小波分析在织物缝纫平整度客观评价中的应用

提出一种基于小波分析的缝纫平整度客观评价方法,可以克服主观评价的局限性,使得缝纫外观质量的检测更加快速、准确。在对缝纫平整度标样图像进行处理的基础上,采用二维离散小波变换提取图像高频分量中细节系数的标准差作为特征向量,其在特定的分析尺度上随缝纫平整度的恶化呈现出明显的单调递增趋势。通过计算平整度评估因子（EK）确定了最佳小波和最佳小波分析尺度,从而建立了缝纫平整度等级的客观评判模型。采用棉织物的缝纫样本检验了模型,结果表明主客观评价的吻合度达到85%以上,由此验证了该方法的可行性。     

基于图像处理的织物缝纫平整度客观评价

织物的缝纫平整度是决定服装外观的重要因素,但肉眼评价存在一定的主观性,且常用的AATCC Test Method 88B-2006标准样照仅分5个等级,限制了评价的精度。利用图像处理技术探讨了客观评价织物缝纫平整度的方法。试验对5种常见织物采用不同的抽褶量进行车缝,以产生不同的平整度外观,进行平整度主观评价后,再借助MATLAB图像处理技术,提取缝纫图像的多个统计参数与小波特征,对客观参数与主观评价结果进行相关分析,得到与主观评价结果相关性较好的客观参数。研究结果表明:小波分解5层时的水平细节系数标准差,即SH5与主观评价具有良好的一致性,可以作为取代主观评价的客观指标。     

精纺毛织物缝纫平整度客观评价方法

精纺毛织物缝纫是否平整将影响毛制服装的品质,为探索客观评价精纺毛织物缝纫平整度的方法,将 6 块含毛纯色机织物按照不同的抽褶量,制作成 24 块缝纫平整度不同的试样。采用不同的方法对各试样平整度进行主观评价,之后将缝纫图像经过Gabor 变换,提取了不同方向、不同频率的熵值,接下来根据熵值最大的原则进行滤波器的筛选,得到 6个最优滤波器滤波后的总熵值作为客观评价指标。结果表明：总熵值与专家成对比较计分之间呈较好的二次方多项式关系;总熵值既可预测成对比较的主观得分,也可估算专家主观评价的缝纫平整度等级,Gabor 变换可用于精纺毛织物缝纫平整度的评估,且具有客观、准确的优点。     

基于曲率均值的面料缝纫平整度客观评价

为研究客观评价面料缝纫平整度的方法,选取3种常见面料,通过控制抽褶量的方法得到了75块五级平整度试样,利用三维激光扫描仪及Geomagic Studio软件,得到了试样距离缝线2.5、5.0、7.5和10.0 mm处的曲率均值,将其作为客观指标。结果表明:4个曲率均值都与平整度等级显著负相关,且距缝线2.5 mm处的曲率均值C2.5与平整度相关性最强,并建立了二者的具体关系式,C2.5与3种面料抽褶量之间都呈显著的二次方多项式关系,但面料结构不同,具体的多项式也有所差异。该评价方法对于服装外观质量评价具有一定的指导意义。     

缝纫平整度客观评判模型的研究

借助于图像处理技术,提取缝纫平整度照片的图像灰度标准差、图像熵、小波变换系数标准差、小波信息熵等特征参数,建立了缝纫平整度的客观评判的概率神经网络模型.经过训练和检验,得出该模型的预测值与期望值之间的相关系数在0.99以上,说明网络模型有效,且精度高,可以用于预测未知缝纫样本的缝纫平整度等级.     

基于LabVIEW的织物平整度等级客观评定系统

织物的平整度对于评价其外观而言是一个重要的参考指标。利用虚拟仪器技术的优势,实现了织物表面几何信息的3D捕获、处理和显示,合理构建了反映织物表面褶皱程度的特征值,结合MatLab的神经网络模块,客观评价了织物的平整度等级。实验表明,所建立的织物平整度等级客观评级系统的可靠性达90%以上。     

服装缝纫平整度的研究进展

为有效评价服装缝纫外观质量,对国内外服装外观评价标准以及相关研究进行了梳理,分别从织物性能与缝纫条件2个方面归纳了表征服装外观质量级别的接缝外观平整度的影响因素,探讨了缝纫平整度的主观、客观评价方法,从多因子角度综合分析缝纫工艺因素对平整度的影响。认为需提高织物物理力学性能与织物缝纫褶皱等级之间的数学模型的精度,改进基于面料物理性能指标的平整度预测模型,开展曲线接缝服装部件的平整度研究,并建立服装外观质量智能评价新模型。同时从服装生产制作角度对服装缝纫平整度的研究方向进行展望。     

面料缝纫外观平整度客观评价新方法

成衣加工过程中的缝纫外观平整度控制及评价是一个困扰了服装行业多年的问题,以往的研究中多是以KES系统测试面料的各项物理性能指标作为模型的回归变量,但由于KES系统测量步骤繁琐,工作量大,价格昂贵,且各指标之间存在较高的相关性,因此其无论在生产领域还是商业领域中的普及性都不理想.     

