一、利用图像处理技术自动测量针织物密度的研究(论文文献综述)
熊晶晶[1](2021)在《基于图像技术的织物动态导湿性能测试研究》文中认为随着吸湿快干类纺织品的不断研发,运动服、休闲服、内衣等服用类纺织品越来越青睐使用具有优良吸湿排汗性能的面料。织物吸湿、导湿速度越快,自然状态下经润湿后越易恢复干燥,人体在运动或高温高湿环境下着装时,可减少闷热、汗液粘黏等穿着不适感,更有利于人体健康。织物的导湿能力与其吸湿快干性能密切相关,对织物湿传递过程的研究以及织物吸湿导湿性能的测试与评定等一直受到广泛关注。本文在使用传统滴液法测试织物导湿性能时,借助相机获取织物润湿图像,首先针对织物图像特点,提出可以有效提取织物润湿区域及特征值的处理算法;然后通过比较不同试验条件下润湿面积测试结果的稳定性,确定合适的滴液高度、单次滴液量、采样数量等试验参数;按照规范的试验方法,对不同类型的34种织物进行了导湿性能测试,根据测试结果探讨了原料、纱线、织物结构及后整理工艺等因素对织物导湿性能的影响规律,验证测试方法的有效性;最后基于织物润湿面积动态变化曲线,提取表征织物动态导湿性能的评价指标,探索建立基于图像技术的织物动态导湿性能测试与评价体系。主要研究结果如下:(1)确定了织物润湿图像处理方法:利用同态滤波和高斯滤波对织物润湿图像进行预处理,可解决织物润湿图像亮度过暗和其他噪声问题,减小织物表面纹理结构对图像分割造成的干扰,再经阈值分割可有效提取出织物润湿区域及润湿面积值。(2)优化了滴液试验条件及采样方法:滴液试验可根据需求选择合适的试验液体,需对所用液体的表面张力进行说明,当滴液高度设置为2 cm、单次滴液量为40μL、按圆形轨迹变换滴液位置重复试验5次时,测得的织物润湿面积数据稳定性较好。(3)图像法测试结果表明的不同因素对织物导湿性能的影响规律与已有研究结论相符,验证了测试方法的有效性:纤维原料对织物的导湿性能影响较大,亲水性纤维素纤维织物表现出优良的吸湿导湿性能;异形涤纶纤维较普通圆形截面的涤纶纤维表现出更好的导湿性能,异形度越大,织物吸湿导湿速度越快;不同纺纱方式的涤纶织物导湿性能差异不大,但较蓬松的涡流纺织物较环锭纺和赛络纺导湿性更好;纱线细度、织物组织和密度与织物紧度、孔隙分布密切相关,对织物导湿性能影响较大,密度较小的缎纹织物和斜纹织物吸湿导湿性能较好,而高支高密的平纹或方平织物导湿性能极差;经疏水整理的棉织物润湿性能变差,当疏水整理剂十六烷基三甲氧基硅烷的浓度增大到1%时,织物难以被润湿,润湿面积接近为0。(4)初步形成了基于图像技术的织物动态导湿性能测试与评价体系:利用织物动态润湿面积变化曲线,提取出可表征织物动态导湿性能的评价指标,包括吸湿速率、快速导湿时间、快速导湿面积、缓慢导湿时间和最大润湿面积。按照现有标准对34种不同织物的动态水分传递性能进行测试与评级,参考织物性能评级结果,探索建立了基于图像技术的织物动态导湿性能测试与评定标准。
张晗[2](2021)在《色纺段彩纱针织物仿真技术研究》文中认为色纺段彩纱是一种既具有色纺纱的朦胧感,又具有段彩纱的色彩变化的纱线,深受消费者的喜爱。色纺段彩纱颜色变化多样,其织造而成的针织物布面效果往往难以预测。因此,在传统的色纺段彩纱生产流程中,首先需要对来样进行分析,然后小批量试纺,直到达到客户的要求,才能正式生产,造成了大量的人力、物力和财力的浪费。近年来,越来越多的研究者应用计算机图像技术对织物外观效果进行模拟,力争代替传统的小批量试纺环节,也出现了一些纯色织物仿真模拟系统,但色纺段彩纱针织物的仿真模拟一直存在各种各样的缺陷。本课题主要针对色纺段彩纱纬平针织物,提出了一套完整的仿真模拟方法,主要包括以下内容:(1)自主搭建了一套图像连续采集系统,用于纱线图像的采集,可以保证相邻两张图像交界处有少于0.16 mm的图像信息重叠或缺失,基本实现图像信息的连续采集。独创了一种用于黑白色纺段彩纱的图像采集的方法,可以在保留纱线毛羽的基础上,准确提取纱线条干信息,解决了黑白色纺段彩纱条干信息采集困难的问题。(2)为了更好的观察一个完整线圈的结构,建立与真实线圈结构相似度更高的模型,本研究通过采集5种纬平针织物正反面的图像,分别合成了5个完整线圈的图像,然后基于Peirce纬编线圈结构模型,建立了新的线圈结构模型,用于纬平针织物的模拟。经过验证,改进的线圈结构模型与实际织物线圈结构更加吻合,模型的线圈长度与实际织物的线圈长度更加接近,模拟的纬平针织物外观也更具有真实性。(3)在线圈结构模型的基础上,将采集的纱线条干图像信息映射到模型中,并用最邻近插值算法,填补空缺的像素点,插值之后的图像更加完整,像素点之间的衔接也较为平滑。映射时,利用纬平针织物的线圈串套关系,对线圈进行消隐处理,以达到线圈之间相互串套的视觉效果,完成纬平针织物的模拟。通过对线圈结构参数进行调整,可实现不同织物密度的外观模拟效果。(4)在上述织物模拟效果的基础上,对调整模拟效果的段彩参数进行研究。