CN115793587B - 一种基于人工智能的服装制造工艺及设备 - Google Patents

Abstract

本说明书实施例提供一种基于人工智能的服装制造工艺及设备，该服装制造设备包括：多个生产设备；控制装置，控制装置与多个生产设备、多个标记装置和定位装置通信连接，控制装置生成控制指令并发送给至少一个生产设备或至少一个标记装置，至少一个生产设备基于接收的控制指令进行自动生产；多个标记装置设置于服装制造中上一个生产设备和下一个生产设备之间，用于标记下一个生产设备的标记位置；定位装置与多个标记装置通信连接，用于确定下一个生产设备的处理位置，并识别处理位置与标记位置的关系，生成生产误差信息并发送给控制装置，以使控制装置生成预警信息发送给至少一个生产设备。

Description

一种基于人工智能的服装制造工艺及设备

技术领域

本说明书涉及服装制造领域，特别涉及一种基于人工智能的服装制造工艺及设备。

背景技术

随着人们生活水平的提高，人们越发注重自身的个性化，相应地对于服装也就越发的注重，所以服装厂在加工服装时投入巨大的成本对不同款式服装进行细节设计。服装厂在生产服装时，一般会同时生产不同款式、不同尺码的服装。但是对于不同款式、不同尺码的服装，市场的需求也各不相同，因此可能造成资源的浪费。

因此，希望提供一种基于人工智能的服装制造工艺及设备，可以智能控制并生产出不同数量的不同款式、不同尺码的服装，满足市场以及用户的各种需求，提高效益，减少资源浪费。

发明内容

本说明书一个或多个实施例提供一种基于人工智能的服装制造设备。所述服装制造设备包括：多个生产设备，其中，所述多个生产设备包括布料裁剪设备、缝纫设备、粘合设备、饰绣设备和锁扣设备；控制装置，所述控制装置与所述多个生产设备、多个标记装置和定位装置通信连接，所述控制装置生成控制指令并发送给所述多个生产设备中的至少一个生产设备或所述多个标记装置中的至少一个标记装置，所述至少一个生产设备基于接收的所述控制指令进行自动生产；所述多个标记装置设置于服装制造中上一个生产设备和下一个生产设备之间，用于标记所述下一个生产设备的标记位置；所述定位装置与所述多个标记装置通信连接，所述定位装置包括与所述至少一个生产设备对应的摄像头，通过所述摄像头获取的图像，确定所述下一个生产设备的处理位置，并识别所述处理位置与所述标记位置的关系，生成生产误差信息并发送给所述控制装置，以使所述控制装置生成预警信息发送给所述至少一个生产设备。

本说明书一个或多个实施例提供一种基于人工智能的服装制造工艺，所述服装制造工艺基于服装制造设备实现，所述服装制造设备包括：多个生产设备，其中，所述多个生产设备包括布料裁剪设备、缝纫设备、粘合设备、饰绣设备和锁扣设备；控制装置，所述控制装置与所述多个生产设备、多个标记装置和定位装置通信连接；所述多个标记装置设置于服装制造中上一个生产设备和下一个生产设备之间，用于标记所述下一个生产设备的标记位置；所述定位装置与所述多个标记装置通信连接，所述定位装置包括与所述至少一个生产设备对应的摄像头；所述服装制造工艺包括如下步骤：所述控制装置生成控制指令并发送给所述多个生产设备中的至少一个生产设备或所述多个标记装置中的至少一个标记装置，所述至少一个生产设备基于接收的所述控制指令进行自动生产；所述定位装置通过所述摄像头获取的图像，确定所述下一个生产设备的处理位置，并识别所述处理位置与所述标记位置的关系，生成生产误差信息并发送给所述控制装置，以使所述控制装置生成预警信息发送给所述至少一个生产设备。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行基于人工智能的服装制造工艺。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的基于人工智能的服装制造设备的示例性示意图；

图2是根据本说明书一些实施例所示的基于人工智能的服装制造系统的示例性模块图；

图3是根据本说明书一些实施例所示的基于人工智能的服装制造工艺的示例性工艺流程图；

图4是根据本说明书一些实施例所示的对标记位置进行自动标记的示例性流程图；

图5是根据本说明书一些实施例所示的进行饰绣加工的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的基于人工智能的服装制造设备的示例性示意图。在一些实施例中，基于人工智能的服装制造设备100可以包括控制装置110、多个生产设备120、多个标记装置130、定位装置140、网络150和存储器160。

生产设备是指服装生产过程中所用到的设备。在一些实施例中，服装生产过程中可以用到多个生产设备120。多个生产设备120可以包括布料裁剪设备120-1、缝纫设备120-2、粘合设备120-3、饰绣设备120-4和锁扣设备120-5等。

布料裁剪设备是指将布料裁切成所需形状的加工设备。例如，布料裁剪设备可以为铺布机、断料机等。

缝纫设备是指利用缝纫线使一层或多层缝料交织或缝合起来的设备。例如，缝纫设备可以为平缝机、包缝机等。

粘合设备是指将加工后的布料粘合在一起的装置。例如，粘合设备可以为辊式粘合机、板式粘合机等。

饰绣设备是指在服装上刺绣装饰图案的设备。例如，饰绣设备可以为装饰缝纫机、绣花缝纫机、衍缝机等。

锁扣设备是指用于在服装上安装锁扣的设备。例如，锁扣设备可以为钉扣机、锁眼机等。

在一些实施例中，多个生产设备120还可以包括服装生产过程中所要用到的其它任意生产设备，此处不做限制。

在一些实施例中，控制装置110可以用于管理资源以及处理来自本系统至少一个组件(例如，多个生产设备120、多个标记装置130、定位装置140和存储器160)或外部数据源(例如，云数据中心)的数据和/或信息。

