Body Shape Classification Model for Application in Sustainable Automated Clothing Production Systems

Stel je voor dat je een kledingwinkel binnenloopt en een pak vindt dat perfect om je heen valt, niet omdat het door een kleermaker wekenlang op maat is gemaakt, maar omdat een machine direct jouw unieke vorm begreep en het binnen enkele minuten voor je heeft vervaardigd. Dit is de belofte van geautomatiseerde kledingproductie, een vakgebied waar digitale technologie en de kunst van het kleding maken elkaar ontmoeten. Decennialang heeft de industrie vertrouwd op standaardmaten, zoals small, medium of large, die ervan uitgaan dat alle lichamen met dezelfde lengte en hetzelfde gewicht er hetzelfde uitzien. Maar menselijke lichamen zijn veel gevarieerder; twee mensen kunnen dezelfde borstomvang hebben, maar met een totaal andere houding staan, de een met een bolle rug en de ander met een rechte ruggengraat. Deze subtiele verschillen in hoe iemand zijn lichaam houdt, bepalen of een kledingstuk soepel valt of knelt en rimpelt. Om voorbij deze grove schattingen te gaan, hebben wetenschappers een manier nodig om de complexe, driedimensionale realiteit van de menselijke vorm te vertalen naar duidelijke, wiskundige regels die een computer kan volgen.

In een recente studie hebben onderzoekers van de Seoul National University een belangrijke stap richting deze toekomst gezet door een nieuwe manier te ontwikkelen om menselijke lichaamsvormen te classificeren, specifiek voor geautomatiseerde kledingsystemen. Ze richtten zich op een groep van 126 Koreaanse mannen, allemaal tussen de 20 en 64 jaar oud, die een gemeenschappelijke borstomvang deelden. Met behulp van geavanceerde 3D-scantechnologie legde het team duizenden metingen vast van deze mannen, waarbij ze verder keken dan eenvoudige omtrekcijfers om de hoeken en hellingen van hun lichamen te begrijpen. Ze waren bijzonder geïnteresseerd in hoe de ruggengraat kromt, hoe de schouders zitten en hoe de heupen en de buik uitsteken, aangezien deze kenmerken de primaire redenen zijn waarom kleding vaak slecht past, zelfs wanneer het maatlabel correct is.

De onderzoekers analyseerden deze gedetailleerde 3D-scans om de belangrijkste patronen te vinden in hoe lichamen van elkaar verschillen. Ze ontdekten dat zes specifieme vormfactoren bijna de volledige variatie in houding en vorm onder de mannen die zij bestudeerden, konden verklaren. Deze factoren omvatten de helling van de onderrug, de hoek van de schouderbladen, de kanteling van de schouders, de vorm van de schouderlijn, de uitstulping van de buik en de uitstulping van de heupen. Door de complexe menselijke vorm te ontleden in deze zes hanteerbare categorieën, creëerde het team een systeem dat een lichaamstype objectief kon beschrijven zonder afhankelijk te zijn van de subjectieve mening van een menselijke expert.

Om dit systeem bruikbaar te maken voor machines, bouwden de onderzoekers een beslisboom, een type computermodel dat een reeks eenvoudige ja-of-nee-vragen stelt om mensen in groepen in te delen. Het model kan bijvoorbeeld eerst vragen of de hoek van de schouderlijn boven of onder een bepaald punt ligt, en vervolgens vragen naar de helling van de rug, enzovoort. Dit proces stelde hen in staat om een lichaamstype te voorspellen met een nauwkeurigheid van bijna 90 procent. Het resultaat is een "lichaamstype-matrix", een gestructureerde kaart die specifieke lichaamsvormen koppelt aan de exacte aanpassingen die nodig zijn in een kledingpatroon. In plaats van dat een kleermaker handmatig stof meet en snijdt om de pasvorm te verbeteren, kan een computer nu de gegevens van een persoon bekijken, hun plek op deze matrix identificeren en automatisch een patroon genereren dat rekening houdt met hun unieke houding.

Deze aanpak scheidt het proces van het aanpassen van een kledingstuk in twee duidelijke fasen. De eerste fase, genaamd structurele correctie, behandelt de grote vormveranderingen, zoals het draaien van een patroondeel om een bolle rug op te vangen of het verschuiven van een schouderlijn. De tweede fase, subtiliteiten-correctie, gaat over kleinere details zoals het aanpassen van de lengte van een mouw of de strakheid van een naad nadat de hoofdvorm is aangepast. Door de gegevens op deze manier te organiseren, bootst het systeem de logische stappen van een vaardige patroontekenaar na, maar doet dit met de snelheid en consistentie van een computer. De studie vond dat deze methode erin slaagde lichamen succesvol in te delen in 48 verschillende typen, wat een fundament biedt voor een systeem van massapersonalisatie waarbij kleding wordt gemaakt om individuen te passen, in plaats van individuen te dwingen in standaardmaten te passen.

De implicaties van dit werk reiken verder dan alleen beter passende pakken. Door een betrouwbare, geautomatiseerde manier te creëren om lichaamsvormen te classificeren, leggen de onderzoekers de basis voor een duurzamere kledingindustrie. Momenteel gaat een aanzienlijke hoeveelheid stof verloren omdat massaal geproduceerde kleding niet goed past, wat leidt tot retourzendingen en weggegooide artikelen. Als machines kledingstukken kunnen produceren die de eerste keer perfect passen, gebaseerd op nauwkeurige lichaamsgegevens, kan de industrie verspilling verminderen en bewegen naar een model waarbij kleding alleen wordt geproduceerd wanneer en zoals het nodig is. De studie suggereert dat door deze classificatieregels te integreren in geautomatiseerde productielijnen, de industrie eindelijk de kloof kan overbruggen tussen de efficiëntie van fabrieksmatige productie en de perfecte pasvorm van maatwerk.

Hoewel de huidige studie zich richtte op een specifieke reeks borstomvangmaten voor mannen, biedt het ontwikkelde kader een schaalbaar pad vooruit. De onderzoekers merken op dat de volgende stap zou zijn om dezezelfde principes toe te passen op het volledige bereik van menselijke lichaamsgroottes en op verschillende soorten kleding. De gegevens die in de studie werden gebruikt, kwamen uit een nationale enquête die elke paar jaar lichaamsmaten bijwerkt, wat betekent dat dit systeem kan evolueren naarmate de populatie verandert. Uiteindelijk transformeert dit werk het abstracte concept van "lichaamsvorm" in een concrete set instructies die machines kunnen lezen, waardoor de visie van een werkelijk gepersonaliseerde, geautomatiseerde en duurzame kledingtoekomst een stap dichter bij de realiteit wordt gebracht.