用3种分割方法对纱线的主纱部分和段彩部分进行分割,发现两部分的纱线图像灰度直方图差异较大,根据直方图中波峰的数量进行分割效果最好。对于分割后段彩部分的纱线图像,不仅可以根据需要将段彩长度做倍数调整,还可以将段彩颜色替换成任意其他颜色,使得基于一种纱线可以呈现多种织物外观模拟效果,在生产过程中不需要多次打样,即可确定纱线段彩长度和段彩颜色的配置。本课题在已有的基础上,解决了黑白色纺段彩纱纱线条干信息难以提取的问题,建立了与实际线圈结构更加吻合的线圈结构模型,实现了通过计算机调整段彩颜色、段彩长度等纱线参数。研究表明,本文所提出的线圈模型的模拟结果与实际织物的线圈结构更加相似,可对不同织物密度、段彩长度和段彩颜色的色纺段彩纱纬平针织物进行模拟,提高了模型对于不同纱线参数和织物参数的适应性,为精准模拟纬平针织物奠定了基础。应用于实际生产中,将大大减少工厂反复织小样的次数,极大程度的提高工厂对新产品的反应能力,提升工厂在同行业中的市场竞争力。
孟朔[3](2021)在《基于卷积神经网络的机织物结构参数识别研究》文中研究说明织物,尤其是机织物,是日常生活以及产业应用中最为重要的材料之一,其结构参数主要包括经纬密度和织物组织,而色织物还涉及色纱排列以及配色模纹。这些参数的高效准确识别,是企业进行来样设计、质量控制的重要前提。然而目前,其分析仍旧依靠人工进行,耗时耗力且效率低下。近年来,利用计算机视觉技术自动识别织物结构参数的研究日益增多,然而仍未有十分成功的系统,这是由于目前的研究多是基于传统方法,而随着深度学习技术的发展,为织物结构参数的自动识别提供了新的思路。基于此,本课题对织物结构参数的自动识别进行了系统的研究,主要工作内容如下:(1)开发了一套无线便携式织物图像采集系统,以解决现有的图像采集系统笨拙,操作复杂的问题。该系统采用无线传输,结合RTSP码流与Web Socket传输协议进行数据交互,能够应用于商业场景与生产环境下的织物结构参数检测。(2)建立了一个织物图像数据集,该数据集包含400多种不同类型的织物,并带有详细的织物结构参数,可以用于训练深度网络模型,同时也可以作为一个标准的检测效果评价数据集。(3)设计了一种多任务多尺度卷积神经网络(MTMSnet)用于织物结构特征的识别与分析,该网络采用多任务方式分别定位纱线与组织点,同时引入含有不同大小卷积核的多尺度结构,适应不同大小的织物特征,提高了网络的泛化能力。基于网络预测的织物结构特征热力图,实现了织物密度、织物组织、色纱排列和配色模纹的自动检测。(4)开发了一套网页端与移动端的织物结构参数在线识别系统,网页端系统利用Django、Vue.js等技术前后端分离开发,移动端利用Uni-app框架实现跨平台多端兼容,两套系统共用后台接口,目前,所开发的系统已上线内测。结果表明,本文所开发的织物结构参数检测算法对于经纬密度的平均检测误差为1.47%,组织点识别误差为5.42%,配色模纹识别误差为10.39%,优于现有的算法,同时利用热加载技术,平均一次检测时间为1.21s,结合所开发的图像采集系统与在线识别软件系统,一次检测用时低于5s,证明了本文所提方法的有效性和优异性,可以服务于企业的实际生产。
彭然[4](2021)在《基于计算机视觉的简单组织织物密度检测研究》文中认为现代计算机技术高速发展,并逐渐与纺织工业结合,在纺织领域中的应用日益广泛,使得纺织生产逐步走向自动化发展的道路。在纺织品质量的检测和控制中织物组织、织物密度和色纱排列等结构参数是非常重要指标。目前纺织行业中大部分工厂和企业,主要还是依赖于在织物照布镜的辅助下人工对织物组织进行来样分析与检测,这样主观性强、耗时费力、对人工要求比较高、容易出错。因此,利用计算机图像处理技术有效代替人工来实现织物密度检测的智能化,提高工业生产效率,对实现纺织产品生产的自动化、智能化具有重要意义。本论文提出一种基于计算机图像视觉的简单组织织物密度自动检测方法,研究利用计算机视觉和数字图像处理技术对简单组织织物进行织物经纬纱线信息进行分析识别并计算织物密度。本文的主要工作内容为:1、针对简单组织织物采集图像时出现的倾斜问题,采用了一种基于Randon变换的织物图像快速倾斜检测及校正算法,利用Randon变换来检测倾斜角度,再基于图像线性存储结构的旋转方法,快速地对倾斜图像进行校正,再对校正后的图像进行光照不匀处理、灰度转换、滤波去噪、对比度增强等图像预处理,获取质量较好的织物图像。2、针对采用多尺度小波分解处理中织物图像最优分解级数的确定,提出了一种能量曲线的方法,通过计算分解得到各分量的能量占比绘制能量曲线,利用能量曲线最小峰值确定小波分解最优分解级数,对织物图像进行最优小波分解再重构,重构后水平分量和垂直分量再进行二值化处理,再进行平滑处理,得到清晰、平滑的经纬纱分布图像,最后用程序自动计算出机织物的经、纬密度,从而达到自动检测织物经纬密度的目的。本文研究的基于计算机视觉的简单组织织物密度检测方法,将数字图像处理技术与纺织专业知识相结合,针对简单组织织物密度检测方面出现的问题使用相应的算法解决,最后取得了较好的效果,验证了本方法的可行性,对于实现纺织工厂织物密度的自动测量有较大的的意义。
