Beoordeling en optimalisatie van kledingcomfort door thermografie en kunstmatige intelligentie

De behoefte aan bescherming en prestaties in verschillende werk- en sportomgevingen heeft de ontwikkeling van de ontwikkeling van functioneel textiel en kleding met complexe ontwerpen. Comfort is een belangrijk aspect voor hoogwaardige sportkleding en persoonlijke beschermingsmiddelen (PBM's) omdat het de gezondheid sportprestaties en de werkefficiëntie van atleten en werknemers. Helaas is het comfort van deze kleding, die bestaat uit complexe structuren en speciale materialen, slecht. In veel gevallen zijn de klanten tevreden over de functionaliteit (bijv. bescherming tegen regen, kou, etc.) maar teleurgesteld over het slechte comfort.
Probleem en innovatiedoel: geen van de bestaande geavanceerde comforttestmethoden is ideaal. Ze vereisen meestal talrijke fysieke prototypes, gespecialiseerde testapparatuur, langdurige en dure draagproeven, enz. Fysiologische parameters, zoals de huidtemperatuur (Tsk) is gekoppeld aan thermische sensaties en het comfort van de proefpersoon en kan nauwkeurig worden beoordeeld met infraroodthermografie (IR) thermografie. Comfort is een complexe aangelegenheid die wordt beïnvloed door de intensiteit van de activiteit, klimatologische omstandigheden, eigenschappen van textielmateriaal, kledingontwerp en pasvorm. Kunstmatige intelligentie, in het bijzonder Deep Leren (DL), kan worden gebruikt om om te gaan met deze talrijke parameters die het comfort beïnvloeden.
Doel en doelstellingen: ComforTex-AI zal helpen om deze comfortproblemen op te lossen en heeft als doel om algoritmen te ontwikkelen die zullen resulteren in een betaalbare, snelle en gebruiksvriendelijke methodologie om het en het comfort van kledingstukken te optimaliseren. Comfortkenmerken van de stof (Ret/Rct), fysiologische parameters (d.w.z. Tsk), omgevingsfactoren (d.w.z. luchttemperatuur/luchtvochtigheid), werkintensiteit en de pasvorm van het kledingstuk zullen worden gebruikt als input voor de AI Neurale Netwerken (NN) die comfortpercepties zullen voorspellen.
Het belangrijkste verwachte resultaat is een nieuwe algoritmegedreven methodologie in de vorm van een gebruiksvriendelijke tool voor bedrijven om te helpen bij het ontwerpen van comfortabele functionele kleding. Verdere resultaten omvatten onder andere: (1) Grote bibliotheek met kwantitatieve gegevens (bijv. Tsk, stofeigenschappen Ret/Rct,) getest met geavanceerde apparatuur en kwalitatieve gegevens (d.w.z. comfortsensaties van menselijke proefpersonen) verzameld in verschillende draagscenario's; (2) AI-algoritme om kledingcomfort te beoordelen en optimaliseren (op een schaal van 5 punten); (3) op gegevens gebaseerde productclassificatie voor specifieke gebruiksomstandigheden; (4) gevalideerde cases voor sportkleding, werkkleding en PBM's voor specifieke doeleinden.
Economische impact: de implementatie van de nieuwe methodologie zal de bedrijven helpen bij het maken van geoptimaliseerde materiaal- en kledingontwerpkeuzes te maken tijdens de ontwikkelingsfase. Dit zal resulteren in een stijging van hun omzet als gevolg van (1) kortere en goedkopere ontwikkelingskosten door minder minder fysieke prototypes en tests, (2) lagere productiekosten door efficiënter materiaalgebruik en (3) merchandising van kwalitatieve en comfortabele kleding die voldoet aan de behoeften van de drager. Deze zal bovendien de vroegtijdige ontlading, overproductie en overconsumptie beperken, die momenteel grote zorgen baren in de textiel- en kledingsector. momenteel grote zorgen baren in de textiel- en kledingsector.
Dankzij het sterke multidisciplinaire karakter van ComforTex-AI kunnen nieuwe vaardigheden en kennis worden opgedaan en kan de marktpositie van de textiel- en kledingsector worden versterkt. en kennis opdoen en de marktpositie van de bedrijven in de sector versterken. De specifieke doelgroep groep bestaat uit fabrikanten van werkkleding, PBM's en sportkleding (20 tot 25 bedrijven in België en 30 bedrijven in Duitsland) en ook producenten van stoffen (11 weverijen en 21 breierijen in
België en 15 breierijen in Duitsland). Het projectconsortium bestaat uit twee sectorverenigingen (FKT als globale coördinator en CREAMODA) en vier RTO's met complementaire expertise in materialen en kledingcomfort (HOGENT en Hohenstein Instituut), IR-thermografie en AI-technieken (UAntwerpen en FITT / htw Saar). Het gebruikerscomité (UC) bestaat uit Belgische en Duitse bedrijven die alle segmenten van de waardeketen vertegenwoordigen.

