基于Delphi图像处理的织物悬垂性能测试

利用Delphi高级图像处理技术,采用测试织物悬垂性能最常用的伞式法。利用CCD摄像头取像后经USB接口传送到计算机,经过图像处理、图像运算,得到各种表征织物悬垂性能的指标。     

应用微机图像处理技术测试织物悬垂性研究

探索用图像处理技术测试织物的悬垂性能。介绍采用伪中值滤波去除原始图像的噪声，选用流动阈值法作目标与背景分离；对用图像处理获得的织物悬垂性指标作理论分析，研究各指标间的相关性；选用表征悬垂程度与悬垂形态的两类独立指标，构建表征悬垂美的一个综合性指标--美感系数。对试样美感系数计算值与处理后悬垂像的主观视觉评判分别进行排序，对比结果显示两者有良好的一致性。     

图像法测试织物悬垂性能的各向差异

为研究织物沿经纬向悬垂性能的不同,自制了基于图像法测试织物不同方向悬垂性能的装置。将织物放置在载布台上,利用数码相机摄取织物自然悬垂状态的正面及经纬侧面悬垂图像,通过AutoCAD软件对图像进行处理和数据分析,获得悬垂系数、织物经纬向悬垂状态最大长度比及经纬向面积比3个指标评价织物悬垂性能。测试30块试样,提出一种不同方向织物悬垂性能综合评价的新方法。并在相同条件下,利用YG811织物悬垂性测定仪对相同面料进行测试。对比分析结果表明,其中24块织物测试结果误差不大于5%,说明用新方法和评价指标测试的结果是可信的。     

织物悬垂性能的图像测试及模拟技术

在总结织物悬垂性研究方法的基础上，分析了采用图像处理技术研究织物悬垂性能的关键技术及模拟织物悬垂性能的几种常见方法。     

数字图像技术在织物悬垂性上的应用及影响悬垂性的因素分析

利用现代化的数字图像技术来检测织物的静态悬垂性,具有传统伞式法不可比拟的优势,可以大大提高效率,同时获得多项悬垂性指标;初步研究了织物伸出长度、弯曲刚度、剪切刚度对静态悬垂系数的影响.     

基于仰视投影的织物悬垂性测试方法

提出一种基于仰视投影的织物悬垂性测量方法。采用CCD摄像头采集织物悬垂边缘的仰视投影图像,并对其进行图像处理和边缘检测,得到完整的织物悬垂边缘数据;对因投影关系而产生畸变的数据进行矫正;计算得到表征织物悬垂性的参数指标。采用传统的基于俯视投影的织物悬垂性测试方法对织物进行测试,得出实验数据。结果表明,基于仰视投影的新型织物悬垂性测试方法可以避免传统俯视投影测量方法在测量轻、薄、柔软织物时,因皱褶折到支撑盘的边缘内部而造成的不可避免的误差。     

织物悬垂性客观评价的研究

本研究了动态悬垂旋转速度对悬浮垂性影响的理论方程，并得到实验验证，提出表达动态悬垂活泼程度的指标，同时，对织物悬垂形态参数进行主因子分析，得到表达物悬垂美感的综合指标，因子得分图的使用，可将１００种织物样品进行分类和鉴别，为客观评价织物悬垂美感找到了一条新途径。     

织物伞式悬垂旋转速度对悬垂性影响的研究

本文通过对８种典型织物在不同旋转速度下的悬垂系数的变化规律的分析和讨论，初步探索了描述织物动态悬垂性的活泼程度指标的表达方法。     

织物参数对悬垂性的影响

织物的悬垂性可能是服装用及其它一些工业用领域最重要的织物性能。在两个方向同时形成优美褶裥的能力是织物区别于其它材料的主要特征。这一性质使人们可以将织物制成各种所需的形状或让其靠自重下垂形成平滑流畅的形态。这种独特的性能也要求我们用不同的     

织物静态悬垂系数试验时间的确定

为了科学地确定织物静态悬垂系数的试验时间,选用自行设计的利用图像技术测试悬垂性能指标的XDP-1型织物悬垂仪,其试样放置方法为试样托盘平稳上升,织物试样自重下垂,能有效地测试1块处于静止状态的织物试样在1个时间序列下的多个静态悬垂系数值。通过对织物静态悬垂系数随测试时间变化曲线的分析,认为试验时间设定为固定时间的规定是不合理的,并提出采用最小试验时间来测量织物静态悬垂系数,这样可提高测量结果的合理性与重现性。     