宋斌,闫宁,朱琳琳,张效栋[5](2020)在《一种基于频谱特征的周期性结构参数检测方法》文中指出利用周期性结构纹理图像独特的频谱分布,设计出一种基于频谱特征的周期性结构参数检测方法,搭建了静态图像检测和实时采集检测系统,对织物密度进行多次检测实验。检测结果表明,相对误差小于1%的比例达到96.7%,平均误差比现有算法降低了约36%,单帧图像检测时间约为150ms,适用于工业检测场景。将所提方法应用于纸张计数、木材纹理检测、微结构阵列检测等实际应用领域,实验结果表明,基于频谱特征的周期性结构参数检测方法的准确度较高,适用范围广,检测效率高。
苑洁[6](2019)在《基于fMRI的织物接触压力舒适性脑感知表征》文中研究说明织物接触人体皮肤所产生的压、挤、摩擦等作用在大脑中的综合表达为感知,现代医学影像技术——功能磁共振成像技术(fMRI)在脑感知领域中的表征应用,已经证明其具有超高的时空分辨率和对皮肤触觉感知表达的唯一性。这为纺织材料与工程领域中认知解答穿着中的接触舒适性的客观表征与机理认知提供了新的实践性方法,为织物接触压力舒适度的客观、科学、准确、量化的生理表征提供了具体方法和标准方法,从而弥补传统的心理量化评价系统、物理机械评价系统以及效应器生理评价系统等间接性评价系统本质的理论缺陷。在纺织品实际的使用过程中,绝大多数织物都与身体接触,而身体在进行织物接触压力舒适度的评价过程中,以包覆内脏区域的躯干部位对压力的承受度最为敏感,为了判析人体在受到不同程度的织物接触压力刺激时大脑的神经活动响应情况以及体感信息流的走向,本文利用fMRI技术观察了高弹力纺织品在7名女性志愿者胸下腰腹部施加渐增织物接触压刺激时的脑感知信息,并利用多种脑图像处理工具SPM、Anatomy、AAL、Marsbar、Xjview、BrainNet Viewer等对脑感知图像进行了针对性的数据处理。所谓针对性,是指本课题的分析结果并非针对全脑分析,而是针对目前文献中所涉及的与织物接触压力体觉感知有关的体感信息流传递脑区(初级感觉皮层SI、次级感觉皮层SII和脑岛IN)、触压疼痛感知脑区(杏仁核AMYG)以及与愉悦幸福感知脑区(楔前叶PQ)为分析脑区。本课题首先利用组块设计方法,将受试者在一个时间序列中重复三次静息-施压刺激过程,结果以施压刺激状态的脑血氧水平依赖信号与静息状态下的脑血氧水平依赖信号的差值经过一般线性模型转换而成的可用于组间比较的激活强度值,以及激活体素的个数(激活范围)作为评价指标,来衡量人体在织物接触压力刺激下大脑的正负激活响应情况。所谓正激活是指织物压力刺激状态下人体该脑区的血氧水平依赖信号大于静息状态下该脑区的血氧水平依赖信号,是该刺激综合效果上促进了该脑区的局域脑血流的结果,负激活则与此相反。渐增压织物刺激下的功能磁共振实验结果表明:当织物接触压力在低于舒适接触压力阈值范围时,受试者的脑区以负激活为主,且以初级感觉皮层的中央后回脑区I-POST的负激活峰值点和负激活范围最大;当织物的接触压力处于舒适接触压力阈值范围内时,受试者大脑中的激活以正激活为主,且以次级感觉皮层的中央后回脑区II-POST的正激活峰值点和正激活范围最高;当织物的接触压力超过人体胸下腰腹部的接触压力舒适阈值时,受试者大脑中的激活又重新变回负激活为主,但最大负激活峰值点和负激活强度转移至杏仁核脑区AMYG。该结果一方面说明织物的接触压力刺激随着压力的增加促进了体感信息流从初级感觉皮层到次级感觉皮层再到杏仁核脑区的流动;另一方面说明无论是低压力下的表面浅接触或者是高压力下的压迫性深接触,都会对在人体大脑中产生以抑制效应为主的负面感知,即不适感知。不同的是低接触压下负面不适感知主要投射于初级感觉皮层,而高接触压下的负面压迫感知主要投射在杏仁核脑区内的杏仁核脑区。只有在施加适当的织物接触压力时,才会对人体大脑产生促进效应为主的积极效果,即舒适感知,且其主要投射脑区位于次级感觉皮层。其出现负面不适的原因是,在过大的织物压力压迫作用下使得局域脑血流减少,耗氧速度大于供氧速度,从而引起神经活动的减弱,在脑成像上呈现负激活。而过小的织物压力作用下,脑血流速度增加缓慢,而神经活动耗氧量过大,导致耗氧量大于供氧量,同样会使得神经活动受到抑制,呈现负激活。定伸长织物刺激下的功能磁共振试验验证了渐增织物压力实验推论的正确性,并对定伸长织物刺激下的脑激活指标与面料物理因素的相关性分析发现:初级感觉皮层的中央后回脑区I-POST的低压不舒适感知强度主要受表面粗糙度和定应力弹性回复率的影响,而低压接触不适感知的范围主要受应力松弛率的影响。织物表面越粗糙、弹性回复率越大,则I-POST的低压接触不适感知信号强度越强,而织物松弛率越大,则I-POST的低压接触不适感知信号范围越广。次级感觉皮层的中央后回脑区II-POST的接触舒适感知信号的强度和范围主要受弹性模量和表面摩擦系数平均方差的影响。