服装款式图识别与样板转换技术研究进展

为揭示款式图与服装样板之间的转换机制,概述了依据款式图进行人工制板的过程和方法,阐述了服装款式图特征参数识别和机器学习识别2种识别方法,重点论述在款式图识别基础上的样板转换技术,并对其优缺点进行了分析。参数化和匹配转换是目前最常用的样板转换方法:参数化转换适用于款式结构较为定型的服装,转换精度高,但不同款式图需要建立各自的转换模型;匹配转换可实现样板的快速转换,鲁棒性高,且规避了样板设计规则,不足是精度较低,且前期需要构建庞大的数据集作为训练集。研究认为,未来可从细化款式图识别粒度、服装款式图面料参数样板多领域跨域匹配、部件化样板智能生成3个领域开展相关研究。     

基于服装结构特征识别的相似样板匹配技术

为提高服装制版效率,实现从服装款式图到样板的智能检索,提出一种基于服装结构特征识别的相似样板匹配技术。该技术将服装结构制版知识与深度学习算法结合,基于对女裤中的廓形、褶裥、腰头类型等18个细粒度特征的识别来匹配样板。其中,技术的实现主要包括分类标签设计和模型验证实验。对于分类标签设计：先根据女裤结构制图知识,对平面款式图中可作为样板相似性评价指标的服装结构特征进行定义,并根据定义设置多标签类别;然后将多标签分类转化为单标签多分类,建立平面款式图、结构特征和样板三者之间的联系;最后通过数据可视化等方法对标签之间的相关性进行研究,并设计了最终的18个分类标签。对于模型验证实验：首先建立以女裤平面款式图为样本的服装数据集,基于数据集的特点对经典AlexNet网络进行改进,其中包括简化网络结构、减少模型参数、防止过拟合,在每层卷积层后增加批归一化操作,以加快模型的收敛速度,提高模型的泛化能力。模型测试结果表明：改进后的模型在验证集上的准确率为83.4%,相比改进前的AlexNet模型其准确率提高了6.7%;与其它结构更复杂的网络模型相比,该模型的准确率更高,综合性能更好,可用于款式图的结构特征...     

基于改进边缘检测算法的服装款式识别

为快速识别服装款式类型,提高生产效率,针对现有传统边缘检测算法难以准确提取轮廓特征序列的不足,设计一种改进的边缘提取算法。通过定义一种新的优化卷积核,在使用传统边缘检测算法提取训练样本的服装轮廓基础上,将该卷积核与目标矩阵进行卷积得到新的外轮廓,将新轮廓序列的傅里叶描述子作为特征向量,进一步利用BP神经网络模型完成服装款式的自动分类与识别。为验证改进方法的有效性,建立一个包含4类服装500个不重复服装图像的样本库,选取281个作为训练样本,对剩余219个样本进行测试,测试识别准确率最低为93.48%,最高达到了100%。该改进算法提高了服装款式识别率,对服装智能化生产具有借鉴意义。     

女套装上衣尺寸自动生成系统的建立与实现

针对服装打版系统智能化程度低的现状,设计了服装尺寸自动生成系统.量取女套装上衣经典款式样板的细部尺寸参数,采用非线性主成分分析法对女套装上衣样板各特征指标的权重进行提取,利用多元回归分析建立服装结构设计数学模型.建立样板尺寸自动生成的理论模型,并通过编程加以实现.建立3层模糊综合评判模型对系统进行测试,实验结果表明,该...     

基于IGS-SVM模型的牛肉生理成熟度预测方法

生理成熟度是判定牛肉质量等级的重要指标,本实验建立一种通过改进的网格搜索（improved grid search,IGS）算法优化支持向量机（support vector machine,SVM）参数的模型,以实现牛肉的生理成熟度的预测。收集18、36、54、72 月龄的牛肉样本各25 个,共计100 个。利用机器视觉,采集样本的显微图像,经过图像处理后,提取不同生理成熟度牛肉的肌纤维特征参数,用统计学方法分析牛肉生理成熟度和肌纤维特征参数之间的相关性,并以肌纤维特征参数作为输入,利用76 个训练集样本,建立牛肉生理成熟度的SVM预测模型。为优化所建立的SVM模型,提出一种IGS算法,用其对SVM模型的约束参数C以及核函数参数g进行优化,结合留一交叉验证法得到最优的（C,g）参数组合,并将最佳参数代入分类器,得到优化的牛肉生理成熟度预测模型。用24 个测试集的独立样本检测模型的适用性并估测性能,结果表明：利用该模型对牛肉生理成熟度预测的准确率可达到91.67%;与传统网格搜索算法相比,IGS算法使得模型在训练时间上缩短了1 755.41 s。这表明所建立的模型具有较好的预测效果,也说明根据牛肉肌纤维的特征参数结合机器视觉及图像分析技术,对牛肉生理成熟度进行自动判定的方法是可行的。     