---

Clothing comfort assessment and optimization by Thermography and Artificial Intelligence

The need for protection and performance in various work and sport setups has driven the development of functional textiles and clothing with complex designs. Comfort is an important aspect for high performance sportswear and Personal Protective Equipment (PPE) as it affects the health, sports performance and work efficiency of athletes and workers. Unfortunately the comfort of these cloths, consisting of complex structures and special materials, is known to be poor. In many cases, the customers are satisfied with the functionality (i.e. protection against rain, cold, etc.) but disappointed in the poor comfort.
Problem and innovation target: none of the existing state-of-the-art comfort test methods is ideal. They typically require numerous physical prototypes, specialized test equipment, lengthy and costly wearer tests, etc. Physiological parameters, such as skin temperature (Tsk) is linked to thermal sensations and comfort of the human subject and can be accurately assessed by Infrared (IR) thermography. Comfort is a complex matter influenced by the intensity of the activity, climatic conditions, textile material properties, clothing design and fit. Artificial Intelligence, in particular Deep
Learning (DL), can be used to deal with these numerous parameters that influence the comfort.
Goal and objectives: ComforTex-AI will help overcoming these issues related to comfort and aims to develop algorithms that will result in an affordable, quick and user-friendly methodology to assess and optimize the garment comfort. Fabric comfort characteristics (Ret/Rct), physiological parameters (i.e. Tsk), environmental factors (i.e. air temperature/humidity), work intensity and garment fit will be
used as input for the AI Neural Networks (NN) that will predict comfort perceptions.
The main expected result is a new algorithm-driven methodology developed in the form of a userfriendly tool for companies to aid in the design of comfortable functional clothing. Further results include among others: (1) Large library with quantitative data (i.e. Tsk, fabric properties Ret/Rct,) tested via state-of-the-art equipment and qualitative data (i.e. comfort sensations from human
subjects) collected in various wear scenario’s; (2) AI algorithm to assess and optimize clothing comfort (on 5-points scale); (3) Data-based product classification for specific usage conditions; (4) Validated cases for sportswear, workwear and PPE for specific purposes.
Economic impact: implementation of the new methodology will assist the companies to make optimized choices of material and garment designs during the development phase. This will result in an increase of their turnover as a result of (1) shorter and cheaper development costs due to less physical prototypes and testing, (2) lower production costs due to more efficient use of materials and (3) merchandising of qualitative and comfortable clothing which comply with the wearer needs. This
will furthermore limit the premature discharging, overproduction and overconsumption, which are currently huge concerns for the textile and clothing sector. Due to its strong multidisciplinary character, ComforTex-AI will enable the acquirement of new skills and knowledge and strengthen the market position of the companies in the sector. The specific target group consists of manufacturers of workwear, PPE and sportswear (20 to 25 companies in Belgium and 30 companies in Germany) and also producers of fabrics (11 weaving mills and 21 knitting mills in
Belgium and 15 knitting mills in Germany). The project consortium consists of two sector associations (FKT as global coordinator and CREAMODA) and four RTOs with complementary expertise in materials and clothing comfort (HOGENT and Hohenstein Institute), IR thermography and AI techniques (UAntwerp and FITT / htw Saar). The user committee (UC) consists of Belgian and German companies
representing all segments of the value chain.

Projectcoördinator HOGENT

Alexandra De Raeve

Projectcoördinator

Forschungskuratorium Textil e. V.

Onderzoekers

Cosmin Copot, Joris Cools, Simona Vasile

Looptijd

01/09/2023 - 31/08/2025

Financier

VLAIO (voormalig IWT)

Partners

Creamoda

Forschungskuratorium Textil e. V.

Hochschule für Technik und Wirtschaft des Saarlandes

Hohenstein Institut für Textilinnovation GmbH

Universiteit Antwerpen