织物表面越均匀、弹性模量越大,II-POST的舒适感知信号强度就更强、范围就更广。杏仁核脑区的接触压迫不适感知信号的强度和范围主要受表面粗糙度和定应力弹性回复率的影响,织物表面越粗糙、回弹性越差,则杏仁核脑区的压迫不适感知信号强度更强、范围更广。对定伸长织物刺激下的脑信号变化指标与物理因素的相关性分析发现:SI和AMYG脑区主要关注于织物应力的变化,而SII脑区更多地关注于织物的表面性能。且根据功能将脑区细化之后,得到初级感觉皮层的快适应感知脑区BA1和慢适应感知脑区BA3a分别受断裂应力和横向弹性模量的影响,分别呈高度线性负相关和线性正相关。即在一定的织物接触压力作用下,织物断裂应力越小、横向模量越高,BA1和BA3a脑区的关注度越大。而次级感觉皮层中,主要是顶叶岛盖1区OP1脑区受表面粗糙度的影响,且成线性正相关,即同等伸长的接触压刺激下,表面粗糙的织物会引起OP1脑区更高的关注度。
宋斌[7](2018)在《基于频谱特征分析的周期性结构检测方法研究》文中指出周期性结构是一种常见的结构形式,大到建筑、桥梁、机械、织物,小到细胞、复眼、芯片、微透镜阵列,都属于周期性结构。为了保证结构的一致性和准确性,对周期性结构参数的检测必不可少。随着图像处理技术和计算机视觉技术的发展,越来越多的测量工作可以通过视觉方法自动完成,可提高检测精度和速度,避免人工检测中可能产生的错误,同时也提高了效率、降低了成本。本论文在众多周期性结构参数检测方法中,对频域检测方法作了系统全面的分析和研究。本文的主要工作如下:1)提出频谱特征提取方法,分析噪声、阴影、畸变等成像误差对频谱的影响,倾斜、缩放等图像采集误差对频谱的影响,并针对性的提出了预处理方法。2)针对周期性结构的尺寸测量、质量检测,结构相似度评价等多方面检测需求,用控制变量的方法分别进行纹理图像仿真,提取频谱特征,找出每种纹理待测量对应的频谱特征信息。通过定量的分析和计算,对每种纹理待测量提出了基于频谱特征信息的评价指标和通用检测方法。3)搭建了视觉检测系统和用户操作界面,对针织物为代表的实际周期性结构进行了实验,验证了尺寸测量、质量检测,结构相似度评价等基于频谱特征的检测方法。4)在视觉检测系统基础上,搭建了实时采集检测系统,成功将算法应用于实时织物密度检测等项目中。经过不同样品的实验和分析,单帧图像测量速度在150毫秒左右,密度测量误差在1%左右。这表明基于频谱分析的周期结构参数检测算法是准确、高效、通用的。
张孝超,李平,金福江[8](2015)在《应用图像空域法的针织物密度在线测量》文中认为人工测量针织物密度的方法存在耗时、不能连续测量的缺点,且人工测量也无法满足在线控制针织物密度的要求,为此,提出一种应用空间域法对针织物图像处理得到其密度的方法。在针织物二值化图像基础上,根据针织物纹理特点提取出表征织物横密的纱线后,应用改进的Hough变换检测得到图像中针织物的横纱数目;然后根据横纱提取每行线圈,采用核密度估计对针织物线圈间距的统计量进行密度估计,得到标准的线圈间距,进而计算得到图像中横向平均线圈数;再通过换算得到针织物的密度。验证结果表明该方法实用有效。
张孝超,李平,金福江[9](2015)在《基于图形几何特征的针织物密度在线测量研究》文中进行了进一步梳理针对纺织行业对针织物密度人工测量方法周期长、不能连续测量,无法满足针织物密度在线测量和控制需求的问题,本文提出了根据针织物图像进行其密度在线测量的方法。该方法采用动态阈值选择算法对图像进行二值化处理,根据针织物纹理特点提取出表征织物纵向线圈的纱线后,对图像中纱线的计数,根据针织物线圈的几何特点进行几何变换,得到图像中的线圈数,通过成像范围大小乘以比例系数得到了针织物的密度。最后通过实验验证了该方法的有效性。
花勇,龙海如[10](2010)在《基于图像处理技术的纬平针织物结构参数测量》文中研究说明探讨了用图像处理技术测量纬平针织物的密度、纱线直径、线圈长度、未充满系数和面积孔隙率等结构参数值,通过对织物图像运用灰度化、中值滤波、二维小波变换等算法,提取出波峰点,进而求得密度、直径等参数值;同时与人工测量的结构参数值对比,表明该技术可快速、准确地实现针织物结构参数的测量。
二、利用图像处理技术自动测量针织物密度的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用图像处理技术自动测量针织物密度的研究(论文提纲范文)
(1)基于图像技术的织物动态导湿性能测试研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 织物导湿性能的测试与评定 |
1.2.1 织物导湿性能测试方法 |
1.2.2 织物导湿性能评定方法 |
1.2.3 织物导湿性能新型测试方法 |
1.3 图像技术在纺织品检测中的应用 |
1.3.1 图像技术在纤维检测中的应用 |
1.3.2 图像技术在纱线检测中的应用 |
1.3.3 图像技术在织物检测中的应用 |