在一些实施例中，控制装置110可以包括处理设备112。在一些实施例中，多个生产设备120、多个标记装置130、定位装置140以及其他可能的服装制造设备组成部分中可以包括处理设备112。处理设备112可以处理从其他设备、装置或服装制造设备组成部分中获得数据和/或信息。处理设备可以基于这些数据、信息和/或处理结果执行程序指令，以执行本申请中描述的一个或多个功能。例如，处理设备可以与多个生产设备、多个标记装置和定位装置通信连接。又例如，处理设备可以生成控制指令并发送给多个生产设备中的至少一个生产设备或多个标记装置中的至少一个标记装置，至少一个生产设备基于接收的控制指令进行自动生产。控制指令是指控制服装进行自动生产的操作指令。在一些实施例中，控制指令可以包括裁剪指令、缝纫指令、粘合指令、饰绣指令和锁扣指令等。处理设备可以将不同的控制指令发送给对应的生产设备，进行不同的生产。例如，处理设备可以将缝纫指令发送给缝纫设备120-2。缝纫设备120-2可以根据缝纫指令对剪裁后的布料进行相应的缝合。在一些实施例中，控制指令还可以包括标记指令和定位指令等，以使标记装置根据标记指令标记生产设备的标记位置，以及使定位装置根据定位指令确定生产设备的处理位置等。

在一些实施例中，处理设备可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理设备可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、微处理器等或以上任意组合。

标记装置是指用于标记预设位置的装置。预设位置是指基于待加工服装的加工参数预设的需加工的位置。预设位置可以为本领域技术人员根据实际需要进行设置。在一些实施例中，服装生产过程中可以用到多个标记装置130(例如，标记装置130-1、标记装置130-2等)。多个标记装置130可以设置于服装制造中上一个生产设备和下一个生产设备之间，用于标记下一个生产设备的标记位置。上一个生产设备和下一个生产设备是相对的。例如，如果生产设备是按照布料裁剪设备、缝纫设备、粘合设备、饰绣设备和锁扣设备的顺序排列。如果上一个生产设备是布料剪裁设备，则下一个生产设备是缝纫设备。如果下一个生产设备为锁扣设备，则上一个生产设备为饰绣设备。标记位置是指标记装置在待加工服装上标记的认为下一个生产设备进行加工时需要处理的位置。标记位置可以是基于预设位置进行标记。例如，标记装置可以设置在粘合设备和饰绣设备之间，用于标记饰绣设备的标记位置，以使饰绣设备在标记位置进行饰绣处理。

在一些实施例中，多个标记装置可以为智能电动装置。多个标记装置可以基于控制装置发出的指令，对标记位置进行自动标记。在一些实施例中，多个标记装置中的每一个标记装置的标记外观不同。

智能电动装置是指能够进行智能控制的电动装置。在一些实施例中，智能电动装置可以包括驱动电机、机械臂和标记物。

在一些实施例中，当控制装置无法识别或处理标记位置来对标记位置进行自动标记，或者服装生产过程中对标记位置的精度要求较高时，还可以基于定位装置获取处理位置作为标记位置，并由标记装置对标记位置进行标记。

定位装置140是指用于确定待加工服装加工时的处理位置的装置。在一些实施例中，定位装置140可以与多个标记装置130通信连接。定位装置140可以包括与至少一个生产设备对应的摄像头140-1，通过摄像头140-1获取的图像，确定下一个生产设备的处理位置，并识别处理位置与标记位置的关系，生成生产误差信息并发送给控制装置110，以使控制装置110生成预警信息发送给至少一个生产设备。

处理位置是指定位装置基于预设位置确定的实际处理位置。

在一些实施例中，定位装置140可以基于摄像头140-1获取的图像，通过预设规则，确定下一个生产设备的处理位置。预设规则可以为任意可行规则。例如，定位装置140可以基于摄像头140-1获取的待加工服装图像，与历史数据中与待加工服装款式、型号和尺码等相同的服装上已标记的在下一生产设备的处理位置进行比较，从而确定待加工服装在下一个生产设备的处理位置。又例如，定位装置140可以基于摄像头140-1获取的待加工服装图像以及预设位置，通过图像处理技术等，确定处理位置。图像处理技术可以为任意现有常用图像处理技术，此处不做限制。关于识别处理位置与标记位置的关系，生成生产误差信息并发送给控制装置110，以使控制装置110生成预警信息发送给至少一个生产设备更具体的描述，请参见下文图3中的步骤320的具体描述，此处不再赘述。

在一些实施例中，网络150可以促进信息和/或数据的交换。在一些实施例中，基于人工智能的服装制造设备100的一个或以上组件(例如，控制装置110、多个生产设备120、多个标记装置130、定位装置140和存储器160)可以经由网络150将信息和/或数据发送至基于人工智能的服装制造设备100的其他组件。例如，控制装置110可以生成控制指令经由网络150发送给多个生产设备120中的至少一个生产设备或多个标记装置130中的至少一个标记装置。又例如，定位装置140可以生成生产误差信息经由网络150发送给控制装置110。

在一些实施例中，存储器160可以用于存储数据和/或指令。在一些实施例中，控制装置110、多个生产设备120、多个标记装置130、定位装置140以及其他可能的服装制造设备组成部分中可以包括存储器160。在一些实施例中，存储器160可以存储从控制装置110、多个生产设备120、多个标记装置130以及定位装置140获取的数据。在一些实施例中，存储器160可以储存控制装置110用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储器160可包括大容量存储器、可移动存储器、读写存储器、只读存储器等或以上任意组合。示例性的，大容量储存器可以包括磁盘、光盘等。在一些实施例中，存储器160可在云平台上实现。

在本说明书的一些实施例中，通过人工智能控制服装制造设备运行，智能控制不同生产设备、标记装置以及定位装置运行，并对生产过程中的异常情况进行预警，从而提高服装生产效益，减少资源浪费。

图2是根据本说明书一些实施例所示的基于人工智能的服装制造系统的示例性模块图。如图2所示，基于人工智能的服装制造系统200可以包括生产模块210、控制模块220、标记模块230和定位模块240。在一些实施例中，基于人工智能的服装制造系统200中的生产模块210和标记模块230可以有多个。

在一些实施例中，多个生产模块210可以包括布料裁剪模块、缝纫模块、粘合模块、饰绣模块和锁扣模块等。

在一些实施例中，控制模块220可以用于与多个生产模块、多个标记模块和定位模块通信连接。控制模块可以生成控制指令并发送给多个生产模块中的至少一个生产模块或多个标记模块中的至少一个标记模块。至少一个生产模块基于接收的所述控制指令使对应的至少一个生产设备进行自动生产。

