基于點(diǎn)模型的服裝面料平整度等級(jí)客觀評(píng)級(jí)研究.pdf

1、服裝面料的平整度等級(jí)是一個(gè)評(píng)價(jià)服裝或面料外觀性能的重要指標(biāo)。目前，對(duì)服裝面料平整度等級(jí)的評(píng)估方式普遍采用標(biāo)樣對(duì)照法，是對(duì)面料定性化的總體主觀視覺印象，評(píng)級(jí)結(jié)果受試樣、環(huán)境、評(píng)級(jí)者的狀態(tài)等影響較大，具有不確定性和不唯一性。 本文首先概述了服裝面料平整度等級(jí)客觀評(píng)級(jí)方法的研究現(xiàn)狀，列舉了計(jì)算機(jī)圖像處理技術(shù)和激光掃描技術(shù)在面料表面信息的獲取和面料平整度等級(jí)客觀評(píng)定中的應(yīng)用，在比較了三維數(shù)據(jù)的不同數(shù)學(xué)表達(dá)形式后指出，點(diǎn)模型表達(dá)法用密集采

2、樣的離散點(diǎn)隱式地表示模型的表面，非常適于具有復(fù)雜空間形態(tài)的服裝面料的三維表達(dá)，將有助于再現(xiàn)面料的褶皺形態(tài)，為面料平整度等級(jí)的客觀評(píng)定提供依據(jù)。因此，為了獲取高精度的面料點(diǎn)模型，本文自主研制了一套服裝面料三維非接觸式坐標(biāo)測(cè)量裝置。所建系統(tǒng)既符合人眼的觀測(cè)習(xí)慣，又能最大程度上保持面料原有的褶皺形態(tài)，且由于在主動(dòng)式雙目結(jié)構(gòu)光柵投影的基礎(chǔ)上，結(jié)合了相移法和光學(xué)三角測(cè)量原理的特點(diǎn)，使用兩幅圖像相互補(bǔ)償?shù)姆椒ń鉀Q了反光和陰影的問題，減少了相噪聲的影

3、響，加快了圖像匹配的速度，提高了測(cè)量準(zhǔn)確性。 然后，本文以AATCC—124標(biāo)準(zhǔn)模板為研究對(duì)象，在對(duì)測(cè)量數(shù)據(jù)進(jìn)行去噪、配準(zhǔn)和截取等預(yù)處理操作后，利用統(tǒng)計(jì)原理建立了模板點(diǎn)模型各數(shù)據(jù)點(diǎn)沿Z坐標(biāo)方向上坐標(biāo)值的四分位差Rd、平均差Ra、標(biāo)準(zhǔn)差Rq、峰度Rk等四個(gè)與平整度等級(jí)有關(guān)的幾何評(píng)價(jià)指標(biāo)，從數(shù)據(jù)的離散趨勢(shì)及其分布形態(tài)方面探討了點(diǎn)模型所代表的實(shí)體對(duì)象的整體彎曲性能。接著，本文又利用離散微分幾何原理對(duì)點(diǎn)模型特征點(diǎn)鄰域的MLS重構(gòu)曲面進(jìn)行

4、分析，得到模板點(diǎn)模型的特征點(diǎn)密度ρc、特征點(diǎn)高度Z、特征點(diǎn)曲率H等三個(gè)與平整度等級(jí)有關(guān)的特征點(diǎn)評(píng)價(jià)指標(biāo)，進(jìn)一步探究了點(diǎn)模型所代表的實(shí)體對(duì)象的局部屈曲特性。結(jié)果表明，各項(xiàng)評(píng)價(jià)指標(biāo)均與平整度等級(jí)之間存在良好的相關(guān)性。但是，模板表面的褶皺形態(tài)迥異，僅利用其中一個(gè)評(píng)價(jià)指標(biāo)、或聯(lián)合考慮多個(gè)幾何評(píng)價(jià)指標(biāo)、或聯(lián)合考慮多個(gè)特征點(diǎn)評(píng)價(jià)指標(biāo)，都不能有效預(yù)測(cè)點(diǎn)模型所代表的實(shí)體對(duì)象的平整度等級(jí)。 粗糙集理論是一種研究不完整數(shù)據(jù)、不精確知識(shí)的表達(dá)、學(xué)習(xí)和

5、歸納等的一種數(shù)學(xué)工具，是在保持分類能力不變的前提下，通過知識(shí)約簡(jiǎn)，導(dǎo)出問題的決策或分類規(guī)則，是一種分類規(guī)則挖掘的主流方法之一。基于粗糙集理論的特點(diǎn)，本文首次將粗糙集理論應(yīng)用到服裝面料外觀性能的客觀評(píng)價(jià)中，以120個(gè)模板點(diǎn)模型的所有評(píng)價(jià)指標(biāo)值為輸入樣本，建立了一個(gè)基于粗糙集理論的平整度等級(jí)評(píng)級(jí)模型?；诖植诩碚摰钠秸鹊燃?jí)評(píng)級(jí)模型的分類規(guī)則具有簡(jiǎn)單、直觀等優(yōu)點(diǎn)。 人工神經(jīng)網(wǎng)絡(luò)方法通過大量非線性并行處理器簡(jiǎn)單地模擬人腦中的神經(jīng)元之