1.4 基于图像技术的织物导湿性能测试研究进展 |
1.4.1 国外研究进展 |
1.4.2 国内研究进展 |
1.5 课题主要研究内容 |
第二章 织物润湿图像的采集与处理 |
2.1 织物润湿图像采集 |
2.2 织物润湿图像预处理 |
2.2.1 图像增强 |
2.2.2 图像平滑 |
2.3 织物润湿区域提取 |
2.3.1 图像分割 |
2.3.2 润湿区域提取 |
2.4 本章小结 |
第三章 织物动态导湿性能图像测试系统构建 |
3.1 图像采集控制界面 |
3.2 测试装置 |
3.2.1 装置结构 |
3.2.2 装置搭建与校准 |
3.3 滴液试验条件优化 |
3.3.1 测试液体对试验结果的影响 |
3.3.2 单次滴液量对试验结果的影响 |
3.3.3 滴液高度对试验结果的影响 |
3.3.4 采样方法对试验结果的影响 |
3.4 织物导湿性能测试步骤 |
3.4.1 试样预处理 |
3.4.2 测试步骤 |
3.5 图像法测试的不同织物导湿性能差异 |
3.5.1 不同纤维原料的织物导湿性能差异 |
3.5.2 不同纱线结构的织物导湿性能差异 |
3.5.3 不同组织结构的织物导湿性能差异 |
3.5.4 不同后整理工艺的织物导湿性能差异 |
3.6 本章小结 |
第四章 基于图像技术的织物动态导湿性能测试与评定 |
4.1 动态评价指标的提取与表征 |
4.1.1 动态评价指标提取 |
4.1.2 评价指标测试结果 |
4.2 织物动态水分传递性能测试 |
4.2.1 试验设备与方法 |
4.2.2 织物动态水分传递性能测试与评级 |
4.3 织物动态导湿性能评定标准的建立 |
4.3.1 评价指标对比 |
4.3.2 评级标准的建立 |
4.4 本章小结 |
第五章 结论与展望 |
5.1 研究结论 |
5.2 不足与展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间发表的论文 |
(2)色纺段彩纱针织物仿真技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 国内外研究现状 |
1.2.1 线圈结构模型 |
1.2.2 织物仿真模拟方法 |
1.3 本文主要研究内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 创新点 |
第二章 图像采集与图像预处理 |
2.1 图像采集系统 |
2.1.1 图像采集相机 |
2.1.2 图像采集光源 |
2.1.3 图像采集参数 |
2.1.4 黑白色纺段彩纱的图像采集 |
2.2 图像预处理 |
2.2.1 阈值分割 |
2.2.2 形态学处理 |
2.2.3 图像拼接 |
2.2.4 黑白色纺段彩纱的图像处理 |
2.3 本章小结 |
第三章 基于Peirce线圈结构模型的改进模型 |
3.1 线圈图像采集 |
3.1.1 圈柱图像 |
3.1.2 圈弧图像 |
3.1.3 单个线圈图像 |
3.2 建立线圈模型 |
3.2.1 模型中心线 |
3.2.2 线圈结构参数 |
3.3 模型的验证 |
3.3.1 线圈形态 |
3.3.2 线圈长度 |
3.4 本章小结 |
第四章 色纺段彩纱纬平针织物的仿真模拟 |
4.1 图像映射 |
4.1.1 映射模型 |
4.1.2 图像插值算法 |
4.1.3 线圈消隐处理 |
4.2 仿真结果 |
4.2.1 彩色色纺段彩纱 |
4.2.2 黑白色纺段彩纱 |
4.2.3 模型改进前后结果对比 |
4.2.4 不同织物密度结果对比 |
4.3 本章小结 |
第五章 段彩参数的调整 |
5.1 段彩部分分割 |
5.1.1 纱线细度 |
5.1.2 纱线颜色 |
5.1.3 纱线图像灰度直方图 |
5.2 不同段彩参数的纬平针织物仿真结果 |
5.2.1 段彩长度 |
5.2.2 段彩颜色 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 总结 |
6.2 不足与展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间的成果 |
(3)基于卷积神经网络的机织物结构参数识别研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 机织物结构参数介绍 |
1.3 织物结构参数识别的国内外研究综述 |
1.3.1 自动识别系统综述 |
1.3.2 自动识别算法综述 |
1.4 本文主要研究内容 |
1.4.1 主要创新 |
1.4.2 章节安排 |
第二章 图像采集系统与织物结构参数数据集 |
2.1 图像采集系统 |
2.2 织物结构参数数据集 |
2.2.1 织物结构参数数据集介绍 |
2.2.2 间接训练标签的生成策略 |
2.3 本章小结 |
第三章 多任务多尺度卷积神经网络设计 |
