纺织业智能化升级方向：把握AI融合技术机遇

前言

纺织业作为全球经济的重要支柱，长期以来依赖传统的制造流程和手工技艺发展。然而，随着消费者对个性化、高质量纺织品需求的日益增长，以及市场竞争的不断加剧，行业正迎来转型升级的紧要关头。在这一转型过程中，人工智能（AI）技术的应用正在成为一股推动力，它不仅显著提升了生产效率、降低了成本，更为纺织制造业的创新发展注入了新的活力^[1-2]。

AI与纺织制造技术的融合正成为行业发展的新趋势，我国专利申请正迅猛增长，然而也面临局限。本文旨在探讨如何进一步巩固优势、突破局限，推动我国在AI纺织制造技术领域向全球领先地位迈进。

AI技术在纺织制造全生产周期的应用

AI与纺织制造的深度融合贯穿于整个生产周期，从设计创意到生产制造，再到质量检测，AI技术的应用正逐步渗透至各个关键环节^[3]。在设计创意阶段，AI技术能够综合分析人体数据和时尚元素，提供创意支持，助力实现个性化定制；在生产制造环节，AI通过优化生产计划和实施智能控制，显著提高制造效率；而在质量检测阶段，AI利用其先进的图像识别和机器视觉技术，能够迅速识别并排除产品或设备缺陷，确保产品质量^[4]。

这种深度融合的AI应用，使得AI技术正式成为驱动纺织行业转型发展的核心动力，并受到国家政策的高度关注与支持。由工信部等发布的《纺织工业提质升级实施方案（2023—2025年）》中，明确将加快创新驱动、培育高端制造、发展智能制造列为纺织业高质量发展的重要任务^[5]。这标志着AI技术在纺织业的应用已上升为国家战略层面，预示着行业将迎来一场由AI引领的深刻变革。

全球AI纺织制造相关专利申请情况

经Incopat专利数据库检索，截至2024年4月25日，全球AI纺织制造的相关专利申请总数已达1107件，包括国外申请474件，国内申请633件。图1展示了该领域历年专利申请的趋势，可以看出，在2014年之前，AI纺织制造领域的专利申请数量相当有限，全球年专利申请总量均未超过10件，且保护主题主要集中在利用人工智能技术控制纺织机器的基础应用上，这反映当时AI技术在纺织制造行业的应用尚处于起步阶段。

2015年起，此领域的专利申请数量开始稳步增长，AI技术在纺织制造领域的关注度逐渐提升；2019年左右，AI纺织制造的专利申请进入了快速增长期，我国和海外市场的年专利申请量均显著上升，均突破了50件的大关。这一时期，专利的主题也不再局限于生产制造环节，而是扩展至前期创意设计和后期质量检测等多个方面。

值得注意的是，早期国内和国外的专利数量差距并不显著，但在2022年之后，国内的专利申请数量相较于国外明显增多。这一现象可能归因于我国政府对技术创新和产业发展的高度重视，以及国内纺织制造企业对AI技术应用的积极探索和持续投入。

图2展示的是AI纺织制造专利的全球地域分布情况，根据该图表所提供的数据，我国在该领域的专利申请量以57%的占比领先，紧随其后的是韩国和美国，专利申请占比分别为10%和9%，印度则以4%的占比位列第四。在近年来的专利申请中，韩国和美国的专利增长主要归功于柯楼虚拟时尚有限公司（Clo Virtual Fashion Inc.，以下简称“柯楼虚拟时尚”）。作为AI纺织制造领域的先行者，柯楼虚拟时尚在3D服装设计软件和智能试衣技术方面展现出了强劲的技术创新能力。在下文对专利权人的介绍中，将对柯楼虚拟时尚的专利申请情况及特色进行更为详细的介绍。

