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。     

采用图像处理的织物缝纫平整度自动评估

为解决织物缝纫平整度客观自动评估时分类正确率低的问题,提出了一种基于灰度共生矩阵、小波分析和反向传播（BP）神经网络相结合的织物缝纫平整度的自动评估方法。首先采集标准缝纫图像,将图像的灰度级降至16 级,计算图像在0°和90°方向上的灰度共生矩阵并将其归一化,提取灰度共生矩阵的能量、熵、对比度和相关性4 个特征参数,并分别对特征参数在0°和90°方向上取均值;同时,运用Haar 小波在第6个分析尺度上提取并计算图像的水平细节系数的标准差。然后将提取的这5 个特征参数输入到BP 神经网络中训练和识别,并对标准缝纫图像进行了评估。评估结果显示：提出的算法与单独采用灰度共生矩阵特征、小波特征相比,具有较高的分类正确率,分类效果稳定。     

基于卷积神经网络的织物缝纫平整度客观评价

针对大多数评价织物缝纫平整度等级方法对实验条件均有较高的要求,且织物种类及环境等因素对实验结果均有较大影响的现状,提出利用卷积神经网络分析织物缝纫平整度等级的方法,以提高等级分类的准确率和效率。设计了一个基于残差卷积神经网络的织物缝纫平整度客观评价模型,该模型以1000个普通织物的缝纫图像作为训练样本输入,得到缝纫平整度的分类结果,所选织物包含10种常见服装面料品类(塔夫绸、塔斯隆、雪纺、顺纡绉、尼丝纺、麂皮绒、天丝斜纹、真丝缎面、平布、交织绸)。研究结果表明:经200个测试集样本的验证,该模型的评价准确率达96%,与智能化评价以及建立预测模型方法相比,利用卷积神经网络分析织物缝纫平整度等级的方法,具有较好的准确率,且具备获取样本图像流程简单、效率高的优势。     

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。     

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。     

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...     

服装缝纫平整度等级评定的研究现状及趋势

对国内外服装面料缝纫平整度等级评定较为集中的几种研究方法做了详细的描述分析,并结合这些研究方法的优缺点,探讨了新的方法,为服装企业和相关检验部门提供更快捷更准确的服装缝纫平整度等级客观评价方法。     

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.     

基于模糊识别模型的缝纫外观质量评价

在典型面料缝纫实验的基础上,选用平均移位量、缝缩率、缝纫平整度和线迹顺直度作为评价指标,分析确立了缝纫外观质量的分级标准,并借助模糊模式识别方法建立了面料缝纫质量的评价模型,经过实例验证,该模型可以有效判别缝纫样本的外观质量等级.     

基于灰色模型的服装面料缝纫皱缩预测

对影响缝纫质量的重要指标——缝纫皱缩的预测方法进行探讨。选择16种典型面料,在FAST织物风格实验基础上,运用主成分分析法将面料的各项力学性能指标综合为3个主成分分量。通过缝纫实验,运用主客观方法评价织物缝纫后的外观质量,并借助于灰色模型研究以面料性能主成分分量为相关因素序列的缝纫皱缩预测模型,经检验,模型具有较好的精度。     

雪纺面料性能与缝缩方向性研究

由于缺乏对同一种面料缝缩方向性变化规律的了解,对缝缩的控制常常依赖于经验,为此研究了雪纺面料在不同方向上面料性能与缝缩的变化规律。在0°~360°范围内沿面料经向每隔10°分别取样并缝制,还包括45°、135°、225°和315°斜向角度,用FAST风格仪测定不同方向面料的弯曲性能、拉伸性能、剪切性能,分别测定面料不同方向的缝缩率,并通过AATCC标准对缝缩进行主观评价。分别建立面料性能方向性与缝缩率方向性以及主观评价值之间的回归预测方程,对合理选择面料丝缕方向进行服装造型设计及制作有指导意义。     

Investigation of Seam Pucker in Lightweight Synthetic Fabrics as an Aesthetic Property Part I: A Cognitive Model for the Measurement of Seam Pucker