在一些实施例中，多个标记装置可以设置于服装制造中上一个生产设备和下一个生产设备之间，多个标记模块230可以使多个标记装置130标记下一个生产设备的标记位置。

在一些实施例中，多个标记模块230可以位于智能电动装置内。多个标记模块可以基于控制模块发出的指令，使多个标记装置130对标记位置进行自动标记。多个标记装置中的每一个标记装置的标记外观不同。

在一些实施例中，可以基于定位模块240获取标记位置，并由标记模块230使多个标记装置130对标记位置进行标记。

在一些实施例中，定位模块240可以用于与多个标记模块通信连接。定位模块240对应的定位装置140可以包括与至少一个生产设备对应的摄像头，通过摄像头获取的图像，确定下一个生产设备的处理位置，并识别处理位置与标记位置的关系，生成生产误差信息并发送给控制模块220，以使控制模块220生成预警信息发送给至少一个生产模块210。

在一些实施例中，基于人工智能的服装制造系统200还可以包括第一交互模块。多个标记模块230可以基于第一交互模块，获取布料数据信息和服装款式数据信息并发送给控制模块，以使控制模块确定裁剪数据信息。裁剪数据信息可以包括裁剪布料总量和不同裁剪尺寸的布料加工数量比。控制模块可以基于裁剪数据信息发出裁剪指令。标记模块可以基于裁剪指令，确定标记位置并使标记装置进行自动标记。最后，布料裁剪模块可以基于标记和裁剪指令使裁剪设备进行裁剪。

在一些实施例中，控制模块220可以基于布料数据信息和服装款式数据信息，确定适用人群数据信息和成本数据信息。控制模块220可以基于适用人群数据信息和成本数据信息，确定待加工服装不同尺码的生产数量比例。控制模块220可以基于生产数量比例，确定布料加工数量比。

在一些实施例中，控制模块220可以进一步用于基于布料数据信息、服装款式数据信息、适用人群数据信息和成本数据信息，通过比例确定模型确定待加工服装不同尺码的生产数量比例，其中，比例确定模型为机器学习模型。

在一些实施例中，基于人工智能的服装制造系统200还可以包括第二交互模块。第二交互模块可以用于自定义生成饰绣，并发送给控制模块220，以使控制模块220生成饰绣指令，并将饰绣指令发送至定位模块240确定饰绣位置，以及发送至饰绣模块使饰绣设备在饰绣位置进行饰绣加工。

在一些实施例中，第二交互模块可以包括多个第二交互模块。控制模块220可以通过第一交互模块和第二交互模块获取交互数据信息，确定多个第二交互模块中的每一个第二交互模块自定义生成的装饰推荐指数，并基于装饰推荐指数生成饰绣指令。交互数据信息可以包括用户在第一交互模块和第二交互模块上的点击数据信息和评价数据信息。

在一些实施例中，评价数据信息的重要性大小可以相关于用户类型是否与待加工服装的适用人群数据相匹配。

在一些实施例中，第二交互模块可以基于交互数据信息，通过推荐模型确定装饰推荐指数，其中，推荐模型为机器学习模型。

在一些实施例中，推荐模型的输入还可以包括成本数据信息。

在一些实施例中，控制模块220可以进一步用于判断生产误差信息是否满足预设条件，是则由控制模块发出调整指令，其中，调整指令包括调整裁剪指令和调整饰绣指令中的至少一种。

在一些实施例中，控制模块220可以基于裁剪指令、生产误差信息、布料数据信息和服装款式数据信息，确定调整裁剪指令。

在一些实施例中，控制模块220可以基于装饰推荐指数和生产误差信息，确定调整饰绣指令。

在一些实施例中，预设条件可以关联于成本数据信息。

应当理解，图2所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，可以基于计算机可读存储介质实现图2所示的系统及其模块的功能。

需要注意的是，以上对于基于人工智能的服装制造系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图2中披露的生产模块和控制模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的基于人工智能的服装制造工艺的示例性流程图。在一些实施例中，基于人工智能的服装制造工艺300可由基于人工智能的服装制造设备100上的控制装置110执行。关于基于人工智能的服装制造设备100的具体结构请参见图1及其描述。如图3所示，基于人工智能的服装制造工艺300包括步骤310-步骤320。

步骤310，控制装置生成控制指令并发送给多个生产设备中的至少一个生产设备或多个标记装置中的至少一个标记装置，至少一个生产设备基于接收的控制指令进行自动生产。

关于步骤310中控制装置的具体工作过程说明，请参见上文图1中关于控制装置110部分的详细描述，此处不再赘述。

步骤320，定位装置通过摄像头获取的图像，确定下一个生产设备的处理位置，并识别处理位置与标记位置的关系，生成生产误差信息并发送给控制装置，以使控制装置生成预警信息发送给至少一个生产设备。关于定位装置通过摄像头获取的图像，确定下一个生产设备的处理位置的更具体的描述，请参见图1及其相关描述，此处不再赘述。

生产误差信息是指生产过程中标记位置与处理位置之间的差异信息。例如，生产误差信息可以为在生产过程中标记位置与处理位置之间存在误差，如标记位置相比处理位置偏移了0.5cm。又例如，生产误差信息可以为在生产过程中标记位置与处理位置之间不存在误差，如标记位置相比处理位置没有发生偏移。在一些实施例中，生产误差可能是由于布料尺寸的厚度或服装款式不对导致的误差。

在一些实施例中，定位装置140可以通过摄像头获取的图像，确定下一个生产设备的处理位置，然后识别处理位置与标记位置的关系，如果标记位置相比处理位置存在偏移，则生成生产误差信息发送给控制装置。例如，若定位装置140通过摄像头获取的图像，确定下一个生产设备的处理位置，然后识别标记位置相比处理位置偏移了0.5cm，则生成生产误差信息发送给控制装置。

预警信息是指在服装生产过程中，根据生产误差信息得到的待生产服装可能生产不合理的前兆，向相关生产设备发出紧急信号，报告生产不合理情况的信息。例如，预警信息可以包括提醒和生产误差的相关信息，具体地，预警信息可以通过语音信息、文字信息或视频信息等中的一种或多种发送给对应的至少一个生产设备。

