纺织学报 ›› 2021, Vol. 42 ›› Issue (05): 143-149.doi: 10.13475/j.fzxb.20200906407

• 服装工程 • 上一篇    下一篇

基于激光测量的机织服装起拱性客观评价

郑晓萍1, 刘成霞1,2()   

  1. 1.浙江理工大学 服装学院, 浙江 杭州 310018
    2.浙江理工大学 服装数字化技术浙江省工程实验室, 浙江 杭州 310018
  • 收稿日期:2020-09-24 修回日期:2021-02-21 出版日期:2021-05-15 发布日期:2021-05-20
  • 通讯作者: 刘成霞
  • 作者简介:郑晓萍(1996—),女,硕士生。主要研究方向为纺织服装检测技术。
  • 基金资助:
    浙江省自然科学基金项目(LY20E050017);浙江省大学生科技创新活动计划暨新苗人才计划项目(2019R406072);浙江理工大学研究生优秀学位论文基金项目(2019M28)

Objective evaluation of woven garment bagging performance by laser measurement

ZHENG Xiaoping1, LIU Chengxia1,2()   

  1. 1. School of Fashion Design & Engineering, Zhejiang Sci-Tech University, Hangzhou, Zhejiang 310018, China
    2. Zhejiang Province Engineering Laboratory of Clothing Digital Technology, Zhejiang Sci-Tech University, Hangzhou, Zhejiang 310018, China
  • Received:2020-09-24 Revised:2021-02-21 Online:2021-05-15 Published:2021-05-20
  • Contact: LIU Chengxia

摘要:

为研究客观、精确的服装穿着起拱性测试与评价方法,将20种机织物制作成裤筒进行穿着起拱实验。拍照保存织物的起拱形态,并运用激光扫描仪获取起拱部位的三维点云数据。对获取的数据进行预处理及特征提取,得到三维指标:起拱高度、起拱体积、经纬向最大起拱率;并提取起拱图像的二维灰度共生矩阵参数用于对比分析。经过对12块机织物的验证表明:起拱体积与主观评价等级的相关系数最高;本文提出的经纬向最大起拱率与起拱等级的相关性较好,其差值可用于判断起拱形状;利用激光扫描得到的三维指标预测起拱等级的准确率高于二维指标,且可克服机织物花纹图案、组织结构等对其的影响。

关键词: 服装起拱, 三维激光扫描, 最大起拱率, 特征提取, 客观评价

Abstract:

To study the objective evaluation of woven garment bagging behavior caused through daily wear, 20 pieces of fabrics were made into pant-tubes for actual wearing and bagging. A camera and a 3-D laser scanner were used to acquire images and point cloud data of fabrics respectively. Then feature extraction was performed on the processed data to get the 3-D indexes: bagging height, bagging volume, warp and weft maximum bagging rate. At the same time, the 2-D gray level co-occurrence matrix indexes were extracted from the bagging image to compare with the 3-D indexes. 12 pieces of fabrics were used for verification. The results showed that the highest coefficient of correlation with subjective grade is the bagging volume. The warp and weft maximum bagging rate has good correlation with the degree of bagging and the difference can be used to judge the bagging shape. The 3-D indexes obtained by 3-D laser scanning are more accurate than the 2-D indexes because it can overcome the influence of fabric pattern and fabric structure.

Key words: garment bagging, 3-D laser scanning, maximum bagging rate, feature extraction, objective evaluation

中图分类号: 

  • TS941.2

表1

织物规格参数表"

