Первые упоминания о нейросетях в публикациях Уоррена Джаспера, профессора кафедры волокон и полимеров из Текстильного колледжа Уилсона университета штата Северная Каролина, встречаются в далеком 1993-м. Вот, например: «Использование нейронных сетей для прогнозирования концентрации красителей в смесях нескольких красителей», или вот: «Использование нейронных сетей и спектрофотометрии ближнего инфракрасного диапазона для идентификации волокон».
Многие годы практикующий ученый посвятил тому, чтобы с высокой вероятностью предсказать итоговый цвет ткани у окрашиваемого материала. Посвященная этой теме работа Уоррена Джаспера текущего года, под названием «Обзор глубокого обучения и искусственного интеллекта в крашении, печати и отделке», посвящена использованию нейросетей в красильном производстве для решения основополагающей проблемы с изменением цвета полотна при высыхании. При помощи ИИ* с задачей успешно справились.
Возглавляемая профессором группа ученых колледжа разработала пять моделей машинного обучения на основе данных 763 образцов ткани, собранных на разных этапах окрашивания. Результат оказался впечатляющим: нейросетям удалось просчитать цвет со статистической погрешностью всего 0,7 единиц. В общепринятом международном стандарте CIEDE2000, который применяется в текстильной индустрии для измерения разницы в цвете, значения выше 0,8-1,0 считаются недопустимыми. Протестированные в ходе исследований прочие модели МО не смогли преодолеть порог погрешности в 1,1-1,6 единиц при базовых параметрах 13,8. Нейросеть Джаспера, как видно, оказалась намного продуктивнее.
Прогнозирование конечного цвета ткани позволит фабрикам избежать ошибок, сэкономить ресурсы, в первую очередь воду и электричество, существенно сократить процент брака, а значит и объемов текстильных отходов. К слову, нейросети уже активно применяются в легпроме для обнаружения дефектов текстильных материалов. Крупный турецкий поставщик трикотажа Ekoten Tekstil, три года подряд сохраняющий А-статус в рейтинге изменения климата Carbon Disclosure Project (CDP), благодаря нейросети выявляет наличие брака у материала на ранних этапах. Вице-президент компании Сабри Унлютюрк подчеркивает: ИИ не только положительно влияет на эффективность рабочего процесса, но и в разы повышает устойчивость производства.
*специалисты предлагают разделять искусственный интеллект (ИИ) и нейросети.
