Ontwikkelen van een testmethode voor het bepalen van het draagcomfort van kleding met gebruik van IR-thermografie en AI

Geen van de huidige testmethoden die vandaag toegepast worden om comfort van een kledingstuk te meten is ideaal. Geen enkel methode houdt rekening met alle invloedsparameters (o.a. de activiteitsgraad, de klimatologische omstandigheden, het materiaal, de stijl en de pasvorm van de kleding), ze vereisen talrijke fysieke prototypes, gespecialiseerde testapparatuur, langdurige en kostelijke draagtesten met proefpersonen en multidisciplinaire kennis.
Het hoofddoel van dit projectvoorstel is om een snelle, gebruiksvriendelijke en betaalbare methode op punt te stellen om het draagcomfort van een kledingstuk te kunnen voorspellen en optimaliseren. Daarvoor zullen o.a. infrarood (IR) thermografie en Artificiële Intelligentie (AI) gecombineerd worden. Kleding oefent immers een belangrijke invloed uit op o.a. de huidtemperatuur (Tsk) en IR-thermografie is een geschikte technologie om deze veranderingen op te volgen. Bovendien is AI, en in het bijzonder Deep Learning (DL) de ideale tool voor complexe toepassingen zoals het voorspellen van kledingcomfort. Om effectief te zijn vereisen de AI-algoritmes een aanzienlijk grote databank. De datacollectie is tijdrovend en vereist een groot aantal testen met proefpersonen volgens een nauwkeurig gekozen, complex protocol.
FashionTex-AI heeft de volgende doelstellingen: (1) het op punt stellen van het testprotocol, en ethisch dossier, (2) de aankoop van kledingstukken en apparatuur voor het meten van fysiologische parameters, (3) het opstarten van dataverzameling, (4) het opstellen van een databank en (5) het ontwikkelen van een eerste versie DL-algoritme.

De ontwikkelde DL-algoritmes zullen de bedrijven in staat stellen om de juiste keuze van materialen en design te maken tijdens de ontwikkelingsfase en zullen als gevolg zowel het draagcomfort voor de eindgebruiker verbeteren als de ontwikkelkost voor de producent aanzienlijk reduceren.

---

Development of a test method for determining the wearing comfort of clothing using IR thermography and AI

None of the current test methods used today to measure garment comfort is ideal. No method takes into account all influence parameters (e.g. activity level, climatic conditions, material, style and fit of the garment), they require numerous physical prototypes, specialised test equipment, lengthy and costly wear tests with subjects and multidisciplinary knowledge.
The main objective of this project proposal is to establish a fast, user-friendly and affordable method to predict and optimise the wearing comfort of a garment. To this end, infrared (IR) thermography and Artificial Intelligence (AI) will be combined. After all, clothing exerts a significant influence on skin temperature (Tsk), among other things, and IR thermography is a suitable technology to track these changes. Moreover, AI, and Deep Learning (DL) in particular, is the ideal tool for complex applications such as predicting clothing comfort. To be effective, AI algorithms require a significantly large database. Data collection is time-consuming and requires a large number of tests with subjects according to a carefully chosen, complex protocol.

FashionTex-AI has the following objectives: (1) finalising the test protocol, and ethical file, (2) purchasing garments and equipment for measuring physiological parameters, (3) starting data collection, (4) establishing a database and (5) developing a first version DL algorithm.

The DL algorithms developed will enable companies to make the right choice of materials and design during the development phase and, as a result, will both improve the wearing comfort for the end user and significantly reduce the development cost for the manufacturer.

Projectcoördinator HOGENT

Cosmin Copot, Simona Vasile

Onderzoekers

Joris Cools, Frank Sierens

Looptijd

01/01/2023 - 31/12/2023

Financier

PWO-middelen