在一些实施例中，如果至少一个生产设备接收到的预警信息为标记位置与处理位置之间存在生产误差，则对应的生产设备可以基于生产误差，调整对应生产设备的标记位置相比处理位置之间的偏移，直到标记位置相比处理位置之间的偏移满足服装加工要求。

在本说明书的一些实施例中，通过控制装置自动控制多个生产设备的自动生产，同时利用多个标记装置和定位装置及时发现多个生产设备在自动生产过程的生产误差信息，并发送给控制装置生成预警信息发送给对应的生产设备进行及时调整，在提高生产效益的同时，减少资源浪费。

在一些实施例中，控制装置可以判断生产误差信息是否满足预设条件。是，则由控制装置发出调整指令，其中，调整指令包括调整裁剪指令和调整饰绣指令中的至少一种。

预设条件是指预先设置的生产误差信息需要满足的条件。例如，预设条件可以为生产误差大于生产误差阈值。在一些实施例中，生产误差阈值可以为本领域技术人员根据经验设置，如，生产误差阈值可以为0.4cm、0.5cm等。

在一些实施例中，预设条件可以关联于成本数据信息。

成本数据信息是指与单件待加工服装的成本相关的数据信息。例如，成本数据信息可以包括单件待加工服装的生产成本、人工成本等等。

在一些实施例中，预设条件可以为生产单件待加工服装的成本越高，则生产单件待加工服装所对应的生产误差信息容忍度越低。例如，如果单件待加工服装所用的材料A价格很贵，对应的该单件待加工服装所用的成本较高，对应的预设条件中对材料A的生产误差阈值则可以较低。

在本说明书的一些实施例中，通过将生产误差所要满足的预设条件与成本数据信息关联，可以有效控制生产误差而导致的服装加工成本，减少资源浪费，提高效益。

在一些实施例中，控制装置可以将生产误差信息和生产误差阈值(如，0.4cm、0.5cm)进行比较，当生产误差信息大于生产误差阈值，则满足预设条件。例如，若生产误差阈值为0.4cm，同一生产设备处识别的标记位置相比处理位置偏移了0.5cm，偏移量0.5cm大于生产误差阈值0.4cm，则满足预设条件。若生产误差信息为当生产误差小于等于生产误差阈值，则不满足预设条件。例如，若生产误差阈值为0.4cm，同一生产设备处识别的标记位置相比处理位置偏移了0.3cm，偏移量0.3cm小于生产误差阈值0.4cm，则不满足预设条件。

调整指令是指调整生产设备操作的指令。

在一些实施例中，响应于生产误差信息满足预设条件，控制装置发出调整指令。例如，响应于生产误差信息满足预设条件，控制装置可以发出调整裁剪指令或调整饰绣指令。

在本说明书的一些实施例中，基于人工智能的方法，对服装布料、款式、成本等数据进行分析，以确定合理的服装不同尺码的生产比例，避免不合理的生产策略导致产品积压或销售不畅等。另外，对服装饰绣进行分析，以及通过交互终端获取用户推荐数据，可以确定比较符合消费者需求的服装饰绣类型及位置数据，进而确定合理的服装饰绣加工策略，以保证客户满意度。从而实现在提高效益的同时，减少资源浪费。

在一些实施例中，调整指令可以包括调整裁剪指令和调整饰绣指令中的至少一种。

调整裁剪指令是指用于调整已有裁剪操作的指令。例如，调整裁剪指令可以为调整的裁剪参数。裁剪参数是指与待加工服装裁剪相关的参数。

在一些实施例中，控制装置110可以基于生产误差信息，确定调整裁剪指令。例如，控制装置110可以基于生产误差信息中的误差数据，直接调整裁剪指令。又例如，可以基于历史数据，建立生产误差信息和调整裁剪指令对照表，控制装置110可以根据生产误差信息和对照表，确定调整裁剪指令。

在一些实施例中，控制装置110可以基于布料数据信息和服装款式数据信息确定的裁剪指令以及生产误差信息，确定调整裁剪指令。在一些实施例中，生产误差信息可以是由于同一布料不同位置厚度变化，使同一布料不同位置厚度不同所导致。

裁剪指令是指未进行调整前的裁剪指令。

关于布料数据信息的定义请参见图4及其相关内容，此处不再赘述。

关于服装款式数据信息的定义请参见图4及其相关内容，此处不再赘述。

在一些实施例中，控制装置110可以将布料数据信息和服装款式数据信息发送控制装置，以使控制装置确定裁剪数据信息。然后控制装置基于裁剪数据信息确定裁剪指令。最后控制装置根据裁剪指令的生产误差信息，发出调整裁剪指令。关于控制装置110可以将布料数据信息和服装款式数据信息发送控制装置，以使控制装置确定裁剪数据信息，然后控制装置基于裁剪数据信息确定裁剪指令的更具体描述，请参见下文图4中的步骤410和步骤420的具体内容，此处不再赘述。

在本说明书的一些实施例中，基于人工智能的方法，基于服装布料数据和服装款式数据以确定裁剪指令，进而确定合理的服装不同尺码的生产比例，避免不合理的生产策略导致产品积压或销售不畅等，同时通过生产误差信息对裁剪指令进行调整，控制成本，减少资源浪费，提高生产效益。

调整饰绣指令是指用于调整已有饰绣操作的指令。在一些实施例中，调整饰绣指令可以用于调整饰绣位置、调整饰绣款式等。例如，调整饰绣指令可以为将原有布料饰绣位置向左移动预设距离(例如，3厘米、4厘米等)。

在一些实施例中，控制装置110可以基于生产误差信息，确定调整饰绣指令。例如，控制装置110可以基于生产误差信息中的误差数据，直接调整饰绣指令。又例如，可以基于历史数据，建立生产误差信息和调整饰绣指令对照表，控制装置110可以根据生产误差信息和对照表，确定调整饰绣指令。

在一些实施例中，控制装置110可以基于装饰推荐指数和生产误差信息，确定调整饰绣指令。

装饰推荐指数是指装饰物受到用户喜欢程度的相关指数。在一些实施例中，装饰推荐指数可以通过百分比进行表示。装饰推荐指数越高，表示该装饰越受用户欢迎。

在一些实施例中，控制装置110可以基于装饰推荐指数生成饰绣指令，然后控制装置根据饰绣指令的生产误差信息，发出调整饰绣指令。关于控制装置110基于装饰推荐指数生成饰绣指令的更具体描述，请参见下文图5中的步骤530及其描述，此处不再赘述。

