Машинное обучение может сократить отходы при окраске тканей
Профессор Уоррен Джаспер из Колледжа текстиля Уилсона при Университете Северной Каролины разработал инновационный метод прогнозирования конечного цвета ткани после окрашивания, используя технологии машинного обучения. Это открытие может кардинально сократить объемы текстильных отходов, возникающих из-за традиционного «мокрого» метода окрашивания, сообщает Sourcing Journal.
Традиционно ткань окрашивают в мокром состоянии, поэтому итоговый оттенок виден только после высыхания. «Если возникает ошибка в окрашивании, мы узнаем об этом слишком поздно, когда уже окрашены большие объемы материала», — объяснил Уоррен Джаспер.
Для решения этой проблемы Джаспер создал пять моделей машинного обучения, включая нейронную сеть, специально разработанную для анализа нелинейных цветовых зависимостей. Модели обучались на 763 образцах тканей различных цветов в мокром и сухом состояниях.
В итоге, нейросеть показала рекордно низкий уровень погрешности — всего 0,01 по стандартизированной шкале CIEDE2000, тогда как традиционные методы дают погрешность до 13,8.
