezzi più piccoli e complessi, come i colletti, una specifica configurazione del loro software funzionava meglio. Per i pezzi più grandi e semplici, come il davanti e il dietro della maglietta, una configurazione diversa era più affidabile. Il sistema è abbastanza intelligente da scegliere lo strumento giusto per il compito, selezionando automaticamente la migliore impostazione in base a ciò che vede nell'immagine. Dopo aver identificato i punti, il sistema converte la distanza tra di essi dai pixel su uno schermo ai millimetri nel mondo reale. Hanno calibrato questa conversione utilizzando una lunghezza di riferimento nota, assicurando che una misurazione di 100 pixel corrisponda sempre alla stessa distanza fisica, indipendentemente dalla trama del tessuto o dalle leggere variazioni di illuminazione.

I risultati di questo studio dimostrano che il sistema funziona con una precisione sorprendente. Quando testato sulle diverse parti della maglietta, il software ha raggiunto un'accuratezza tale che gli errori di misurazione erano di circa un millimetro. Questo livello di precisione è significativo perché soddisfa i severi requisiti della produzione industriale, dove anche piccoli errori possono rovinare un intero lotto di abbigliamento. Il sistema è stato più performante dei vecchi metodi fissi che utilizzavano le stesse impostazioni per ogni tipo di tessuto. Adattando il proprio approccio alla geometria specifica di ogni pezzo, il nuovo sistema ha ridotto gli errori e fornito risultati coerenti in tutti i componenti testati. I ricercatori hanno inoltre notato che il sistema poteva generare un rapporto finale per ogni pezzo, comunicando al lavoratore della fabbrica esattamente quali dimensioni erano corrette e quali rientravano fuori dall'intervallo accettabile. Se un pezzo era troppo piccolo per essere riparato, il sistema lo segnalava per lo scarto; se invece era solo leggermente fuori misura ma poteva essere salvato, forniva anche questa informazione.

Questo lavoro dimostra che il controllo qualità automatizzato per i tessili non è solo possibile, ma può essere altamente efficace quando la tecnologia è adattata alle sfide uniche del tessuto. I ricercatori non hanno semplicemente costruito un righello più veloce; hanno costruito un sistema flessibile che comprende le sfumature del tessuto. Sebbene lo studio si sia concentrato su un singolo modello di maglietta, l'approccio suggerisce una strada percorribile per l'intero settore. Passando dalla misurazione manuale a una verifica automatizzata basata sul computer, le fabbriche possono ridurre gli sprechi, velocizzare la produzione e garantire che ogni capo che lascia la linea rispetti lo stesso standard di vestibilità e qualità. Il sistema rappresenta una soluzione pratica e scalabile che colma il divario tra la natura morbida e imprevedibile del tessuto e le rigide esigenze della moderna produzione industriale.