3.1 卷积神经网络概述 |
3.1.1 人工神经网络 |
3.1.2 卷积神经网络 |
3.2 多任务多尺度卷积神经网络结构 |
3.2.1 多尺度特征编码器 |
3.2.2 深层特征解码器 |
3.3 损失函数 |
3.3.1 均方误差损失函数 |
3.3.2 交叉熵损失函数 |
3.3.3 结构相似性损失函数 |
3.3.4 多任务损失函数 |
3.4 训练策略 |
3.4.1 学习率衰减 |
3.4.2 权重初始化方法 |
3.4.3 训练步骤 |
3.5 织物特征提取 |
3.6 本章小结 |
第四章 织物结构参数自动识别算法 |
4.1 经纬密度检测 |
4.1.1 倾斜角检测 |
4.1.2 纱线分割 |
4.1.3 织物密度检测 |
4.2 组织结构识别 |
4.2.1 组织点定位 |
4.2.2 组织点分类 |
4.2.3 基础组织识别 |
4.3 色纱排列识别 |
4.3.1 色纱颜色特征提取 |
4.3.2 色纱颜色聚类 |
4.4 实验结果讨论 |
4.4.1 算法评价指标 |
4.4.2 算法实验结果 |
4.4.3 算法参数讨论 |
4.4.4 不同方法比较 |
4.5 本章小结 |
第五章 织物结构参数自动识别系统 |
5.1 系统设计 |
5.1.1 网页端架构 |
5.1.2 移动端架构 |
5.1.3 服务端架构 |
5.1.4 其它设计细节 |
5.2 系统功能 |
5.2.1 首页模块 |
5.2.2 登录模块 |
5.2.3 检测模块 |
5.2.4 管理模块 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 不足与展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间的成果 |
(4)基于计算机视觉的简单组织织物密度检测研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 空间域的图像处理方法 |
1.2.2 频域的图像处理方法 |
1.3 课题研究的目的及主要内容 |
1.4 论文章节安排 |
1.5 本章小结 |
2 简单组织织物密度与计算机视觉技术概述 |
2.1 简单组织与织物密度 |
2.2 计算机视觉技术 |
2.3 简单组织织物密度检测的总体方案设计 |
2.4 本章小结 |
3 简单组织织物图像采集与预处理 |
3.1 织物图像采集 |
3.2 织物图像预处理 |
3.2.1 织物图像倾斜校正 |
3.2.2 织物图像光照不匀处理 |
3.2.3 织物图像灰度处理 |
3.2.4 织物图像去噪处理 |
3.2.5 织物图像增强处理 |
3.3 本章小结 |
4 基于小波变换的简单组织织物密度检测 |
4.1 小波变换 |
4.2 简单组织织物的小波变换 |
4.3 织物图像的小波最优分解级数的确定 |
4.3.1 相关系数曲线确定最优分解级数 |
4.3.2 能量曲线确定最优分解级数 |
4.4 小波变换后高频细节分量优化 |
4.4.1 细节分量图像二值化 |
4.4.2 细节分量图像平滑处理 |
4.5 本章小结 |
5 简单组织织物密度检测结果和分析 |
5.1 计算机处理简单组织织物经纬密度计算 |
5.2 人工测量简单组织织物经纬密度 |
5.3 实验结果分析 |
5.4 本章小结 |
6 全文总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录 |
致谢 |
(5)一种基于频谱特征的周期性结构参数检测方法(论文提纲范文)
1 引言 |
2 基本原理与仿真分析 |
2.1 周期性纹理图像频谱描述 |
2.2 纹理仿真与频谱特征分析 |
3 检测算法设计及优化 |
3.1 特征提取与参数计算 |
3.2 倾斜图像的旋转校正 |
3.3 特征值精度优化 |
4 实验验证 |
4.1 织物密度定义及检测过程 |
4.2 织物密度检测实验 |
4.3 均匀性检测实验 |
5 其他应用 |
5.1 纸张计数 |
5.2 木材纹理质量检测 |
5.3 微结构阵列均匀性检测 |
6 结论 |
(6)基于fMRI的织物接触压力舒适性脑感知表征(论文提纲范文)
摘要 |
abstract |
主要缩写说明 |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 背景和动因 |
1.1.2 科学意义与实用价值 |
1.2 国内外研究现状 |
1.2.1 影响织物接触压力舒适度的人体因素 |
1.2.2 影响织物接触压力舒适度的织物面料物理机械性能因素 |
1.2.3 织物接触压力的人体舒适阈值分布 |
1.2.4 织物接触压力对人体生理的影响研究 |
1.2.5 织物接触压力舒适度的评价系统 |
1.2.6 基于功能磁共振成像技术的舒适度感知脑机制的研究 |
1.3 触觉的神经生理机制 |