试样
编号
面料成分 组织 密度/
(根·(10 cm)-1)
面密度/
(g·m-2)
厚度/
mm
经向 纬向
1# 涤/棉(65/35) 平纹 250 320 101 0.24
2# 涤/氨纶(95/5) 平纹 320 150 200 0.17
3# 涤/粘胶(70/30) 斜纹 380 240 148 0.35
4# 涤100% 平纹 230 180 112 0.39
5# 涤100% 平纹 380 170 103 0.36
6# 棉100% 平纹 560 300 94 0.42
7# 棉100% 斜纹 800 200 172 0.70
8# 涤100% 平纹 200 300 110 0.45
9# 棉100% 斜纹 600 360 221 0.79
10# 棉100% 平纹 270 210 97 0.40
11# 涤/粘胶(70/30) 平纹 600 370 193 0.20
12# 涤/氨纶(96/4) 斜纹 360 180 103 0.36
13# 涤/粘胶(75/25) 平纹 380 130 188 0.65
14# 棉/亚麻(65/35) 平纹 250 350 194 0.47
15# 涤/棉(65/35) 平纹 380 270 88 0.16
16# 涤/棉(65/35) 平纹 250 300 165 0.43
17# 棉100% 斜纹 480 300 147 1.15
18# 棉100% 缎纹 350 200 202 0.82
19# 涤100% 平纹 320 180 153 0.47
20# 棉100% 平纹 200 250 160 0.27

图1

实验用裤子样板"

表2

被试者体型数据和裤筒样板尺寸"

被试者腿型数据/cm 裤筒样板尺寸/cm
大腿围 膝围 小腿围 上筒围 中裆围 下筒围
45 36 33 48 44 42

图2

XY平面的对齐"

图3

起拱高度的获取"

图4

着装起拱形状"

图5

主观评价对象"

图6

试样的悬垂系数"

表3

基于激光扫描的三维特征指标"

试样
编号
起拱高度/
cm
起拱体积/
cm3
经向最大
起拱率
纬向最大
起拱率
起拱
等级
1# 0.222 2 5.784 4 1.000 4 1.000 7 5
2# 0.537 7 18.361 3 1.002 9 1.003 9 5
3# 0.950 6 51.879 6 1.004 5 1.002 9 4
4# 1.277 9 75.331 5 1.011 2 1.007 4 3
5# 1.733 2 95.181 4 1.021 0 1.019 8 4
6# 2.938 2 285.283 3 1.091 4 1.074 4 1
7# 1.911 7 103.309 7 1.020 2 1.018 1 3
8# 0.696 7 20.582 5 1.001 9 1.004 4 5
9# 2.744 5 250.211 2 1.065 8 1.042 8 1
10# 1.920 5 143.982 4 1.025 4 1.022 5 2
11# 1.479 8 99.094 2 1.012 6 1.006 3 3
12# 1.501 4 87.075 9 1.031 1 1.019 6 3
13# 1.144 6 61.597 9 1.011 1 1.007 6 4
14# 1.875 6 151.766 6 1.035 6 1.020 9 2
15# 2.145 2 180.440 5 1.039 1 1.026 7 1
16# 2.147 8 149.781 9 1.038 4 1.024 2 2
17# 2.409 6 155.917 0 1.060 3 1.037 3 2
18# 0.942 8 48.401 2 1.007 8 1.005 2 4
19# 1.031 2 44.092 9 1.010 2 1.010 4 4
20# 0.338 0 7.351 5 1.001 2 1.003 3 5

图7

三维指标与起拱等级的相关系数"

表4

起拱图像的灰度共生矩阵参数"