织物静态悬垂性测试过程中图像采集问题的研究

分别采用织物动态悬垂性风格仪和基于织物静态悬垂性风格仪自行组装的DIY仪器,对织物的静态悬垂性进行测试,并对测试过程中图像采集方式的选择和俯视死角问题进行分析。研究结果表明:当纯色织物的颜色与背景颜色反差较大或花色织物的图案花色与背景颜色相差较大时,宜采用上打光直接采集图像;当测试织物为半透明织物时,宜采用下打光直接采集图像;上打光顺光采集图像过程中出现俯视死角导致的图像采集不清晰问题,可通过增大支持盘半径或增大相机与试样间距的方法解决。     

织物悬垂测试系统中织物边缘的识别

由于织物花纹式样的多样性,传统的图像分割算法常常无法准确地识别出织物边缘轮廓。根据织物悬垂图像的边缘轮廓特点,提出采用基于梯度向量流场(GVF)的动态轮廓模型(Snake模型)来识别织物的边缘轮廓。采用贪心算法实现了Snake边缘检测模型,分别用该模型和基于边缘梯度扫描的算法识别5种典型印花织物悬垂边缘,并将2种算法得到的边缘轮廓进行了比较。实验结果表明,该边缘检测模型能准确地识别多种传统图像分割算法所无法准确识别甚至无法识别的特殊织物的边缘轮廓。     

织物悬垂性影响因素分析

织物面料制成服装或窗帘等家居用品后，其力学性能构成悬垂性。文章利用实验测试的方法对织物的结构参数和机械性能进行研究，分析织物结构参数和机械性能与悬垂性之间的关系。结果表明，织物的断裂伸长、纬向弯曲刚度和活络率与悬垂性能之间存在密切的关系，而织物厚度和质量对悬垂性的影响不显著。     

Investigation of fabric drape-flexural rigidity relation: modified fabric drape coefficient

Abstract

The drape is an important characteristic of textile fabrics. Several studies have been concerned with the mechanism of fabric drapability and the methods of its measurements. In this study, a new drape coefficient ‘DCM’, evaluating the shape of the fabric drape, is defined in terms of the drape projection, the shape and the number of the folds and the drape angle. The drape of fabric samples with different weft densities and weaves structures was tested. The new formula to express the drape coefficient, taking into consideration the fabric flexural rigidity, was developed. The analysis of the experimental results indicated that the modified drape coefficient is highly correlated with fabric flexure rigidity and other fabric structure properties than the other known formulas.     

基于支持向量机的织物悬垂性能评估分析

针对织物悬垂性评估中存在非线性建模困难及评估精度不高等问题,结合织物悬垂性参数数据的特点,基于Mercer核函数的性质,构建Mercer核函数的织物悬垂性评估模型。通过实验,认为其评估精度有了相应的提高,说明基于Mercer核函数的织物悬垂性评估模型是可行的。同时,通过改变参数值进行实验,结果表明这些参数的取值不同对评估结果有影响,且不同参数对评估结果影响的程度也不同,这对基于支持向量机的织物悬垂性评估过程有重要的指导作用。     

织物悬垂性数字图像轮廓识别的径向扫描算法

根据织物悬垂性数字图像轮廓自动识别的需要,提出了一种简单实用的径向扫描算法。首先识别出试样圆盘圆心,并从原始图像中裁剪出有效区域,进行必要的预处理后再用径向扫描算法得到候选轮廓点集,将不在轮廓上的候选轮廓点去掉,顺次连接轮廓点序列,当轮廓点数量足够多时,就可以用轮廓点顺次连接线逼近织物的边缘轮廓曲线。与传统的梯度算子法相比,这种算法有更好的适应性和可靠性,结合实例介绍了该算法的设计和实现过程及特点。     

风格仪转速与织物悬垂性的关系研究

以16块织物为研究对象,用KES-FB风格测试系统测试了织物的拉伸性能、剪切性能和弯曲性能,运用YG(L)811-DN织物动态悬垂风格仪测试了5个转速下各织物的悬垂系数和波纹数,通过相关分析和方差分析研究了转速对织物悬垂系数与波纹数的影响,结论如下:随转速的增加,织物悬垂系数基本呈线性增加;试样结构参数与织物悬垂系数增加率之间的相关性不明显;而经向弯曲刚度及经、纬向剪切刚度与悬垂系数增加率有显著负相关关系,转速对波纹数没有显著影响。     

Prediction of fabric drape using the FAST system

In this study, we investigated the relationship between the fabric drape coefficient from the drape meter and mechanical properties tested on the fabric assurance by simple testing system (FAST). Different kinds of woven fabrics with two kinds of weave (plain and twill) were tested. Three regression models are proposed for each type of weave and for all fabrics using the multiple linear regressions. The regression results were analyzed in terms of correlation coefficients, T and p-values. A neural model is proposed using the neural networks and it is compared to the regression one.