1.3.1 触觉感受器 |
1.3.2 触觉的神经生理机制 |
1.4 功能磁共振成像技术的优越性 |
1.4.1 功能磁共振成像的一般应用与研究 |
1.4.2 基于血氧水平依赖效应的功能磁共振成像(BOLD-fMRI)技术的基本原理 |
1.4.3 功能磁共振成像技术的原位表征技术优越性 |
1.4.4 功能磁共振成像技术的仪器优越性 |
1.5 脑区的定位表征和感知解释 |
1.5.1 脑区的定位 |
1.5.2 粗略触觉和精细触觉的脑感知解释 |
1.6 FMRI应用于触压舒适度感知存在的困难及本文主要工作 |
1.6.1 理论知识的缺陷 |
1.6.2 实验干扰因素众多 |
1.6.3 相关脑区的筛选 |
1.6.4 难以实现大样本量统计 |
1.6.5 本文主要工作 |
第2章 织物面料的性能测试及织物接触压力测试 |
2.1 试样与实验测量 |
2.1.1 织物的选择 |
2.1.2 织物面料的性能测试 |
2.1.3 织物接触压力的测试 |
2.2 织物物理机械性能测试结果与分析 |
2.2.1 表面性能测量结果与分析 |
2.2.2 负荷-拉伸力学性能测试结果与分析 |
2.2.3 定应力伸长率和弹性回复率测量结果与分析 |
2.2.4 定伸长拉伸特性测量结果与分析 |
2.2.5 弹力织物的松弛特性分析 |
2.2.6 织物动态疲劳特性 |
2.2.7 顶压性能(大变形)测量结果与分析 |
2.2.8 弯曲性能 |
2.2.9 面料物理性能的结果对比和相关性讨论 |
2.3 受试者体征参数测试结果与分析 |
2.3.1 受试者生理体征 |
2.3.2 受试者体征参数间的相关性 |
2.4 接触压力分布测试结果与分析 |
2.4.1 各压力测量点织物压力分布 |
2.4.2 各点接触压间的相关性分析 |
2.4.3 舒适样衣和压力测量特征点的筛选 |
2.5 受试者体征参数与各点接触压的相关性分析 |
2.5.1 体征参数与各点接触压的协相关矩阵 |
2.5.2 特征体征参数与特征接触压位置的相关性 |
2.5.3 最大接触压位置及受试者 |
2.6 样品特征参数与接触压的相关性分析 |
2.6.1 样品物理参数与最大接触压的相关度及方程 |
2.6.2 样品物理参数与平均接触压的相关度及方程 |
2.6.3 样品物理参数与特征接触压的相关度及方程 |
2.7 本章小结 |
第3章 渐增织物接触压力刺激下大脑的功能磁共振实验 |
3.1 渐增织物接触压力刺激的FMRI实验准备及过程 |
3.1.1 受试者选择及培训 |
3.1.2 功能磁共振实验设计方案 |
3.1.3 FMRI成像设备和成像参数 |
3.1.4 实验过程 |
3.2 功能磁共振成像FMRI的图像解析 |
3.2.1 FMRI图像预处理 |
3.2.2 FMRI图像统计分析 |
3.2.3 FMRI图像统计结果的可视化 |
3.2.4 FMRI图像特征指标的定义与提取 |
3.3 功能磁共振成像(FMRI)实测结果的讨论 |
3.3.1 个体分析统计结果 |
3.3.2 组群分析fMRI的脑区及激活区与值 |
3.3.3 织物低接触压力刺激下的激活特征 |
3.3.4 织物舒适接触压力刺激下的激活特征 |
3.3.5 高织物接触压力刺激下的激活特征 |
3.4 各条件下的激活显着性检验 |
3.4.1 低压下的激活显着性 |
3.4.2 舒适压下的激活显着性 |
3.4.3 高压下的激活显着性 |
3.4.4 三种条件激活特征的同异(综合对比) |
3.5 渐增织物接触压下的激活性比较分析与讨论 |
3.5.1 渐增织物接触压的激活脑区位置的转移分析与讨论 |
3.5.2 渐增接触压的激活强度和激活范围的变化分析与讨论 |
3.6 特征接触压对特征蒙版脑区激活情况的影响 |
3.6.1 特征接触压对初级感觉皮层的中央后回I-POST脑区负激活的影响 |
3.6.2 特征接触压对次级感觉皮层的中央后回脑区II-POST正激活的影响 |
3.6.3 特征接触压对杏仁核脑区III-AMYG负激活的影响 |
3.7 本章小结 |
第4章 大脑对不同织物定伸长接触压力刺激的反应 |
4.1 实验试样与测量 |
4.1.1 试样 |
4.1.2 实验条件 |
4.1.3 实测内容 |
4.2 定伸长织物接触压力刺激下FMRI结果与讨论 |
4.2.1 实测结果与验证分析 |
4.2.2 舒适阈值下的脑激活结果验证 |
4.2.3 压迫压阈值下的脑激活结果验证 |
4.3 定伸长下织物性能对特征蒙版脑区激活情况的影响 |
4.3.1 织物面料物理性能因子之间的相关性 |
4.3.2 织物面料对初级感觉皮层中央后回脑区I-POST的影响 |
4.3.3 织物面料对次级感觉皮层中央后回脑区II-POST激活情况的影响 |
4.3.4 织物面料对杏仁核III-AMYG激活情况的影响 |
4.4 本章小结 |
第5章 影响脑感知信号的织物物理因子 |