Seam pucker is an area which is now receiving particular attention especially with the development of microfibre fabrics which are inherently prone to deformations during garment manufacture. Although fabric properties can be related to seam pucker, the aesthetic judgement is still left to subjective assessment which is based upon ranking the stitched fabric samples by judges having compared them with photographic ‘standards’. The shortcomings of this procedure are obvious; judges do not always agree, they need to be trained, the procedure is time consuming and non standardised. This paper reports upon the development of a new measuring procedure which is based on the use of a computer and a camera, ie computer ‘vision’. This procedure is objective and is focused on the aesthetic property of the seam assembly, by ‘modelling’ the cognitive process involved in seam pucker assessment The results are organised in two parts: Part I reports on the development of a cognitive ‘model’ for the measurement of seam pucker and Part II on the model implementation using the computer ‘vision’ system.     

Investigation of Seam Pucker in Lightweight Synthetic Fabrics as an Aesthetic Property Part II: Model Implementation Using Computer ‘Vision’

This paper reports upon the development of a new measuring procedure for seam pucker which is based on computer ‘vision’. The procedure is objective and is focused on the aesthetic property of the seam assembly. The results are presented in two parts; Part I reported on the development of a cognitive model for the measurement of seam pucker and Part II, described here, explains the model's implementation by using the computer ‘vision’ system.     

提高免烫衬衫袖窿起皱级别的方法

免烫面料由于其特殊的整理方式,容易出现袖窿缝口缩皱的问题,严重影响了衬衣的品质和外观而达不到客户要求。以实例说明改良前后的接缝起皱级别的对比,经检测分析表明:缝纫线的调整;线迹密度的适当调节;对袖窿进行熨烫整理;对衣片含湿率进行调整等有利于提高衬衣袖窿接缝起皱级别,解决了免烫衬衣袖窿接缝起皱低的问题。     

A Model of Seam Pucker and Its Applications. Part II: Experimental

Abstract

A simple model of a lockstitch seam (301) has been developed in part I, which is used to derive a measure of the severity of puckering in the seam.

This article compares the numerical assessment of pucker, derived from the model in part I, with fabric mechanics experiments and visual assessments of the phenomenon. It is shown that there is good linear correlation between the two. The model is then used to evaluate with precision, which of a selection of stiffeners, is needed to reduce pucker to an acceptable level, without overstifenning the seam. This work has implications in design and garment construction and manufacture, and in easy care garments. For the first time the idea of, precisely selecting a siffener so that it can locally to the seam alter the mechanics of the assembly, is introduced, as minimum intervention in the combat of seam puckering.     

Automated assessment of textile seam quality based on surface roughness estimation

In this paper the issue of automated seam quality control is addressed, focusing especially on seam pucker evaluation. Currently this task is accomplished by human experts considering five grades of quality. The proposed method estimates surface roughness of seam specimens producing robust and efficient novel features highly correlated to quality grades (QGs). At the initial stage, oblique illumination is applied and two-dimensional images of the specimens are acquired. The images are automatically rotated and centered in respect to the seam line and segmented into four regions. Each region produces an intensity curve through averaging, and roughness estimation is performed based on intensity mean deviation. Finally, a QG is assigned to each specimen using a k-nearest neighbor classifier (kNNc). A data set containing 211 seam specimens, created by two different kinds of fabric, has been used for testing and a correct classification rate of 81.04% has been produced matching up to the performance of human experts.     

应用小波分析的服装关节部位抗皱性评价

为研究服装在实际着装过程中起皱的客观评价方法,以15块机织试样为研究对象,将其制作成试穿裤,进行实际着装起皱,然后对折皱图像进行主观评价,利用小波分析技术提取特征值,最后将小波特征值与主观评价及折皱回复角度进行对比研究。结果表明：小波分析的细节系数标准差与专家主观评价结果具有良好的一致性,可提取小波二层分解时水平方向的细节系数标准差作为取代主观评价的客观指标,以节约时间和成本;织物经向抗皱性对着装时服装抗折皱变形的贡献最大,斜向其次,纬向最小;采用折皱回复角表征织物抗皱能力时,建议增加斜向折皱回复角的测试,同时赋予经纬向不同的权重（经向大于纬向）,以提高测试结果与实际着装时的吻合度。