印度的专利申请则主要集中在昌迪加尔地区（Chandigarh）。昌迪加尔是印度北部的一个大型城市，也是该国主要的工业和制造业中心之一。该地区以其先进的纺织技术和创新的纺织产品而闻名。昌迪加尔的大学和科研机构在AI纺织制造领域的专利申请中扮演了重要角色，为印度在该领域的技术进步和知识产权积累作出了贡献。

图3对我国不同地区在AI纺织制造领域的专利申请量进行了排名。根据该图表所示，专利申请活动在沿海地区尤为集中，特别是江苏省和浙江省，这两个地区的专利申请量分别为150件和147件，显著高于排名第三的上海市。这主要是由于江苏省和浙江省的纺织行业发达，拥有深厚的产业基础和完善的产业链。在此基础上，这些地区的高等教育机构在AI与纺织技术融合的前沿研究中发挥了引导作用，并通过积极的知识产权策略，强化了这一领域的创新成果保护，从而促进了专利数量的增长。

重要专利权人申请情况分析

图4展示了AI纺织制造领域中专利申请TOP8的重要专利权人，同时也是专利申请数量超过10件的专利权人。从整体上看，来自国内的专利权人占据了显著的优势，共有6家机构跻身于该榜单，而国外仅有两家机构位列其中，分别是韩国的柯楼虚拟时尚和瑞士的立达公司（Maschinenfabrik Rieter AG）。

在国内的6家机构中，高校尤为突出，占据了主导地位，共有5家高校位列TOP8之中。唯一入榜的国内企业是杭州知衣科技有限公司，该公司的多项专利还是与浙江理工大学联合申请的。这反映了AI纺织制造领域的创新活动在国内主要集中在高等教育机构，这主要得益于高校在AI技术研究方面所拥有的深厚理论基础、实验条件以及高端人才储备。尽管当下传统的纺织企业也在努力推动创新，但在高端学历且具有AI能力的人才方面，与高校相比仍有较大差距。因此，纺织企业应积极借助高校在AI技术领域的资源优势，深化产学研合作，共同推动AI纺织制造领域的创新发展。

相对于国内的高校主导模式，海外上榜的专利权人则展现了企业在技术创新中的活跃角色。海外的两家入榜企业均为企业，其专利布局策略呈现出地域多样性，体现了它们对AI纺织制造技术的全球视野和积极的市场及技术保护策略。

柯楼虚拟时尚在该榜单中排名第一，拥有117件相关专利，合并同族专利后共41项。自2009年在韩国成立以来，该公司以其先进的3D服装设计软件技术而闻名，其专利主要集中在AI纺织制造的前期设计环节，尤其是在定制设计和设计展示方面已形成显著的技术优势。柯楼虚拟时尚的专利布局以韩国和美国为主，同时在中国也有布局。

排在第二的浙江理工大学在AI纺织制造领域拥有44件专利，这些专利均为中国专利，未进行海外同族申请。浙江理工大学的纺织工程专业享有国家级一流本科专业和国家特色专业的荣誉，并被认定为浙江省重点专业。该校的专利申请主要源自纺织科学与工程学院，同时，机械与自动控制学院、信息学院亦有贡献，体现了跨学科合作的研究成果。特别值得注意的是，在织物瑕疵检测方面，浙江理工大学拥有29件相关专利，显示了该校在该技术领域的研究重点。此外，浙江理工大学的专利还涵盖了设备控制和织物图案设计等多个方面，进一步彰显了该校在AI纺织制造技术研究与创新方面的全面性和多样性。

排名第三的是东华大学，有33件专利，同样没有海外申请。主要围绕基于机器视觉的纺织品检测方法，包括瑕疵检测、材质检测、工作流程检测等等。

纺织制造领域AI专利技术热点

图5展示了AI纺织制造相关专利的技术分布情况，其中中期智能生产领域的专利数量最为突出，共计638件，占据了总专利数的58%，显示出该领域在AI纺织制造中的核心地位。紧随其后的是后期质量控制领域的专利，数量为296件，占比27%；然后是前期数字创意领域的专利149件，占比13%。可以看出，AI纺织制造领域的专利技术分布呈现出以中期智能生产为主、后期质量控制为辅、前期数字创意补充的特点。

