编者按：

　　刚刚结束的2025中国缝制机械行业大会上，特邀杰克股份轮值总裁胡文海、山东大学机械工程学院胡天亮教授两位专家，围绕“拥抱人工智能，创新缝制未来”的主题，进行了精彩的专题演讲，对行业未来抢抓机遇、拥抱人工智能提供了建设性意见。协会融媒体平台将两位专家的观点整理刊出，供行业企业参考借鉴。

　　人工智能(AI)是一种让计算机模拟人类智能的技术，具备学习、推理、解决问题等能力。它的技术范畴涵盖了机器学习、深度学习、自然语言处理和计算机视觉等多个领域。AI的能力，基本假设是可以用人工神经元部分模拟生物神经元的推理记忆等功能；基本思路是设计能够模仿人类语言能力的算法框架，然后使用各类海量数据加以训练；与传统算法相比，生成式AI具有泛化能力，通用性强，需要大量数据进行训练，呈现知识涌现能力。

　　目前，AI已经在缝制设备领域实现了一定的应用和功能，如AI验布机、AI缝纫机、人形机器人等。AI验布机搭载稳定的AI算法，采用专业级线扫相机具备数据传输速度快、适合高速检测、检测精度高达0.2MM、抗干扰性强等特性，配合工业级线性光源，精细化调节光源亮度，保证光源无频闪且稳定。设备已经实现针织纯色面料多达120种疵点的全自动检测、其他面料半自动验布。过程中可以自动判断疵点种类、自动贴标(布边&疵点)、一键忽略可接受疵点、自动实时检验面料门幅、自动测量面料克重。

　　AI缝纫机，让设备通过AI掌握车工、机修工等人类经验，很好的去理解员工在整个从事作业过程中的作业质量和手势，能够感知到每次操作的动作序列，通过端正模型去理解动作：一方面，通过AI视觉对手掌手指建模，识别手势动作，采集最优工人手势建立缝制动作视频数据库，通过AI摄像头实时实现错误动作监测和动作分析可视化，用最好的动作视频训练更多技能工；另一方面，配合海量的面料数据库，通过识别面料，利用4个电机快速调机器参数，实现缝纫过程短线头、少鸟巢。

　　2024年开始，杰克启动基于人形机器人的研发，目前完成了基于模板机的缝制人形机器人设计、开发、运动控制调试、VR/遥操作臂的遥操作算法、深度视觉伺服算法、模仿学习算法适配开发及应用。现在已经实现模仿学习算法适配开发及应用打通全流程，通过缝前缝后的动作进行拆解，组成不同的模式，让人形机器人学习、训练，通过末端操作能够对柔性面料进行操控，测试了裁片分层、抓取及放置。

　　接下来，AI在杰克科技的应用，将围绕具身智能与大模型的结合、色彩计算技术、人体姿势识别、排产调度(APS)、人工智能云平台、智能线柜比色、机壳外观检测等方面，分别开展。

　　具身智能与大模型的结合层面，将通过结合视觉-语言模型(VLM)和机器人数据，训练视觉-语言-动作(VLA)模型，以提高机器人泛化能力并实现新兴的语义推理。其一是泛化能力：RT-2在未见过的物体、背景和环境中表现出显著的泛化能力，能够解释机器人训练数据中不存在的命令(例如，将物体放置在特定的位置上)；其二是语义推理：RT-2能够根据用户指令执行基础推理(例如，根据指令拾取最小或最大的物体，或最靠近另一个物体的物体)；其三是多阶段语义推理：通过引入CoT推理，RT-2能够执行多阶段语义推理。

　　色彩计算技术层面，数学模型采用基于脉冲神经元网络的NeuCube。实验显示：相比不熟识商标，NeuCube模型对熟识商标产生更多的神经元间连接，以及更广泛的神经元活动动态时空模式；总共120个商标，SNN模型的识别精度达83%，远超目前在用的主流方法。

　　人体姿势识别层面，通过人体关键点识别模型识别人体关节位置，再由图神经网络等深度学习模型完成相关人体动作识别的任务：一、生成工时实际耗时，通过摄像头与模型获取工人做工序的实际耗时、拿取放回耗时、每件间隔点等信息；二、监控工艺完整度，通过摄像头与模型监控员工的工艺动作是否标准、有无遗漏等信息。

　　排产调度(APS)层面，将诸如后道分拣、调化等产线的具体执行，车间级的排产等，以数据的方式，采用逆化易化计算，最后统一结合到企业的MES系统中，提供产前、产中的智能化分析和调度。

　　智能线柜比色层面，传统生产过程，车工、缝线管理人员需要靠经验费时费力的寻找缝线颜色。杰克通过机器视觉装置和AI算法，自动化匹配缝线或推荐样衣布料适配的缝线，提升缝线管理和制衣工作效率。

　　AI应用在服装制造场景，首先要有合理预期，AI是要与人结合，去改善人的所有环境，并非是简单的取代。其次，CISMA2025出现了很多初步具备AI功能的设备，未来可能很多企业都会朝向这个方向发展，行业在设备端就形成部署能力。第三，要不断的用数据去训练AI，在有限空间里，数据量是可以被约束的，训练就是要把参数稳定下来，模型越复杂它的数据通道场景就越大，就越需要更多的训练过程。第四，通过训练和学习，让设备去理解和掌握人类经验，让服装制造的工作节奏更加轻松。

　　以上就是这次介绍的主要内容。最后，希望能够集全行业、全产业链之力，用AI赋能，开拓全新的服装智造新生态。