试样编号 能量REne REnt 惯性矩RCon 相关性RCor 起拱等级
均值M1 标准差σ1 均值M2 标准差σ2 均值M3 标准差σ3 均值M4 标准差σ4
1# 0.860 0 0.006 6 0.366 3 0.018 0 0.035 5 0.007 2 12.269 3 1.179 1 5
2# 0.387 8 0.013 3 0.341 9 0.025 1 0.119 4 0.022 3 2.214 1 0.071 1 5
3# 0.235 1 0.014 2 1.744 1 0.046 4 0.171 5 0.031 1 1.272 3 0.032 9 4
4# 0.517 4 0.015 3 1.517 4 0.055 0 0.105 8 0.022 3 3.060 5 0.165 7 3
5# 0.242 2 0.017 8 1.793 3 0.037 7 0.220 7 0.046 8 1.341 9 0.062 9 4
6# 0.190 2 0.020 6 2.023 9 0.108 2 0.510 9 0.094 7 0.865 4 0.024 5 1
7# 0.264 5 0.016 9 1.694 5 0.073 9 0.183 3 0.045 2 1.441 0 0.065 6 3
8# 0.289 8 0.011 1 1.068 9 0.033 6 0.387 8 0.045 0 1.286 3 0.164 8 5
9# 0.301 3 0.022 0 2.499 6 0.120 7 0.423 3 0.027 5 1.706 0 0.053 7 1
10# 0.189 5 0.019 4 2.210 1 0.117 6 0.332 5 0.091 9 0.789 1 0.041 4 2
11# 0.290 9 0.018 9 1.576 5 0.076 5 0.171 7 0.040 3 1.690 6 0.084 8 3
12# 0.205 1 0.017 1 2.100 6 0.108 7 0.266 7 0.053 3 0.824 5 0.042 6 3
13# 0.267 8 0.012 6 1.683 1 0.069 3 0.241 2 0.043 9 1.589 4 0.101 2 4
14# 0.098 3 0.015 9 2.169 9 0.102 3 0.207 9 0.172 9 0.476 0 0.027 1 2
15# 0.120 4 0.011 3 2.475 7 0.180 7 0.265 8 0.073 3 0.441 6 0.008 7 1
16# 0.168 1 0.013 2 2.236 6 0.087 8 0.237 4 0.058 2 0.601 4 0.012 7 2
17# 0.065 8 0.013 4 2.109 5 0.103 9 0.271 6 0.084 5 0.619 1 0.023 2 2
18# 0.189 1 0.012 0 2.087 8 0.053 2 0.122 7 0.057 2 1.000 8 0.060 2 4
19# 0.388 3 0.011 2 1.290 8 0.043 5 0.102 7 0.018 4 2.196 3 0.058 6 4
20# 0.370 1 0.016 5 0.723 8 0.035 8 0.101 6 0.024 6 2.395 1 0.088 1 5

图8

二维指标与起拱等级的相关系数"

表5

验证用织物的客观指标及其起拱等级"