6、間的突觸行為，實(shí)現(xiàn)分布式記憶和自學(xué)習(xí)自組織的功能，從而具備很強(qiáng)的識(shí)別與分類能力?；谏窠?jīng)網(wǎng)絡(luò)的特點(diǎn)，本文以120個(gè)模板點(diǎn)模型的所有評(píng)價(jià)指標(biāo)值為輸入樣本，建立了基于BP網(wǎng)絡(luò)的平整度等級(jí)評(píng)級(jí)模型。基于BP網(wǎng)絡(luò)的平整度等級(jí)評(píng)級(jí)模型輸入樣本的平整度等級(jí)值與BP網(wǎng)絡(luò)訓(xùn)練集的輸出值之間的相關(guān)系數(shù)為94.84％。因此，基于BP網(wǎng)絡(luò)的平整度等級(jí)評(píng)級(jí)模型具有容錯(cuò)能力強(qiáng)、可靠性高等優(yōu)點(diǎn)。 本文比較了基于粗糙集理論和基于BP網(wǎng)絡(luò)的兩個(gè)平整度等級(jí)評(píng)級(jí)模

7、型的優(yōu)缺點(diǎn)后，探討了粗糙集理論與神經(jīng)網(wǎng)絡(luò)相集成的智能計(jì)算方法，并首次將粗糙集和BP網(wǎng)絡(luò)相結(jié)合的技術(shù)應(yīng)用到服裝面料外觀性能的客觀評(píng)價(jià)中，建立了基于粗糙集—BP網(wǎng)絡(luò)的平整度等級(jí)評(píng)級(jí)模型?；诖植诩狟P網(wǎng)絡(luò)的平整度等級(jí)評(píng)級(jí)模型首先基于粗糙集原理，對(duì)于樣本的輸入信息，通過挖掘數(shù)據(jù)間的關(guān)系，去掉冗余信息，并將已經(jīng)降低了空間維數(shù)的樣本信息作為神經(jīng)網(wǎng)絡(luò)的輸入內(nèi)容，使用神經(jīng)網(wǎng)絡(luò)作為后置的信息識(shí)別系統(tǒng)，從而簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，縮短了訓(xùn)練時(shí)間，避免了神

8、經(jīng)網(wǎng)絡(luò)不能區(qū)分知識(shí)的重要性與冗余程度的缺陷。后續(xù)的基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理方法又很好地抑制了噪聲的干擾，實(shí)現(xiàn)了信息的大規(guī)模并行處理，并最終從數(shù)據(jù)中產(chǎn)生平整度等級(jí)分類信息。結(jié)果表明，基于粗糙集—BP網(wǎng)絡(luò)的平整度等級(jí)評(píng)級(jí)模型輸入樣本的平整度等級(jí)值與網(wǎng)絡(luò)訓(xùn)練集的輸出值之間的相關(guān)系數(shù)為97.19％。與基于粗糙集理論和基于BP神經(jīng)網(wǎng)絡(luò)的兩個(gè)平整度等級(jí)評(píng)級(jí)模型相比，基于粗糙集—BP網(wǎng)絡(luò)的平整度等級(jí)評(píng)級(jí)模型具有容錯(cuò)和抗干擾能力更強(qiáng)、網(wǎng)絡(luò)訓(xùn)練時(shí)間更短、預(yù)

9、測(cè)精度更高等優(yōu)點(diǎn)。 為了驗(yàn)證基于點(diǎn)模型的粗糙集—BP網(wǎng)絡(luò)平整度等級(jí)評(píng)級(jí)模型的可靠性，本文選用30個(gè)顏色不同、紗線支數(shù)和組織結(jié)構(gòu)與密度均不相同的常見純棉服裝面料進(jìn)行平整度等級(jí)主客觀評(píng)價(jià)，試樣平整度等級(jí)主客觀評(píng)級(jí)值的相關(guān)系數(shù)為93.45％。隨后，本文從數(shù)據(jù)采集設(shè)備、試樣的顏色和花型、試樣的厚度、試樣的組織結(jié)構(gòu)、試樣表面的褶皺形態(tài)和褶皺分布、評(píng)價(jià)指標(biāo)的選擇和評(píng)級(jí)模型等九個(gè)方面對(duì)平整度等級(jí)主客觀評(píng)級(jí)值的影響展開討論，最后得出結(jié)論：本文所