在本说明书的一些实施例中，基于人工智能的方法，基于装饰推荐指数以确定饰绣指令，可以确定比较符合消费者需求的服装饰绣类型及位置数据，进而确定合理的服装饰绣加工策略，以保证客户满意度，同时通过生产误差信息对饰绣指令进行调整，控制成本，减少资源浪费，提高生产效益。

图4是根据本说明书一些实施例所示的对标记位置进行自动标记的示例性流程图。在一些实施例中，流程400可以由控制装置110执行。流程400可以包括以下步骤：

步骤410，基于第一交互终端，获取布料数据信息和服装款式数据信息并发送给控制装置，以使控制装置确定裁剪数据信息。

第一交互终端可以是指用于人机交互的装置。例如，台式电脑、平板电脑、笔记本电脑、手机等可以实现数据处理以及数据通信的智能电子设备等。在一些实施例中，使用第一交互终端的用户可以是与基于人工智能的服装制造工艺相关的人员。例如，用户可以包括布料采购员、服装管理人员、服装设计人员、服装加工人员等。

布料数据信息可以是与布料相关的数据信息。例如，布料数据信息可以包括不同布料的总量、材质、颜色、尺寸、编织类型等。例如，布料数据信息可以包括布料的总量为300m、材质为纯棉织物、颜色为海蓝色、尺寸为60寸、编织类型为平纹编织等。

服装款式数据信息可以是与服装款式相关的数据信息。例如，服装款式数据信息可以包括不同款式或系列对应的服装的不同的尺码、不同的装饰、不同的锁扣等。例如，服装款式数据信息可以是尺寸为M码的休闲系列，采用的锁扣为牛角扣，颈口位置装饰有银色金属项链。

在一些实施例中，用户可以通过第一交互终端输入布料数据信息和服装款式数据信息，第一交互终端将布料数据信息和服装款式数据信息发送给控制装置。

裁剪数据信息可以是与服装布料裁剪相关的数据信息。在一些实施例中，裁剪数据信息可以包括采用的裁剪方法、裁剪布料总量、裁剪尺寸以及不同的尺码或布料对应的不同的剪裁尺寸、不同裁剪尺寸的布料加工数量比等等。例如，裁剪数据信息可以是指该套纯棉衣服采用短寸式裁剪法，裁剪掉的布料量为5m，另需3m的布料裁补加工于领口位置。裁剪布料总量可以是指加工服装所需要布料的总量。例如，裁剪布料总量可以为50m。不同裁剪尺寸的布料加工数量比可以是指不同裁剪尺寸的加工服装数量的比值。例如，用面料种类是涤棉、涤卡类面料加工夹克工作服，布料加工数量比为三种尺寸L、M、S的服装数量比即1000:2000:1000。

在一些实施例中，用户可以通过第一交互终端输入布料数据信息和服装款式数据信息，第一交互终端将布料数据信息和服装款式数据信息发送给控制装置，然后控制装置基于布料数据信息和服装款式数据信息来确定裁剪数据信息。例如，某款加工的服装的布料数据信息和服装款式数据信息为布料的数量为30m、材质为纯棉织物、颜色为海蓝色、尺寸为60寸、编织类型为平纹编织以及尺寸为M码的休闲系列，其采用的锁扣为牛角扣，颈口位置装饰有银色金属项链，控制装置基于以上数据信息可以采用数据匹配确定该款休闲服装的目标客户的相关数据信息，以及该款休闲服装与价格相关的数据信息。然后，将以上获取的数据信息输入到机器学习模型，输出得到裁剪数据信息。

在一些实施例中，控制装置可以基于布料数据信息和服装款式数据信息，确定适用人群数据信息和成本数据信息；基于适用人群数据信息和成本数据信息，确定待加工服装不同尺码的生产数量比例；基于生产数量比例，确定布料加工数量比。

适用人群数据信息可以是指与加工服装适用的人群相关的数据信息。例如，用面料种类是纯棉的布料加工出来的休闲运动服的适用人群数据信息为男性青年学生、月均可支配收入为1200元、平均身高为172cm等。在一些实施例中，适用人群数据信息可以包括不同布料、不同款式、不同尺码等分别适用的人群的数量。例如，某款服装适用哪几种不同的人群。

成本数据信息可以是指与服装加工成本相关的数据信息。例如，成本数据信息可以包括布料成本、加工成本等。例如，成本数据信息为加工采用的纯棉进价为14元/m、加工成休闲运动服的每套成本为10元等。不同的布料对应的布料成本不同，例如，纯棉布料成本为14元/m高于半纯棉布料成本10元/m。不同的款式对应的加工成本也不同，例如，款式较简单的如休闲类服装，加工成本较低，款式或者装饰较复杂的如礼服类，加工成本较高。

在一些实施例中，控制装置可以建立参考数据库，参考数据库中包括多个参考向量。参考向量可以包括布料服装款式参考向量。布料服装款式参考向量可以基于历史布料数据信息和历史服装款式数据信息建立。布料服装款式参考向量中的不同元素可以表示历史布料数据信息或历史服装款式数据信息的某个数据信息。布料服装款式参考向量可以对应适用人群数据信息(比如老人、孕妇、青年、学生、身高、消费等)和成本数据信息(包括布料成本和加工成本等)；控制装置可以基于当前的布料数据信息和款式数据信息建立对应的待匹配向量。控制装置可以分别计算布料服装款式参考向量与待匹配向量之间的向量距离，将与待匹配向量之间的向量距离最小的布料服装款式参考向量对应的适用人群数据信息和成本数据信息确定为待匹配向量对应的适用人群数据信息和成本数据信息。

生产数量比例可以是指加工服装计划在不同尺寸下的数量的比例。例如，加工成休闲运动服，生产数量比例计划为3种尺寸大小L、M、S的数量比例为1000:3000:1000。