服装款式识别数字化表现原则

以服装款式设计与平面样版的智能转化为研究方向,提出2D服装款式图转化为2D样版的概念。通过分析服装款式的各种表现方式,提出建立标准服装平面款式图的方法。研究标准服装平面款式图与平面结构图之间的对应关系,通过建立标准服装平面款式图识别的数学参照模型,得到了标准服装平面款式图与平面结构图的数学转化模型。以衣身为转化实例,阐述衣身参照模型的建立及其转化过程,并通过样衣检验理论的准确性,同时初步尝试建立了标准服装平面款式图与平面结构图数字化转化系统。     

基于最大衰减因子模型的服装热防护性能预测

为解决全尺度燃烧假人实验测试成本高、实验效率低,以及尚未与织物小样测试统一联合表征等难题,利用新型的热防护性能评估模型:二级烧伤最大衰减因子模型,对热防护服装的织物试样测试与燃烧假人实验进行同步研究,并建立基于织物试样测试的服装整体热防护性能预测模型。结果表明:防护织物的热防护性能与其服装整体的热防护性能具有显著相关性;将织物热防护性能值、服装平均衣下空气层厚度以及服装热暴露时间作为预测模型输入参数,可以实现服装热防护性能值以及人体皮肤烧伤百分比的预测;经模型验证发现,服装实测热防护性能值与其预测值间的相对误差仅为5.1%。     

高职服装制板教学更应注重调板能力的培养

在目前的高职服装制板教学中,对于一些常用款式学生基本都能够掌握其制板技术,但是为了提高制板质量在样板修正和调整方面缺乏重视和培养。本文从服装企业入手,反思服装制板教学问题,强调服装调板能力培养的重要性。     

基于Flexsim的T恤衫单件流水线仿真优化

针对服装单件流水线生产过程中由积压、等待及瓶颈等原因产生的生产平衡率过低的现象,从影响服装单件流水线生产效率的因素入手,以T恤衫为例,利用Flexsim软件对该款T恤衫单件流水线进行模拟仿真优化研究。首先建立仿真优化模型,然后根据Flexsim仿真模型和工序流程建立起T恤衫的仿真流水线,借助拟合软件对测得作业时间进行函数分析,得到各工位的作业等待、积压状态,在此基础上对工序进行组合兼顾,重新编制后再次进行模拟仿真的循环测试,最终将流水线瓶颈工序用时降低,生产平衡率由之前的80.4%大幅提升至95.3%,同时验证了Flexsim软件在不同款式的服装流水线生产过程中均具有进行模拟仿真的可行性与普适性。     

毛针织服装款式轮廓计算机拆分算法研究

文中对毛针织服装图片款式基于环型路径和基于水平路径的轮廓点阵进行了数学描述，在此基础上提出了确立该轮廓矢量数据模型的步骤，即轮廓节点确定和分段函数建立。详尽分析了利用“方向判断法”确定服装轮廓节点的步骤和原理，并阐述了利用“逼近建立函数法”建立轮廓分段函数的具体过程。论述了根据所建立的毛针织服装轮廓数据模型拆分服装款式的智能识别和人工定位两种方法，并给出了拆分后适合工艺单计算的衣片数据模型。     

基于BP神经网络和遗传算法的钢丝拉拔优化设计

针对钢丝在拉拔成形后表面轴向残余应力过大的问题,建立有限元模型,并确定钢丝拉拔过程变量优化范围;利用正交试验法确定网络训练样本,根据变量设计安排各因素及水平,组成L25(55)正交表;利用ANN的高度非线性映射能力建立拉拔过程参数与钢丝表面最大轴向残余应力映射模型,同时将神经网络与遗传优化算法相结合。优化后摩擦因数为0.09,工作锥角为8°,定径带长度为0.66 mm,部分压缩率为4%,拉拔速度为3 820mm/s,在此组合参数下,采用FEM计算表面轴向残余应力为65.37 MPa,神经网络预测结果为67.58 MPa,模拟结果相对误差为3.5%;相对于正交试验中平均轴向残余应力202.1 MPa,降低67.6%,优化效果明显,显著降低了钢丝的表面轴向残余应力。     

电子化服装量身定制研究

对eMTM的关键技术实现进行了系统概念框架的探讨，通过以三维人体扫描为技术支撑的数据准备系统完成人体体型描述、人体测量数据库的建立、体型分析，建立了面向eMTM的人体体型库，研究了三维人体体型特征参数与服装原型参数的映射关系，实现三维人体数据与服装CAD系统中原型版变化参数的对应，提出了eMTM的商业模型。     