图 6 AI纺织制造专利技术布局热点

图6展示的是AI纺织制造领域的专利申请技术热点，接下来将分为前期、中期和后期分别进行介绍：

前期数字创意——热点：定制设计。

在前期数字创意环节，AI定制设计是当下的技术布局热点。该技术通过人工智能的运用，极大简化了服装设计的复杂性，允许非专业用户通过简单的关键词输入或图片上传，轻松实现服装的个性化及合体化设计。这一过程主要分为两个关键步骤：首先是尺寸获取，其次是风格设计。

尺寸获取即是通过先进的智能化人体数据采集技术，为服装设计提供精确的尺寸信息，典型专利包括“一种非接触式三维人体尺寸的测量方法（公开号：CN113177977B）”等；风格设计则是利用人工智能和大数据技术进行服装设计的相关实现方案，比如专利“一种基于人工智能及大数据的服装定制选款系统（公开号：CN114820117A）”和“在服装设计中使用神经网络（公开号：EP3704608A4）”等。

模拟试衣技术也是数字创意环节的一个重要分支，通过3D、AR、VR等技术的应用，为用户提供了一种创新的虚拟试衣体验。在这一细分领域，柯楼虚拟时尚表现卓越，其专利布局覆盖了不同材质模拟和展示技术，进一步丰富了数字试衣的视觉效果和用户体验。

中期智能生产——热点：设备控制。中期智能生产环节在AI纺织制造领域的专利申请中占据了绝对的数量优势，其中最热的技术分支是设备控制，该技术分支进一步细化为单设备控制和多设备协作流程控制两个子领域。

在单设备控制方面，通过集成多种传感器，智能化地监控和调节机器的运行状态，以实现对设备性能的实时优化。具体控制的纺织设备包括但不限于织机、纺纱机、针织机等，而调控的参数则涵盖了弹性、厚度、张力、温度等关键性能指标，这些参数对于确保纺织品的质量和生产效率至关重要；多设备协作流程控制则侧重于优化整个生产线的运作，还涉及物流调配等技术，典型专利包括“一种属性生成竞争网络及基于该网络的服装匹配生成方法（公开号：KR1020200034917A）”“一种基于多源数据融合的纺织机械如纺纱机的维护方法（公开号：CN115034410A）”等等，通过智能化的协调、调度实现更高效的资源分配和生产调度。

在AI纺织制造领域的中期智能生产过程中，除了设备控制技术外，染色控制和自动裁缝技术亦占据了一定的专利规模。其中，染色控制技术进一步细分为图案染色和整体染色两个方向。图案染色技术侧重于智能化分析图案并据此控制颜色的精确分布，而整体染色技术则侧重于优化染色配方以实现颜色的均匀性和准确性。相关专利如“基于数据识别图形的纺织布料智能印染方法及系统（公开号：CN114862836A）”和“基于多模型协同实现染色配方优化的方法（公开号：CN117807891A）”等等。

自动裁缝技术则关注于服装制造过程的自动化，包括裁剪、缝纫以及分类、叠衣等环节。这一领域的典型专利，包括“基于服装检验的服装裁剪测量系统（公开号：CN114934381A）”和“一种计算机实现的确定用于缝纫组合成服装例如衣服的图案片的缝纫线的方法（公开号：CN113151985B）”等等。

后期质量控制——热点：产品检测。在AI纺织制造领域的后期质量控制环节，专利布局较热的区域集中在产品质量检测技术。该技术主要依托于机器视觉，利用人工智能对产品进行缺陷检测，以确保最终产品的品质。如“使用深度卷积神经网络和工业物联网监测的织物缺陷检测（公开号：IN202141031086A）”便是这一技术应用的代表。该技术还会进一步被拓展应用于产品的综合质量评估，比如专利“基于注意力-GRU模型的纱线纺纱质量预测方法（公开号：CN115700665A）”展示了如何通过AI对纱线纺纱质量进行预测和分级的技术。