在一些实施例中，控制装置可以根据适用人群数据信息和成本数据信息，通过多种方法确定待加工服装不同尺码的生产数量比例。例如，控制装置可以根据适用人群数据信息中适用的人群数量和成本数据信息中的成本大小确定生产数量比例。适用的人群数量越多和成本数据信息中的成本越小，对应的尺码或款式的生产数量越多。适用的人群数量越少和成本数据信息中的成本越大，对应的尺码或款式的生产数量越小。又例如，控制装置可以确定适用人群为青年、收入中等和成本数据信息中成本适中对应的尺码或款式的生产数量较多；适用人群为学生和成本数据信息中成本较高对应的尺码或款式的生产数量较少；适用人群为老人和成本数据信息中成本较高对应的尺码或款式的生产数量最小。控制装置可以基于上述生产数量，确定待加工服装不同尺码的生产数量比例。

在一些实施例中，控制装置可以基于生产数量比例，确定布料加工数量比。例如，生产数量比例与布料加工数量比之间存在预设的对应关系，控制装置可以基于预设关系确定布料加工数量比。

在本说明书一些实施例中，通过加工服装采用的款式、布料等信息，以及基于此确定服装所适用的人群和加工所需的价格成本，能够确定合理的不同裁剪尺寸的服装的数量比，避免不合理的生产策略，进一步有效提高效益，减少资源浪费。

在一些实施例中，控制装置可以基于布料数据信息、服装款式数据信息、适用人群数据信息和成本数据信息，通过比例确定模型确定待加工服装不同尺码的生产数量比例，其中，比例确定模型为机器学习模型。

比例确定模型是用于确定待加工服装不同尺码的生产数量比例的模型。在一些实施例中，比例确定模型可以是机器学习模型。例如，比例确定模型可以包括循环神经网络模型(Recurrent Neural Network，RNN)、神经网络模型(Neural Networks，NN)、深度神经网络模型(Deep Neural Networks，DNN)等或其任意组合。

在一些实施例中，比例确定模型的输入可以包括布料数据信息、服装款式数据信息、适用人群数据信息和成本数据信息等，输出可以包括待加工服装不同尺码的生产数量比例。在一些实施例中，比例确定模型输入的适用人群数据信息和成本数据信息可以直接通过参考数据库确定。例如，通过布料数据信息和服装款式数据信息对应的待匹配向量匹配到的参考数据库中的向量距离最短的布料服装款式向量。可以将向量距离最短的布料服装款式向量对应的适用人群数据信息和成本数据信息直接确定为该布料数据信息和服装款式数据信息对应的适用人群数据信息和成本数据信息。则适用人群数据信息和成本数据信息不需要经过数据处理直接确定，可以提高效率，减少数据分析处理的成本。

在一些实施例中，比例确定模型可以基于大量的历史数据进行训练。历史数据可以包括第一训练样本和第一训练标签。在一些实施例中，历史数据可以基于服装制造设备的历史制造数据由人工采集获取。第一训练样本的每组训练样本包括历史布料数据信息、历史服装款式数据信息、历史适用人群数据信息以及历史成本数据信息等。第一训练标签可以通过第一训练样本的每组训练样本对应的其他相同/相似服装的成功生产/销售数据确定。训练过程包括：将带有第一训练标签的第一训练样本输入未设置参数的比例确定模型；基于损失函数迭代更新比例确定模型的参数直至满足损失函数小于阈值、收敛，或训练周期达到阈值等条件，获取训练好的比例确定模型。

在本说明书一些实施例中，通过使用比例确定模型可以快速准确地确定加工服装不同尺码的生产数量比例，能够更好的符合实际服装生产情况。

步骤420，控制装置基于裁剪数据信息发出裁剪指令。

裁剪指令可以是指控制布料裁剪设备对布料进行裁剪加工的指令。

在一些实施例中，控制装置可以基于裁剪数据通过无线或有线网络向标记装置发送裁剪指令。

步骤430，标记装置基于裁剪指令，确定标记位置并进行自动标记，其中，布料裁剪设备基于标记和裁剪指令进行裁剪。

在一些实施例中，标记装置基于裁剪指令“在纯棉布料采用平面裁剪法”，标记装置在铺放于平面裁剪台的布料上绘制出服装衣片结构图轮廓线标记，布料裁剪设备基于轮廓线标记和该裁剪指令进行裁剪。关于上述的具体说明可以参见说明书中图1的相关描述。

在一些实施例中，服装制造设备通过确定待加工服装不同尺码的生产数量比例，进一步确定了布料加工数量比，以及布料裁剪设备根据裁剪指令进行相应位置的裁剪加工。对布料进行了充分的利用以及精确的裁剪位置加工，进一步避免了资源浪费。

图5是根据本说明书一些实施例所示的进行饰绣加工的示例性流程图。在一些实施例中，流程500可以由控制装置110执行。流程500可以包括以下步骤：

在一些实施例中，服装制造设备还可以包括第二交互终端，第二交互终端可以用于自定义生成饰绣，并发送给控制装置，以使控制装置生成饰绣指令，并将饰绣指令发送至定位装置确定饰绣位置，以及发送至饰绣设备在饰绣位置进行饰绣加工。

步骤510，自定义生成饰绣，并发送给控制装置。

饰绣可以是指在布料上绣制的各种装饰图案。例如，饰绣可以是花纹刺绣、卡通人物的胶印图案、山水画丝印等。

在一些实施例中，第二交互终端可以通过用户输入的或选择的图案自定义生成饰绣。

步骤520，控制装置生成饰绣指令，并将饰绣指令发送至定位装置确定饰绣位置。

饰绣指令可以是指控制定位装置和饰绣设备对布料进行饰绣加工的指令。例如，饰绣指令可以是“饰绣一个花纹刺绣”。

饰绣位置可以是指饰绣设备对布料进行饰绣加工的位置。例如，饰绣位置可以是布料的中心位置。

在一些实施例中，控制装置生成的饰绣指令为“饰绣一个花纹刺绣”，并将该饰绣指令发送至定位装置确定饰绣位置为布料的中心位置。

步骤530，发送至饰绣设备在饰绣位置进行饰绣加工。

饰绣加工可以是指在布料上进行加工装饰饰绣。例如，饰绣加工可以是在将某卡通人物胶印与纯棉布料上。

在一些实施例中，控制装置将饰绣指令“饰绣一个花纹刺绣”，并将该饰绣指令发送至饰绣设备，饰绣设备基于该饰绣指令和定位装置确定的饰绣位置在布料的中心位置进行花纹刺绣的加工。

