機械学習のための三次元生地スキャン

生地の物理特性は幅広い種類の繊維によってできられ、材料科学が進んだ現在、織物の種類は無限に近い可能性といってよいでしょう。そんな中、様々な計測の標準が確立されたわけだが、統一した記述法はまだまだ先が見えてこない。なぜなら材料の多様性が溢れすぎるし、測定の方法は容易くないからだ。ディープラーニングの力を借りて、KES（ケス）の測定法の属性を予測するモデルのトレーニングすることになったので、まずはモデルの正規化をせざるを得ない。

ポイントクラウドで三次元データが記録され、ポアソン再構築法でジオメトリができたので、トポロジーが統一ではない。異なるデータサイズだとトレーニングには毒なので、まず統一させなければならないが、良質なジオメトリを最大限まで保存、補間することが統一トポロジーのアラインメント及び移転の肝要となる。

トレーニングに適するモデルまでの処理の流れ：

不良ジオメトリの種類：

ポアソン再構築法でできた問題となるメッシュのタイプ。これらを検出して取り除かないと、次元削減アラインメントがうまくできないので、検出法を実装した。

• トンネル

• 重ね合い

• 穴あき
  

左から順番にトンネル、重ね合い、穴あき

結論：

もともとスキャンモデルが悪すぎた（しわの山の欠陥）場合、補間しても意味がないので、除外する以外。97％強の確率で生地3Dモデルの再構築ができましたので、かなり高い確率で2Dと3Dデータをモデルトレーニングにデータセットを拡張できます。