5.1 脑区信号变化百分比与样衣的物理机械性能对比 |
5.1.1 信号变化百分比 |
5.1.2 信号变化百分比的定义 |
5.1.3 定伸长特征样衣的物理机械性能比较 |
5.2 感兴趣脑区的激活信号变化百分比的分析 |
5.2.1 感兴趣脑区信号变化百分比的分析 |
5.2.2 次感兴趣脑区信号变化百分比的分析 |
5.3 接触压力与织物性能对感兴趣脑区信号变化百分比的影响 |
5.3.1 对感兴趣脑区的影响及特征参数 |
5.3.2 对次感兴趣脑区的影响及特征参数 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.1.1 织物压力对大脑感知脑区的作用机制及定量关系 |
6.1.2 织物接触脑感知的织物主要影响因子 |
6.1.3 影响脑感知信号变化的织物物理因子 |
6.2 展望 |
参考文献 |
攻读博士学位期间取得的学术成果 |
致谢 |
(7)基于频谱特征分析的周期性结构检测方法研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景 |
1.2 国内外研究现状 |
1.3 课题研究的意义 |
1.4 文章的结构和内容 |
第2章 图像频谱分析和预处理 |
2.1 周期性结构纹理图像频谱分析 |
2.1.1 频谱 |
2.1.2 频谱特征分析 |
2.1.3 频谱特征提取 |
2.2 成像质量对频谱影响分析与处理 |
2.2.1 噪声 |
2.2.2 阴影 |
2.2.3 畸变 |
2.3 图像采集误差对频谱影响分析与处理 |
2.3.1 图像倾斜校正 |
2.3.2 图像缩放调整 |
2.3.3 频谱特征归一化 |
第3章 频谱特征与纹理结构的关系 |
3.1 频谱特征与几何尺寸的关系 |
3.1.1 纹理密度 |
3.1.2 纹理夹角 |
3.2 频谱特征与结构质量的关系 |
3.2.1 均匀性 |
3.2.2 缺陷 |
第4章 周期性结构参数检测算法 |
4.1 尺寸测量 |
4.1.1 密度测量算法 |
4.1.2 纹理夹角测量算法 |
4.2 质量检测 |
4.2.1 均匀性检测算法 |
4.2.2 缺陷检测算法 |
4.3 结构相似度评价 |
4.3.1 基于频谱特征点分块匹配的相似度算法 |
4.3.2 基于频谱极坐标变换的相似度算法 |
第5章 实验验证及应用 |
5.1 实验系统搭建 |
5.1.1 搭建系统硬件 |
5.1.2 搭建软件测试界面 |
5.2 尺寸测量实验 |
5.2.1 密度测量实验 |
5.2.2 纹理夹角测量实验 |
5.3 质量检测实验 |
5.3.1 均匀性检测实验 |
5.3.2 缺陷检测实验 |
5.4 相似度评价实验 |
5.4.1 基于频谱特征点分块匹配的相似度实验 |
5.4.2 基于频谱极坐标变换的相似度实验 |
5.5 实时检测系统搭建与应用 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
发表论文和科研情况 |
致谢 |
(8)应用图像空域法的针织物密度在线测量(论文提纲范文)
1图像的预处理 |
1. 1图像的增强 |
1. 2图像的二值化 |
2针织物图像中线圈的统计 |
2. 1针织物图像中线圈的纵向统计 |
2. 1. 1针织物图像中横向纱线的提取 |
2. 1. 2针织物横向纱线的统计 |
2. 2针织物图像中线圈的横向统计 |
2. 2. 1针织物局部线圈的提取 |
2. 2. 2针织物局部图像中线圈的统计 |
3针织物密度计算与验证 |
3. 1针织物密度的计算 |
3. 2实验验证 |
4结语 |
四、利用图像处理技术自动测量针织物密度的研究(论文参考文献)
- [1]基于图像技术的织物动态导湿性能测试研究[D]. 熊晶晶. 江南大学, 2021(01)
- [2]色纺段彩纱针织物仿真技术研究[D]. 张晗. 江南大学, 2021(01)
- [3]基于卷积神经网络的机织物结构参数识别研究[D]. 孟朔. 江南大学, 2021(01)
- [4]基于计算机视觉的简单组织织物密度检测研究[D]. 彭然. 武汉纺织大学, 2021(01)
- [5]一种基于频谱特征的周期性结构参数检测方法[J]. 宋斌,闫宁,朱琳琳,张效栋. 激光与光电子学进展, 2020(12)
- [6]基于fMRI的织物接触压力舒适性脑感知表征[D]. 苑洁. 东华大学, 2019(05)
- [7]基于频谱特征分析的周期性结构检测方法研究[D]. 宋斌. 天津大学, 2018(01)
- [8]应用图像空域法的针织物密度在线测量[J]. 张孝超,李平,金福江. 纺织学报, 2015(11)
- [9]基于图形几何特征的针织物密度在线测量研究[A]. 张孝超,李平,金福江. 第27届中国控制与决策会议论文集, 2015
- [10]基于图像处理技术的纬平针织物结构参数测量[J]. 花勇,龙海如. 纺织科技进展, 2010(06)