在本说明书一些实施例中，自定义生成的饰绣以及相应的饰绣指令，可以使得加工于服装上的饰绣位置精确，符合人们的审美观，从而进一步保证了加工服装的畅销。

在一些实施例中，第二交互终端可以包括多个第二交互终端，控制装置通过第一交互终端和第二交互终端获取交互数据信息，确定多个第二交互终端中的每一个第二交互终端自定义生成的装饰推荐指数，并基于装饰推荐指数生成饰绣指令，交互数据信息可以包括用户在第一交互终端和第二交互终端上的点击数据信息和评价数据信息。

第二交互终端可以是指用于人机交互的装置。例如，台式电脑、平板电脑、笔记本电脑、手机等可以实现数据处理以及数据通信的智能电子设备等。在一些实施例中，使用第二交互终端的用户可以是与加工服装相关的个人或企业，例如，待加工服装的客户、潜在客户/企业等。

交互数据信息可以是指与用户在第一交互终端和第二交互终端交互相关的数据。例如，交互数据信息可以包括用户在交互终端上的点击数据信息和评价数据信息。例如，交互数据信息可以包括“某服装设计人员为某款花纹刺绣给予了五颗星的推荐，并评价这款花纹刺绣适宜饰绣于服装背心位置”。

在一些实施例中，控制装置可以基于无线或有线网络从第一交互终端和第二交互终端获取交互数据信息。

点击数据信息可以是指与在交互终端进行饰绣的点击选择相关的数据信息。例如，点击数据信息可以是某待加工服装的客户倾向于选择某个预设的卡通动物饰绣，并倾向于对其点击移动到交互终端上显示服装的衣袖位置进行装饰。

评价数据信息可以是指用户对饰绣款式(大小和形状)以及饰绣位置(比如胸口、后背、肩膀等)的评价相关的数据信息。例如，评价数据信息可以包括评分。例如，评价数据信息可以是“某待加工服装的客户对某款花纹刺绣装饰于胸心背给予了90分的推荐评分”。

在本说明书一些实施例中，通过从交互终端获取到对不同饰绣的评价、点击选择等交互数据信息，进而可以加工出更加符合审美观的服装，更符合用户的实际需求。

在一些实施例中，评价数据信息的重要性大小相关于用户类型是否与待加工服装的适用人群数据相匹配。例如，某待加工服装的青年客户对某款时尚休闲服存在使用需求，则他的评价数据信息更重要于对该款服装没有使用需求的某待加工服装的中年客户的评价数据信息。关于上述的适用人群数据信息具体说明可以参见说明书中图4的相关描述。

在一些实施例中，用户在对不同加工服装进行评价时，如果用户是有该服装使用需求的人，那么他的评价和选择具有更大的可靠度。在一些实施例中，控制装置可以在交互终端上，基于类似调查问卷的形式获取用户数据，从而确定用户是否有该服装的使用需求。本说明书一些实施例中，通过对服装进行评价的用户是否有该服装的使用需求，从而对用户的评价进行相应的侧重，保证用户评价数据信息的可靠度。

装饰推荐指数可以是指与对装饰的推荐相关的指数。例如，装饰推荐指数可以包括评分制、星级制、等级制等。例如，装饰推荐指数可以是“对某款装饰于背心的花纹刺绣推荐指数为90分”。

在一些实施例中，控制装置生成饰绣指令，并将饰绣指令通过无线或有线网络发送至定位装置确定饰绣位置，以及发送至饰绣设备在饰绣位置进行饰绣加工。关于上述的饰绣指令具体说明可以参见说明书中图5的相关描述。

在本说明书一些实施例中，通过对评价数据信息的重要性大小与服装的适用人群数据相匹配，有效保证了用户评价数据的可靠度。

在一些实施例中，装饰推荐指数采用如下方式获取：基于交互数据信息，通过推荐模型确定装饰推荐指数，其中，推荐模型为机器学习模型。

推荐模型是用于确定装饰推荐指数的模型。在一些实施例中，推荐模型可以是机器学习模型。例如，推荐模型可以包括循环神经网络模型(Recurrent Neural Network，RNN)、神经网络模型(Neural Networks，NN)、深度神经网络模型(Deep Neural Networks，DNN)等或其任意组合。

在一些实施例中，推荐模型的输入可以包括交互数据信息，输出可以是装饰推荐指数，装饰推荐指数可以是推荐分从大到小排序的向量。

在一些实施例中，推荐模型可以基于大量的历史数据或人工设定的交互数据信息进行训练。历史数据可以是指第二训练样本。在一些实施例中，历史数据可以基于第一交互终端和第二交互终端的历史交互数据由人工采集获取。第二训练标签包括人工标注的装饰推荐指数。训练过程包括：将带有第二训练标签的第二训练样本输入未设置参数的推荐模型；基于损失函数迭代更新推荐模型的参数直至满足损失函数小于阈值、收敛，或训练周期达到阈值等条件，获取训练好的推荐模型。

在本说明书一些实施例中，通过使用推荐模型可以对不同款式服装的受欢迎程度进行排序推荐，保证了加工服装能够畅销。

在一些实施例中，推荐模型的输入还可以包括成本数据信息。成本数据信息可以包括饰绣成本数据信息(包括饰绣材质成本和饰绣加工成本)。在一些实施例中，参考数据库中的参考向量还可以包括饰绣参考向量，饰绣参考向量对应饰绣成本数据信息；饰绣参考向量可以基于历史饰绣材质和历史饰绣款式建立；基于当前饰绣材质和饰绣款式建立待匹配向量；分别计算饰绣参考向量与待匹配向量之间的距离，从而确定待匹配向量对应饰绣成本数据信息。关于上述的参考数据库具体说明可以参见说明书中图4的相关描述。

在本说明书一些实施例中，将饰绣成本数据作为模型输入，比较符合生产加工实际情况，更好的与生产能力相匹配。

应当注意的是，上述有关流程500的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程500进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

本说明书一些实施例还提供一种基于人工智能的服装制造装置，包括至少一个处理器以及至少一个存储器，至少一个存储器可以用于存储计算机指令。至少一个处理器可以用于执行计算机指令中的至少部分指令以实现上述基于人工智能的服装制造工艺。