试样编号 三维 熵的标准差 三维预测等级 二维预测等级 四舍五入后的预测等级 主观评价等级
起拱体积/cm3 纬向起拱率 三维 二维
1# 6.914 54 1.000 04 0.006 13 4.85 5.25 5 5 5
2# 14.654 49 1.007 29 0.028 82 4.94 4.55 5 5 5
3# 27.859 26 1.000 86 0.060 44 4.35 3.59 4 4 4
4# 52.426 44 1.003 96 0.045 78 3.84 4.04 4 4 4
5# 235.195 68 1.052 03 0.141 84 1.13 1.11 1 1 1
6# 66.745 23 1.006 40 0.025 89 3.58 4.64 4 5 4
7# 11.829 44 1.000 34 0.027 52 4.73 4.59 5 5 5
8# 179.067 32 1.037 95 0.096 61 1.99 2.49 2 2 2
9# 105.309 20 1.022 67 0.076 30 3.25 3.11 3 3 3
10# 78.113 33 1.016 08 0.023 44 3.68 4.72 4 5 4
11# 194.780 77 1.028 48 0.114 47 1.20 1.94 1 2 2
12# 120.195 07 1.031 30 0.084 55 3.22 2.86 3 3 3
[1] ZHANG X, LI Y, YEUNG K W, et al. Fabric bagging: part II: objective evaluation and physical mechanism[J]. Textile Research Journal, 1999,69(8):598-606.
doi: 10.1177/004051759906900809
[2] AMIRBAYAT J, NAMIRANIA B. An improved analysis of bagging of textile fabrics: part II: experimental work[J]. International Journal of Clothing Science and Technology, 2006,18(5):308-313.
doi: 10.1108/09556220610685230
[3] THOMAS W. Celanese bagging test for knit fabrics[J]. Textile Chemist & Colorist, 1971,3:31-233.
[4] SULAR V. A new testing instrument with a.pngicial arm to simulate fabric bagging by human elbow[J]. Industria Textila, 2011,62(5):259-264.
[5] GRONEWALD K H, ZOLL W. Practical methods for determining the "bagging" tendency in textile[J]. Inter Textile Bull(Weaving), 1973,3:273-275.
[6] JAOUACHI B. Study of knitting factors contribution on residual bagged fabric behavior[J]. Journal of The Textile Institute, 2013,104(10):1132-1140.
doi: 10.1080/00405000.2013.778000
[7] YEUNG K W, LI Y, ZHANG X, et al. Evaluating and predicting fabric bagging with image processing[J]. Textile Research Journal, 2002,72(8):693-700.
doi: 10.1177/004051750207200808
[8] 余芳. 基于小波分析的毛料服装穿着起拱性客观评价[J]. 毛纺科技, 2018,46(4):67-71.
YU Fang. Objective evaluation of wearing bagging behavior for wool pants based on wavelet analysis[J]. Wool Textile Journal, 2018,46(4):67-71.
[9] HAMID Movahed, HOSSEIN Hasani. Analytical studies on woven fabrics' bagging performance affected by the material, yarn, and fabric parameters[J]. Journal of The Textile Institute, 2017,108(5):703-711.
doi: 10.1080/00405000.2016.1180736
[10] 张宁, 潘如如, 高卫东. 采用图像处理的织物缝纫平整度自动评估[J]. 纺织学报, 2017,38(4):145-150.
ZHANG Ning, PAN Ruru, GAO Weidong. Automatic seam-puckering evaluation using image processing[J]. Journal of Textile Research, 2017,38(4):145-150.
[1] 汪会, 孙洁, 丁笑君, 龙颖, 邹奉元. 织物纹样特征提取与匹配方法比较[J]. 纺织学报, 2020, 41(04): 45-50.
[2] 孙洁, 丁笑君, 杜磊, 李秦曼, 邹奉元. 基于卷积神经网络的织物图像特征提取与检索研究进展[J]. 纺织学报, 2019, 40(12): 146-151.
[3] 赵树志 狄岚 何锐波. 基于改进判别性完整局部二值模式与格分割的织物瑕疵检测方法[J]. 纺织学报, 2018, 39(09): 57-64.
[4] 陈丽丽. 精纺毛织物缝纫平整度客观评价方法[J]. 纺织学报, 2018, 39(03): 120-125.
[5] 管声启 何建新 王杰 李文森 雷鸣 . 应用小波域高斯差分滤波的起球疵点客观评价[J]. 纺织学报, 2017, 38(09): 155-161.
[6] 程杰 陈利. 利用激光扫描点云的碳纤维织物表面三维模型重建[J]. 纺织学报, 2016, 37(4): 54-59.
[7] 董蓉 李勃 徐晨. 应用积分图的织物瑕疵检测快速算法[J]. 纺织学报, 2016, 37(11): 141-147.
[8] 曹霞 李岳阳 罗海驰 蒋高明 丛洪莲. 蕾丝花边的改进型纹理特征检索方法[J]. 纺织学报, 2016, 37(06): 142-154.
[9] 黎聪 闫学娜 曾祥忠 梁猛 张莹. 应用一维傅里叶变换的剖幅区自动识别与定位[J]. 纺织学报, 2016, 37(01): 147-151.
[10] 敖利民 郁崇文 李春钢. 基于布面毛羽特征变化的织物烧毛效果评价[J]. 纺织学报, 2015, 36(04): 102-106.
[11] 杜玉红 王加富 蒋秀明 周国庆 罗永恒. 应用聚类统计分析的棉花异纤图形检测算法[J]. 纺织学报, 2015, 36(03): 135-139.
[12] 管声启 高照元 吴宁 徐帅华. 基于视觉显著性的平纹织物疵点检测[J]. 纺织学报, 2014, 35(4): 56-0.
[13] 林雪 王云仪 李俊. 藏袍的非对称式隔热对人体热舒适的影响[J]. 纺织学报, 2014, 35(4): 105-0.
[14] 刘成霞 刘圣剑. 基于图像处理的织物沾水性客观评价方法[J]. 纺织学报, 2013, 34(9): 44-0.
[15] 杨晓波. 基于GMRF模型的统计特征畸变织物疵点识别[J]. 纺织学报, 2013, 34(4): 137-142.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!