基于择近原则的服装号型数字化归档方法

个性化合体服装的需求已成为一种消费趋势,服装号型数字化归档是快速实现个性化合体服装的前提。以男西服批量定制为例,根据国家服装号型标准和基于人工智能的择近原则,探讨并发展了男西服服装号型数字化归档方法,指出完善企业服装号型的必要性。通过对测体数据实例应用分析和企业具体实施,论证此方法的快速、科学及可行性。该研究方法能推广至其它品类服装,为定制服装企业迫切需要解决的快速号型归档问题提供了便捷有效的解决途径。     

基于MLP神经网络的女大学生头面部号型归档与预测

为提高头面部产品适配性,文章运用马丁测量仪等对189名18～26岁女大学生进行头面部测量,通过主成分分析(PCA)提取了影响头面部形态的7个特征因子,采用K-means聚类方法得出5种头面部形态分类,利用指数分型法把头面部进行量化分型,并提出基于多层感知器(MLP)神经网络头面部号型预测模型,提高由于头面部尺寸过于繁杂在进行号型分类或选择时参考依据过多而产生的生产工作效率低等问题。结果表明：头面部号型可细分为XS型/形态指数>93、S型/形态指数∈(88,93]、M型/形态指数∈(84,88]、L型/形态指数∈(79,84]、XL型/形态指数≤79,其中M型分布最广,号型覆盖率较好,可作为中间号型;并通过MLP神经网络实现通过少量头面部特征尺寸精准预测其号型分类,生成的模型预测结果正确率达到93.42%,研究结果可为头面部产品的设计和生产提供参考。     

单次定制订单的青年女性群体服装定制号型

为了满足消费者对于服装合体性的更高需求及企业提高服装定制生产效率的需要,文章提出考虑拟合度损失系数的青年女性服装定制号型的制定方法。使用三维人体扫描收集100名年龄在18～25周岁的青年女性的8项人体数据,包括身高、胸围、腰围、臀围、背长、肩宽、腿长和大腿围,采用主成分分析、相关性分析确定聚类的依据变量,使用拟合度损失系数方法确定聚类数,然后通过K均值聚类分析和线性回归分析得到定制号型表。为证实拟合度损失系数方法的优越性,另选取两种确定聚类数的方法混合F统计量和最终聚类中心距离和,设置对比实验。实验结果表明,考虑拟合度损失系数制定的服装号型相较其他两类方法,在合体性、覆盖率和生产效益等方面的综合考量更优。     

基于量身定制的服装领部号型系列研究

参照服装量身定制细分服装号型来提高合体性的思想,通过三维人体扫描仪获取人体尺寸,提出服装领部号型可以表示为：颈根围/颈型分类,并统计出服装领部号型系列。     

基于集成神经网络的织物主观风格预测研究

针对织物主观风格评价问题,建立了基于D-S证据理论的集成神经网络风格预测模型。分别采用径向基函数(RBF)神经网络和反向传播(BP)神经网络进行预测,得到初步的预测结果,经过归一化后得到2组基本概率分配函数,运用D-S证据理论进行融合得到最终预测结果。对510块来自中国国际纺织面料及辅料博览会的面料进行试验表明,使用基于D-S证据理论的集成神经网络进行织物主观风格预测比单一神经网络的准确率最高可以提高17.74%,将集成神经网络模型通过织物成分分类器优化,预测准确率可以更高。     

基于MIV-BP神经网络的成品烟丝质量预测模型构建

目的：构建卷烟制丝过程成品烟丝质量模拟预测模型。方法：使用平均影响值法（the Mean Impact Value, MIV）对制丝加工过程工艺参数进行筛选,然后通过反向传播（Back-Propagation,BP）神经系统构建起制丝关键工艺参数和成品烟丝质量的模拟模型。结果：通过模拟数据与实测数据比较,填充值的模拟预测平均相对误差为3.16%;整丝率的模拟预测平均相对误差为0.67%;碎丝率的模拟预测平均相对误差为5.33%。结论：该模型预测值与实测值之间相对误差较小,精确性高,该模型适用于卷烟制丝生产过程工艺参数仿真优化。     

基于空间映射的硅基片上集成变压器神经网络建模

随着硅基CMOS工艺特征尺寸不断降低,提高CMOS器件工作速度的同时也降低了器件的功率驱动能力。以硅基CMOS工艺实现功率放大器需要以功率合成方式进行。片上集成变压器在功率合成方面应用广泛,由于缺乏合适的模型,因此在设计功率合成电路时难以对变压器进行优化设计。文章提出了一种基于空间映射神经网络技术的片上集成变压器神经网络模型,模型结合等效电路和径向基神经网络。实验结果表明该模型能够快速给出不同几何参数变压器的S参数的同时具有非常高的精度。     

基于深度神经网络的卷烟智能投放模型构建方法

为解决卷烟产品精准投放等问题,提出了一种基于LSTM(Long Short-Term Memory)和BP(Back Propagation)神经网络的卷烟智能投放模型,包括产品销量预测和投放策略生成两大步骤.首先,通过LSTM提取卷烟销量时序特征,结合专家提取特征进行产品销量模型预测;其次,根据销量预测值和人工选择的...     