本说明书一些实施例还提供一种计算机可读存储介质，该存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行上述基于人工智能的服装制造工艺。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (6)

1.一种基于人工智能的服装制造设备，其特征在于，所述服装制造设备包括：

多个生产设备，其中，所述多个生产设备包括布料裁剪设备、缝纫设备、粘合设备、饰绣设备和锁扣设备；

控制装置，所述控制装置与所述多个生产设备、多个标记装置和定位装置通信连接，所述控制装置生成控制指令并发送给所述多个生产设备中的至少一个生产设备或所述多个标记装置中的至少一个标记装置，所述至少一个生产设备基于接收的所述控制指令进行自动生产；

所述多个标记装置设置于服装制造中上一个生产设备和下一个生产设备之间，用于标记所述下一个生产设备的标记位置；

所述定位装置与所述多个标记装置通信连接，所述定位装置包括与所述至少一个生产设备对应的摄像头，通过所述摄像头获取的图像，确定所述下一个生产设备的处理位置，并识别所述处理位置与所述标记位置的关系，生成生产误差信息并发送给所述控制装置，以使所述控制装置生成预警信息发送给所述至少一个生产设备；

所述多个标记装置为智能电动装置，所述多个标记装置基于所述控制装置发出的指令，对所述标记位置进行自动标记，其中，所述多个标记装置中的每一个标记装置的标记外观不同，智能电动装置包括驱动电机、机械臂和标记物；

所述服装制造设备还包括第一交互终端，所述对所述标记位置进行自动标记包括：

基于所述第一交互终端，获取布料数据信息和服装款式数据信息并发送给所述控制装置，以使所述控制装置确定裁剪数据信息，其中，所述裁剪数据信息包括裁剪布料总量和不同裁剪尺寸的布料加工数量比；

控制装置基于所述布料数据信息和所述服装款式数据信息，确定适用人群数据信息和成本数据信息，控制装置基于所述适用人群数据信息和所述成本数据信息，确定待加工服装不同尺码的生产数量比例，并基于所述生产数量比例，确定所述布料加工数量比；

所述控制装置进一步用于基于所述布料数据信息、所述服装款式数据信息、所述适用人群数据信息和所述成本数据信息，通过比例确定模型确定所述待加工服装不同尺码的所述生产数量比例，其中，所述比例确定模型为机器学习模型；

所述控制装置基于所述裁剪数据信息发出裁剪指令；

所述标记装置基于所述裁剪指令，确定所述标记位置并进行自动标记，其中，所述布料裁剪设备基于所述标记和所述裁剪指令进行裁剪。

2.根据权利要求1所述的基于人工智能的服装制造设备，其特征在于，所述服装制造设备还包括第二交互终端，所述第二交互终端用于自定义生成饰绣，并发送给所述控制装置，以使所述控制装置生成饰绣指令，并将所述饰绣指令发送至所述定位装置确定饰绣位置，以及发送至所述饰绣设备在所述饰绣位置进行饰绣加工。

3.根据权利要求1所述的基于人工智能的服装制造设备，其特征在于，所述控制装置进一步用于：

判断所述生产误差信息满足预设条件；

是则由所述控制装置发出调整指令，其中，所述调整指令包括调整裁剪指令和调整饰绣指令中的至少一种。

4.一种基于人工智能的服装制造工艺，其特征在于，所述服装制造工艺基于服装制造设备实现，所述服装制造设备包括：

多个生产设备，其中，所述多个生产设备包括布料裁剪设备、缝纫设备、粘合设备、饰绣设备和锁扣设备；

控制装置，所述控制装置与所述多个生产设备、多个标记装置和定位装置通信连接；

所述多个标记装置设置于服装制造中上一个生产设备和下一个生产设备之间，用于标记所述下一个生产设备的标记位置；

所述定位装置与所述多个标记装置通信连接，所述定位装置包括与至少一个生产设备对应的摄像头；

所述服装制造工艺包括如下步骤：

所述控制装置生成控制指令并发送给所述多个生产设备中的至少一个生产设备或所述多个标记装置中的至少一个标记装置，所述至少一个生产设备基于接收的所述控制指令进行自动生产；

所述定位装置通过所述摄像头获取的图像，确定所述下一个生产设备的处理位置，并识别所述处理位置与所述标记位置的关系，生成生产误差信息并发送给所述控制装置，以使所述控制装置生成预警信息发送给所述至少一个生产设备；

所述多个标记装置为智能电动装置，所述多个标记装置基于所述控制装置发出的指令，对所述标记位置进行自动标记，其中，所述多个标记装置中的每一个标记装置的标记外观不同，智能电动装置包括驱动电机、机械臂和标记物；

所述服装制造设备还包括第一交互终端，所述对所述标记位置进行自动标记包括：

基于所述第一交互终端，获取布料数据信息和服装款式数据信息并发送给所述控制装置，以使所述控制装置确定裁剪数据信息，其中，所述裁剪数据信息包括裁剪布料总量和不同裁剪尺寸的布料加工数量比；

控制装置基于所述布料数据信息和所述服装款式数据信息，确定适用人群数据信息和成本数据信息，控制装置基于所述适用人群数据信息和所述成本数据信息，确定待加工服装不同尺码的生产数量比例，并基于所述生产数量比例，确定所述布料加工数量比；

所述控制装置进一步用于基于所述布料数据信息、所述服装款式数据信息、所述适用人群数据信息和所述成本数据信息，通过比例确定模型确定所述待加工服装不同尺码的所述生产数量比例，其中，所述比例确定模型为机器学习模型；

所述控制装置基于所述裁剪数据信息发出裁剪指令；

所述标记装置基于所述裁剪指令，确定所述标记位置并进行自动标记，其中，所述布料裁剪设备基于所述标记和所述裁剪指令进行裁剪。

5.根据权利要求4所述的基于人工智能的服装制造工艺，其特征在于，所述服装制造设备还包括第二交互终端，所述第二交互终端用于自定义生成饰绣，并发送给所述控制装置，以使所述控制装置生成饰绣指令，并将所述饰绣指令发送至所述定位装置确定饰绣位置，以及发送至所述饰绣设备在所述饰绣位置进行饰绣加工。

6.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求4至5中任意一项所述的基于人工智能的服装制造工艺。