Système d'analyse des propriétés des tissus à multiéchelle par vision par ordinateur

Multi-scale Fabric Properties Analysis System by Computer Vision

• Auteur / Autrice : Bo Xing
• Direction : Xianyi Zeng, Jun Wang
• Type : Thèse de doctorat
• Discipline(s) : Automatique, productique
• Date : Soutenance le 22/05/2024
• Etablissement(s) : Université de Lille (2022-....) en cotutelle avec Donghua University (Shanghai, Chine)
• Ecole(s) doctorale(s) : École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....)
• Partenaire(s) de recherche : Laboratoire : GEMTEX (Roubaix)
• Jury : Président / Présidente : Ludovic Koehl
• Jury : Examinateurs / Examinatrices : Mohamed Sallak
• Jury : Rapporteurs / Rapporteuses : Imed Kacem, Emilie Drean

Mots clés

Mots clés contrôlés

Qualité -- Contrôle

Analyse multiéchelle

Fusion multicapteurs

Vision par ordinateur

Mots clés libres

Texture-Propriétés mécaniques

Vision par ordinateur

Analyse sensorielle

Analyse multimodale

Génie textile

Fabric properties analysis

Computer vision

Sensory evaluation

Multimodal analysis

Textile engineering

Résumé

Dans le domaine du génie textile, l'analyse des propriétés des tissus est fondamentale, interférant directement avec des aspects de la conception textile, de l'assurance qualité et des applications commerciales. Les méthodes traditionnelles d'analyse des propriétés des tissus reposent fortement sur l'évaluation humaine et les évaluations instrumentales. Ces approches, bien que précieuses, présentent des limitations, notamment la subjectivité de la perception humaine et l'étendue limitée des propriétés mesurables par les instruments. Ces limitations mettent en lumière le besoin de l'industrie pour une méthode d'analyse qui soit complète, objective et efficace, particulièrement dans le paysage textile en rapide évolution d'aujourd'hui.Avec l'avancement de la technologie de vision par ordinateur, il devient possible d'équilibrer la sensibilité de l'évaluation humaine avec la précision et la répétabilité des évaluations instrumentales. Par conséquent, cette thèse propose un système d'analyse des propriétés des tissus utilisant des techniques de vision par ordinateur.Le cadre méthodologique implique la création de représentations visuelles pour 101 échantillons de tissus, incorporant à la fois des images statiques et des vidéos de déformation dynamique. Les données sensorielles obtenues de l'évaluation sensorielle sur les échantillons et les représentations visuelles ont été analysées pour la consistance, et il est trouvé que les propriétés de surface, de compression, de flexion et d'étirement pourraient être analysées à travers des représentations visuelles. De plus, les données sensorielles sont utilisées pour développer des modèles visant à optimiser les processus de sélection des tissus et à construire une base de connaissances pour la composition des fibres et la prise de décision sur l'application.Au cœur de cette thèse se trouve un système d'analyse des propriétés des tissus à plusieurs échelles proposé, segmenté en analyse de bas niveau, de niveau moyen et de haut niveau. L'analyse de bas niveau se concentre sur l'extraction de 33 caractéristiques géométriques de base des représentations visuelles du tissu. Dans l'analyse de niveau moyen, un réseau de fusion de tissus multimodal (MFFN) est introduit pour prédire les déformations des tissus à l'aide de vidéos de fusion. L'analyse de haut niveau innove davantage avec le cadre d'intégration et d'apprentissage des attributs textiles (TAIL), qui intègre des caractéristiques géométriques de base, des images et des vidéos pour obtenir des aperçus prédictifs sur la main du tissu, la classification et les processus de prise de décision.Les contributions de cette recherche sont multiples, promettant d'avoir un impact significatif sur la caractérisation à distance des tissus et la chaîne d'approvisionnement textile. En fournissant une représentation et une analyse numériques précises des propriétés des tissus, le système permet une évaluation rapide et efficace des tissus à l'échelle mondiale, améliorant l'efficacité de la chaîne d'approvisionnement textile grâce à une meilleure sélection, acquisition et processus de contrôle de qualité des tissus. En fin de compte, cette thèse jette de nouvelles bases pour le génie textile, offrant à la fois une contribution académique novatrice et un ensemble d'outils pratiques pour les professionnels de l'industrie.

In the domain of textile engineering, the analysis of fabric properties is fundamental, interfacing directly with aspects of textile design, quality assurance, and commercial applications. Traditional methods of fabric property analysis rely heavily on human evaluation and instrumental assessments. These approaches, while valuable, exhibit limitations including subjectivity in human sensory and the narrow scope of properties measurable by instruments. Such limitations highlight the industry's need for an analysis method that is comprehensive, objective, and efficient, particularly in today's fast-evolving textile landscape.With the advancement of computer vision technology, it becomes possible to balance the sensitivity of human evaluation with the accuracy and repeatability of instrumental assessments. Therefore, this dissertation proposes a system for fabric properties analysis using computer vision techniques.The methodological framework involves creating visual representations for 101 fabric samples, incorporating both static images and dynamic deformation videos. Sensory data obtained from sensory evaluation on samples and visual representations were analysed for consistency, and it is find that surface, compression, bending, and stretching properties could be analysed through visual representations. Further, the sensory data is utilized to develop models aimed at optimizing fabric selection processes and constructing a knowledge base for fiber composition and application decision-making.At the core of this dissertation is a proposed multi-scale fabric properties analysis system, segmented into low-level, middle-level, and high-level analysis. The low-level analysis focuses on extracting 33 basic geometric features from the fabric's visual representations. In the middle-level analysis, a Multi-modal Fabric Fusion Network (MFFN) is introduced for predicting fabric deformations using fusion videos. The high-level analysis innovates further with the Textile Attribute Integration and Learning (TAIL) framework, which integrates basic geometric features, images, and videos to achieve predictive insights into fabric hand, classification, and decision-making processes.This research's contributions are manifold, promising to significantly impact remote fabric characterization and the textile supply chain. By providing an accurate digital representation and analysis of fabric properties, the system enables rapid and efficient assessment of fabrics globally, enhancing the textile supply chain's efficiency through improved fabric selection, procurement, and quality control processes. Ultimately, this dissertation lays a new foundation for textile engineering, offering both a novel academic contribution and a practical toolset for industry professionals.