全成形双层结构针织服装部件化虚拟展示研究

针对双层全成形服装开发少且虚拟展示实时性欠佳的问题,在分析全成形双层服装的异形结构样板模型特征要素基础上,对部件化分类后的双层样板模型进行参数化设计,并建立二维样板与三维样板模型的拓扑几何映射关系,应用弹簧–质点模型实现里外层二维样板的三维部件化建模,通过使用数字化纱线仿真模拟与纹理映射技术,对纹理映射后的二维样板的工艺结构特征点进行校准对位,最终实现了全成形双层针织服装无缝化部件虚拟建模设计与快速虚拟仿真展示,为全成形异形结构类针织服装的系列化产品开发与快速交互提供创新方案。     

基于特征的服装制板系统参数化设计的实现

针对目前服装CAD制板系统开发中智能化程度低的问题,以操作简易直观化为目的,介绍了一种基于现代设计方法的纸样自动设计系统。利用参数化设计原理,将体型特征与结构特征建立关联关系,以数学函数模拟服装结构线完成结构的数字化,完成专家知识的描述;通过参数化设计,建立全尺寸约束;通过参数重新赋值达到设计变更。该设计方法为实现一种人工智能的纸样设计修正系统提供了技术依据。     

以客观指标为输入参数的织物热湿舒适性预测

探讨以客观指标为输入参数的织物热湿舒适性预测效果.测试了36种针织试样的6个静态客观热湿舒适性评价指标以及4个主观热湿舒适性评价指标,利用BP神经网络的方法建立了以静态客观评价指标为输入参数、以主观评价指标为输出参数的织物热湿舒适性预测模型.应用该模型对其中8种针织试样进行检验和分析,预测结果表明:该模型能有效地预测织物的主观热湿舒适性,其预测绝对误差范围在0.04 ～1.25间.     

基于贝叶斯模型的羊绒羊毛识别

探讨一种基于贝叶斯模型鉴别羊绒羊毛的方法。利用扫描电镜对羊绒羊毛纤维进行图片采集,然后对羊绒羊毛纤维图像进行预处理,提取羊绒和羊毛纤维参数的5个直观特征参数,再利用直观特征参数得到4个相对特征参数。对这些特征参数的分布进行统计分析,对各参数的正判率进行比较和相关性分析,最终选择纤维直径、鳞片高度、鳞片密度、周径比、面积比、径高比这6个参数建立贝叶斯模型。试验结果表明:该方法鉴别羊绒羊毛正确率达到95%左右。认为:基于贝叶斯模型的羊绒羊毛识别具有较高的精确度。     

基于灰色关联分析的缝纫针号预测

将灰色系统理论应用于服装缝纫加工参数缝纫针号的预测。选择45块常用的服装面料,在KES测试仪上进行面料力学性能的测试。不同面料所用的缝针由服装厂的技师根据经验选择并通过实际缝制实验验证。利用面料的力学性能指标和缝纫针号间的灰色关联分析,按照关联度的高低对建模数据进行筛选,以关联度在0·90以上的参数建立缝纫针号的优化灰色预测模型GM(SP)。与未经灰色关联分析的全参数预测模型GM(AP)比较,优化灰色模型的预测精度有明显提高,说明其应用是有效的。模型的相对误差为5·61%。     

活性炭纤维材料吸声性能预测模型

为了建立活性炭纤维材料吸声性能预测模型,利用阻抗管对不同规格的粘胶基活性炭纤维材料在250-1600Hz中低频率声波范围内的吸声性能进行测试,根据Delany和Bazley提出的特性阻抗率和传播常数理论模型,采用最小二乘法建立了活性炭纤维材料声学特征参数特性阻抗率和传播常数预测模型。在此基础上,建立了活性炭纤维材料吸声系数模型,并对该模型计算结果和试验结果进行了比较,结果表明两者结果基本相一致,验证了建立的活性炭纤维材料吸声性能预测模型具有一定的可信度,为开发和设计活性炭纤维吸声材料提供理论依据。     

基于三次样条的三维服装模型的建立

根据标准女体服装人台表面的部分三维测量数据,进行经、纬向的三次样条插值计算,获得服装人台表面型值点间的插值点三维坐标,采用小平面逼近的方式应用OpenGL的图形功能,建立计算机三维服装人台的模型,并实现参数化控制,以获得不同体型和尺寸的服装人台模型。在服装人台模型的基础上,根据人台与服装间的对应关系,求得服装造型关键点的三维坐标数据,利用OpenGL的图形功能建立计算机三维服装模型。并应用VC++的FMC的对话框模式,实现利用便捷的人机界面对服装人台的参数化控制和不同服装款式的选择。     

面料与粘合衬力学性能及特征参数配伍研究

对面料和粘合衬布进行力学性能的测试,同时结合生产厂家提供的面料与粘合衬布的基本数值进行参数分析与选择,根据测得的粘合效果各数值将粘合质量分为好、中、差3类。在上述基础上对所得到的结果进行数理统计分析,建立了面料和粘合衬力学性能与特征参数数值在配伍好和中的前提下的95%置信区间,并根据得到的数据绘制了面料与粘合衬进行配伍的各参数分布范围控制图,将此控制图实际应用于服装生产过程得到了良好效果。