基于神经网络的微生物生长预测模型

鉴于现有大多数预测模型都是经验型模型,含有过多没有生物解释的参数,提出一个基于神经网络的非经验型的微生物生长预测模型,并以李斯特菌为研究实例,利用其试验环境的温度、pH值和Aw值建立BP神经网络二级生长模型,在不同环境条件下拟合微生物的生长速率和倍增时间,结合微生物初始浓度对一级模型的时间与微生物生长情况进行预测,最后利用李斯特菌生长数据对模型进行仿真测试。试验结果证明,该模型可以对微生物生长的各个时期进行有效预测,相对于经验模型,该模型更加适用于微生物生长动力学预测,有效地解决了经验型模型的参数问题。     

基于神经网络的籽棉颜色分级检测

为解决籽棉颜色分级问题,构造了一个基于L^*a^*b^*颜色空间的色度检测仪,主要由颜色传感器、光源及外围电路构成。针对用于籽棉颜色等级检测2个关键指标(反射率、黄度)输出不稳定问题,采用了4层BP神经网络和5块标准色板进行反复训练,使得校准后的反射率的变异系数小于0.21%,黄度的变异系数小于1.13%。在籽棉颜色等级检测实验中,制作了覆盖12个颜色等级的480个测试样。经过反复实验发现,使用该色度检测仪对1个测试样品,需要均匀分布10个测量点结果的平均值,才能得到稳定的色度测量值。最后,采用神经网络方法,对480个籽棉试样数据进行分析,其中:80%用于训练;20%用于识别。实验结果表明,对12个颜色等级的480个样品进行测试,得到的检测准确率都超过了90%。     

BP神经网络下的智能化合体服装样板生成

为快速得出符合顾客体型的服装样板,以男西裤为基准样板,腰围和臀围部位的变更规则为研究对像,格柏CAD 为技术开发平台,依据大量人体数据对样板原有的变更规则进行优化和重建,采用BP 神经网络算法建立了人体腰围、臀围尺寸变化量与相应的变更规则之间的神经网络模型。直接采用数据与数据的匹配归档,最终实现男西裤腰腹部和臀部变更规则的参数化设计,即给定一个腰围、臀围的变化量就得到一个相应的变更规则,通过调用此变更规则就会自动得出符合这个尺寸的样片,初步实现一人一板,提高了服装的合体度,减少了对样板师的依赖性。     

Nonlinear predictive control based on artificial neural network model for industrial crystallization

This paper illustrates the benefits of a nonlinear model based predictive control (NMPC) strategy for setpoint tracking control of an industrial crystallization process. A neural networks model is used as internal model to predict process outputs. An optimization problem is solved to compute future control actions taking into account real-time control objectives. Furthermore, a more suitable output variable is used for process control: the mass of crystals in the solution is used instead of the traditional electrical conductivity. The performance of the NMPC implementation is assessed via simulation results based on industrial data.     

基于神经网络的浓度检测模型研究

针对液浆类食品浓度检测系统中,浓度与折射率、温度之间的非线性关系问题,将人工神经网络技术应用于浓度测量的建模中,以实验数据为基础,建立了检测系统的数学模型。通过仿真研究,与传统的回归模型进行误差对比,得出了应采用BP神经网络技术建立智能化液浆浓度测量模型,提高测量精度,克服温度变化非线性影响的结论。     

东北地区青年女子体型分类与服装档差研究

我国服装号型体系中没有针对特定地区的体型细分研究,本文针对东北地区特定人群进行体型分类与档差研究。综合运用了三维扫描与手工测量两种方式,对465位东北地区18-25岁女青年进行人体测量,提取17个特征部位尺寸数据,通过因子分析,选取身高、胸围、腰围、臀围、颈椎点高、胸腰差、胸臀差7个特征参数,与GB/T 1335《服装号型》中成年女性进行比较,分析东北地区青年女子的基本体型特征。以胸腰差为依据对样本进行体型分类研究,对应国家号型标准,研究分析Y、A、B3种体型中间体特征,并根据回归方程计算得到3种体型的号型推档数值。     

福建地区青年女性体型划分与尺寸分档

体型的划分是服装号型标准中一个很重要的问题,体型的划分方法很大程度上关系到服装号型覆盖率的大小和号型标准使用的方便程度.对500名福建地区青年女性进行人体测量,选取人体13个测量变量,并派生出11个变量,运用SPSS统计软件对数据进行统计分析,采用聚类分析将人体上下体单独进行分类,将青年女性上体体型分为4类,下体体型也...     

基于对抗神经网络和神经网络模型的筒子纱抓取方法

为提高筒子纱抓取和上纱过程的自动化和柔性化程度,应用单目视觉系统引导机器人完成上纱过程。采用工业相机获取单个筒子纱不同形态的数据信息,应用GAN(生成式对抗神经网络)对筒子纱数据集扩充,提高筒子纱数据集多样性。将所得的数据集加载到Faster R-CNN(更快速区域卷积神经网络)模型里进行训练,应用训练好的神经网络识别和定位筒子纱,引导机器人完成上纱任务。应用搭建的单目视觉系统实验平台对结果进行测试,结果表明,经过标定后的视觉系统可以完成多个筒子纱的抓取任务,以满足筒子纱上纱过程的自动化和柔性化要求。     

Identification of fabric defects based on discrete wavelet transform and back-propagation neural network

Detection of fabric defects can be considered as a texture segmentation and identification problem, since textile faults normally have textural features that are different from features of the original fabric. A feasible approach for the recognition of fabric defects based on discrete wavelet transform and back-propagation neural network is proposed in this article, the indispensable processes of which are defect image preprocessing, wavelet transform, feature extraction, principal component analysis of the extracted feature parameters, and defect identification. Under the experimental condition, the average recognition accuracy of defects and nondefects are 99.2% and 100%, respectively. Experimental results show the advantages with high identification correctness and high inspection speed.