التعلم العميق متعدد المهام باستخدام CNN لتصنيف التراكيب النسيجية للأقمشة والتنبؤ بكثافة الخيوط

نوع المستند : Original Article

المؤلفون

أستاذ مساعد بقسم الغزل والنسيج، كلية الفنون التطبيقية، جامعة حلوان

المستخلص

شهدت صناعة النسيج تحولاً ملحوظاً بفضل الذكاء الاصطناعي، الذي غيّر معايير مراقبة الجودة والتصميم والإنتاج. تُحسّن الأدوات والخوارزميات المُدعّمة بالذكاء الاصطناعي مجموعةً متنوعةً من العمليات الصناعية، بما في ذلك إدارة سلسلة التوريد، والتصنيع، وتصميم الأقمشة، وتطوير الأنماط. تُقيّم خوارزميات التعلم الآلي مجموعات البيانات الضخمة لتحديد الاتجاهات، والتنبؤ بالطلب، وتحسين مراقبة المخزون، مما يُؤدي إلى عمليات أكثر كفاءةً وفعاليةً من حيث التكلفة. يُمكن للذكاء الاصطناعي إجراء هندسة عكسية لعملية التصنيع، وتحديد المواد والمكونات المطلوبة، وتقييم بنية المنسوجات وخصائصها. يُمكن تطبيق أساليب الذكاء الاصطناعي، مثل الرؤية الحاسوبية والتعلم العميق والتعلم الآلي، لتحليل الصور ومقاطع الفيديو وأنواع أخرى من البيانات لاستخلاص معلومات مفيدة حول المنسوجات. نظراً للفحص البصري اليدوي، كان تصنيف الأقمشة المنسوجة وحساب كثافة خيوط السدى واللحمة صعباً للغاية تاريخياً. علاوةً على ذلك، لم تستخدم الأساليب المبكرة القائمة على التعلم الآلي سوى المعايير اليدوية التي تستغرق وقتاً طويلاً وتُعدّ عرضة للأخطاءلزيادة الإنتاج، يلزم نظام آلي يدمج عدّ خيوط السدى واللحمة مع تصنيف الأقمشة المنسوجة. لذا، تُقدّم هذه الورقة نموذج تعلّم عميق متعدد المهام لعدّ خيوط السدى واللحمة، بالإضافة إلى تصنيف بنية الأقمشة المنسوجة والتعرف عليها، بالاعتماد على تقنيات زيادة البيانات والتعلم بالنقل. قُيّمت نتائج النموذج باستخدام مقاييس تقييم مثل الدقة، وخسارة التصنيف في تصنيف الأقمشة، والانحدار (متوسط الخطأ المطلق) لكثافة السدى واللحمة.

الكلمات الرئيسية

ملفات

شارك

إرسال الاستشهاد إلى

الإحصائيات