ІНТЕЛЕКТУАЛЬНА СИСТЕМА КОРЕКЦІЇ ЛЕКАЛ РУКАВИЧОК НА ОСНОВІ МАШИННОГО НАВЧАННЯ ЗА РЕЗУЛЬТАТАМИ ПРИМІРОК

Анотація

У статті представлено науково обґрунтований підхід до автоматизації корекції лекал рукавичок на основі методів машинного навчання та аналізу результатів примірок. Проблема точного узгодження геометрії лекала з фактичною посадкою виробу залишається однією з найскладніших у швейному виробництві, оскільки традиційні технології ґрунтуються переважно на ручних вимірюваннях, експертних оцінках та емпіричних правилах, що не дозволяють відтворити локальні деформації з високою точністю та унеможливлюють повноцінну цифрову автоматизацію процесу корекції лекал. У цьому контексті актуальним є створення математичної моделі, здатної інтерпретувати візуальні дані примірок і прогнозувати оновлені параметри контуру рукавички, які відповідають індивідуальним анатомічним особливостям руки користувача.

Метою дослідження є розроблення інтелектуальної системи, яка поєднує класифікаційний і регресійний модулі глибинної нейронної мережі для одночасного визначення стану посадки та передбачення локальних геометричних параметрів, необхідних для корекції лекала. Запропонована модель представляє форму лекала як параметризований контур, а відхилення посадки трактує як локальні деформації, що можуть бути визначені через нормалізовані координати об’єкта на зображенні. Таким чином, система здійснює перехід від евристичних ручних процедур до формально визначеного процесу машинного прогнозування.

У роботі вперше інтегровано двокомпонентний підхід до обробки візуальних даних: класифікаційний блок визначає наявність чи відсутність рукавички на руці, тоді як регресійний модуль прогнозує метрично інтерпретовані корекційні параметри. Запропонована методологія була реалізована у програмному комплексі, який охоплює етапи попередньої обробки даних, навчання моделі, порівняльного аналізу з класичними алгоритмами та візуально-аналітичної інтерпретації результатів. Для валідації використано відкритий датасет YOLO-розмітки, що містить зображення руки в рукавичці та без неї, забезпечені координатами локальних геометричних фрагментів, які виступають основою для навчання моделі.

Отримані результати підтверджують здатність моделі забезпечувати високу точність класифікації та стабільну якість прогнозування локальних параметрів, що дозволяє застосовувати їх як базу для автоматизованої корекції лекал. Наукова новизна роботи полягає у формалізації процесу корекції лекал через параметризоване подання деформацій і використання гібридної архітектури нейронної мережі. Практичне значення полягає у можливості інтеграції системи у процес цифрового конструювання, скороченні кількості примірок, зменшенні виробничих витрат та підвищенні точності посадки виробу. Розроблений підхід може бути поширений на інші швейні вироби та галузі, що потребують точного моделювання локальних деформацій.