此外，设备检测也是后期质量控制中的一个重要技术应用，它通过分析从设备中提取的图像数据来评估仪器的操作状态，并对可能出现的异常进行预判。

提升专利技术市场应用潜力的相关举措

结合上文的分析，我国已经在AI纺织制造领域的专利申请上取得了显著的成绩，然而，专利权人主要集中在高校，企业的参与度相对较低；且这些专利主要集中在国内，尚未形成广泛的国际影响力。这说明，尽管高校在基础和应用研究领域具有显著的优势，但在市场转化的过程中存在一定程度的脱节。这种脱节可能导致研究成果的商业化和产业化进程不够迅速，同时，高校的研究方向可能未能充分针对市场需求进行定向开发，这在一定程度上限制了AI纺织制造技术的快速发展和广泛应用。

鉴于此，我国纺织业亟需采取措施，以提升专利技术的市场应用潜力和产业化水平，建议如下：

推进AI与传统纺织技术的融合创新。首先，建议将AI技术与中国特色传统工艺相结合，如刺绣，开发智能化刺绣机械或软件系统。此举不仅能够精确模拟和优化传统刺绣工艺，提升产品效率和质量，降低成本，还能促进传统技艺的保护与传承，同时设计出满足现代市场需求的个性化刺绣产品，增强企业产品的市场吸引力及国际竞争力。此外，国内企业应积极申请相关专利，以占据技术与市场的先发优势，鉴于国外企业已在AI纺织基础技术上有所布局，国内企业亟需通过积极申请相关专利来巩固在AI辅助刺绣等特色纺织产品领域的领先地位，确保在这一细分市场中的绝对主导权。

全流程智能化与市场导向的专利战略。鉴于AI纺织制造技术的全流程自动化趋势，建议不仅关注单一技术点的创新，而且应将前期设计、中期生产、后期质量控制等环节的技术创新有机结合，形成一体化的自动化解决方案。通过这种整合，发明人可以针对整个生产流程的关键技术节点申请专利，构建起一套完整的技术保护体系。同时，专利申请应紧密结合市场需求和企业的实际应用，以确保技术创新能够转化为实际生产力，为企业带来高效和灵活的生产能力。

在此过程中，产学研合作模式将发挥重要作用。通过与高校和研究机构的紧密合作，企业可以获取最新的研究成果，加速技术转化，同时，高校和研究机构也能通过企业了解市场动态，指导研究方向。这种合作将促进AI纺织技术的快速发展，并加强企业在全球市场的竞争力。

总之，我国纺织业在AI纺织制造领域的专利申请虽取得进展，但面临企业参与度低和国际影响力有限的双重挑战。为提升专利技术的市场应用和产业化潜力，建议加强AI与中国传统纺织工艺的结合，实施全流程智能化的专利战略，并深化产学研合作，以此加速技术创新的市场转化，增强企业在全球纺织市场的竞争力。

[1] 徐长杰.纺织业领跑人工智能《"互联网+"人工智能三年行动实施方案》发布[J].纺织服装周刊, 2016(20):16-16.

[2] 郑小虎,刘正好,陈峰,等.纺织工业智能发展现状与展望[J].纺织学报, 2023, 44(8):205-216.DOI:10.13475/j.fzxb.20220305802.

[3] 尚润玲,李敏.纺织智能制造创新能力提升策略[J].轻纺工业与技术, 2022, 51(1):3.

[4] 伏广伟,张珍竹,李红英,等.人工智能在纺织品检测领域的应用[J].江苏纺织, 2021(002):040.

[5] 解读《纺织工业提质升级实施方案(2023—2025年)》[J].中小企业管理与科技, 2023(23):7-8.