在服装加工行业，面料是服装成本中最大的单项材料; 大约 60％的制造成本归因于织物。因此，为了控制生产支出，服装公司对织物利用率非常重视。在确定实际的织物利用率方面，探索新的技术和方法对于提高织物利用率具有非常重要的意义。为此本文开发了一种新的技术系统：Image Projected Virtual Marker（IPVM），它对织物利用率，生产时间和劳动强度有显著影响。我们采用了二十个批次的服装生产订单进行实验，以调查具有缺陷的织物的利用率。 通过 IPVM 可以有效地减少相当大的开支和工作量。 统计分析表明，织物利用率提高了3.5％-4％，视觉检测的总时间减少了22％，裁剪车间目视检查时的劳动强度降低了 25％。 结果表明，所提出的 IPVM 是一种提高织物利用率和降低成本的有效方法。
　　由于不同的人体形状需要不同的标记物，这种为了匹配版型而造成的面料的浪费是非常大的开销。 因此，本文对女性体型进行了分类，并研究了其对应的每种类型下的织物利用率。 在本文之前尚无关于使用不同女性体型来研究织物利用率的相关研究。
　　为此，从124名年轻女性受试者中收集了三维人体扫描数据。使用MATLAB处理扫描人体轮廓。使用主成分分析（PCA）对正视图和侧视图下的轮廓曲线进行了数据降维处理。采用K-Means聚类对人体类型进行了分类。聚类结果表明，女性身体可以分为四种体型，即椭圆形，圆形，三角形和矩形。同时还观察到，所有四种体型类型都表现出不同的人体测量尺寸值。结果表明，这些体型已经包含了两种不同服装款式（合身裤子和合身衬衫）的不同面料利用率。同时，在合身的裤子和合身的衬衫中，织物消耗量最小的是矩形体型，而织物消耗量最大的是圆形体型。类似地，在所有的体型中，合身型裤子消耗织物量最小，而合身型衬衫消耗织物量最大。
　　此外，本文还研究了不同织物宽度对裁剪规划及不同女性体型（即椭圆形，圆形，三角形和矩形）的织物消耗量的影响。 对于 36 种不同的织物宽度（自变量） ，采用Garment Gerber Technology（GGT）软件生成裁剪规划。 而对因变量，即裁剪效率，裁剪损失和织物消耗效率的分析说明其与四种体型相关。 统计分析表明裁剪效率和织物宽度之间存在线性关系（sig <0.05）。 因变量和预测变量之间的回归分析（p 值）也具有统计学意义。 结果表明，在所有服装款式和人体体型中，织物宽度越大，裁剪效率更高。
　　本文的这些发现为服装制造商在同时生产不同类型的身体形状的服装时的规划，提供了更好的面料利用率和成本效益方面的参考。