基于基本规格参数的织物缝纫平整度的研究

以毛精纺织物的基本规格参数及织物丝绺角度作为变量,应用主成分分析法探讨这些变量对服装缝纫平整度的影响,并利用这些变量建立BP神经网络模型,预测织物的各向缝纫平整度.实验结果表明:织物的丝绺角度与织物中羊毛纤维的含量对缝纫平整度的影响较为显著;利用毛精纺织物的基本规格参数及织物丝绺角度建立的BP神经网络模型能够快速、准确地预测毛精纺织物的各向缝纫平整度,从而为毛精纺织物缝纫平整度的客观评价提供了一条便捷、实用、高效的途径.     

基于深度卷积神经网络的织物花型分类

针对织物纹理花型人工视觉分类效率低的问题,提出一种基于深度卷积神经网络(CNN)的条状、格子和波点纹理织物的识别分类方法.首先,建立由条状花型、格子花型和波点花型织物组成的图像样本集和标签数据集.然后,分别建立了基于GoogLeNet和AlexNet两种卷积神经网络的织物花型分类模型.最后,通过模型评价指标选择最优的训练迭代期.实验结果表明,利用深度卷积神经网络分类织物花型是可行有效的.     

基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法.首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后...     

基于卷积神经网络的织物图像特征提取与检索研究进展

为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。     

服装面料缝纫性能评价研究

针对服装面料缝纫性能的影响因素,利用专家估测法对各项指标权重进行处理,应用模糊综合评判理论及系统方法,建立服装面料缝纫性能评价指标体系。将预测评判理论应用到服装面料缝纫性能的评价中,可为服装企业的生产加工提供科学依据。     

基于改进YOLO深度卷积神经网络的缝纫手势检测

在人机协作领域,针对动作手势相似度大,环境复杂背景下手势识别率低的问题,提出一种基于YOLO深度卷积神经网络检测识别缝纫手势的方法。以4种复杂缝纫手势作为检测对象并构建缝纫手势数据集,通过在YOLOv3低分辨率的深层网络处增加密集连接层,加强图像特征传递与重用提高网络性能,实现端到端的缝纫手势检测。实验结果表明,在缝纫手势测试集中,训练后的模型平均精度均值为94.45%,交并比为0.87,调和平均值为0.885。通过对比区域卷积神经网络、YOLOv2以及原始YOLOv3算法,提出的改进方法检测精度有显著提升;同时在GPU加速情况下,平均检测速度为43.0帧/s,可完全满足缝纫手势的实时检测。     

服装缝纫平整度评级中的若干问题

为提升缝纫平整度客观评级精准性和普适性,分别从织物和服装2方面对方法标准和评级技术进行梳理和评述.系统阐述国内外织物洗后接缝外观平整度、服装缝纫平整度主观评级方法标准,对比当前服装产品的测试方法、测试部位和技术要求,梳理接触式测量法、图像分析法、三维形态分析法等客观评级方法.着重探讨缝纫平整度客观评级中存在的若干关键问...     

应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。     

基于傅里叶频谱特征的织物平整度客观评级

为解决织物平整度人工评级主观性强,现有客观评级准确率低的问题,提出一种基于傅里叶变换、频谱特征提取、支持向量机的织物平整度评级方法。首先采集标准模板及织物样本图像,对所得图像预处理并进行傅里叶变换;在频域内构建低通滤波器,通过频域滤波以及傅里叶逆变换确定褶皱信息在频谱图中所处频率范围,称之为褶皱贡献区间;将褶皱贡献区间划分为若干特征子区间,统计每一区间内频谱幅值之和,并以此作为特征值构造特征向量;以所有训练样本的特征向量构造特征向量集,并以所得特征向量集训练支持向量机,对织物平整度进行客观评级。所采用织物样本总数为132,取其中24张及标准模板图像为训练集,其余作为测试集。结果表明,本文使用算法在织物平整度评级方面具有很好的效果,评级准确率可达96.30%。