基于DSCI-YOLOv8的纺织品材质分类方法

为了实现工厂的无人化生产,需要高效地对纺织品进行分类。针对传统纺织品生产厂的人工分类方法存在着效率低下、难以满足大规模生产需求的问题。将人工智能和计算机视觉先进技术应用到纺织品材质分类中,提出了一种基于DSCI-YOLOv8的纺织材质分类算法。在YOLOv8模型原有分类网络的基础上添加坐标信息注意力模块,增强模型对不同尺度纺织品材质特征的提取能力,提高了网络分类的准确率,同时减少了计算所需的一部分计算量和参数量;其次将分布偏移卷积加入到C2f网络模块,改进了分类神经部分的网络结构,从而存储器的使用得到降低,计算速度也得到提高。实验结果表明,在自制的纺织品材质分类数据集FMCD上进行测试,改进后的模型相较于YOLOv8模型准确率提高了2.09个百分点,每秒处理图片数提高13.5%。大幅减少计算成本的同时,有效提高了纺织品材质分类的精度和速度。可以满足纺织工业对产品类别分类和质量的检测需求。

基于最小分类误差小波特征的纺织品缺陷分类方法研究

纺织品缺陷分类是利用计算机视觉技术检测纺织品品质的一个关键环节。提出了一种基于小波框架的纺织品缺陷分类新方法。该方法使用纺织品图像的小波框架来描述缺陷的纹理特征。在最小分类误差训练框架下,通过联合设计一个基于线性变换矩阵的特征提取器和一个分类器,来获取面向缺陷分类的小波框架特征,并最小化分类器的错误概率。该方法对包含9类纺织品缺陷的329个样本,以及328个无缺陷样本进行了分类实验评估,获得了93.1%的分类准确率,相比传统的基于小波变换的分类方法提高了27.2%。

新疆地区纺织品pH值检测及其优化质量方法

针对在纺织品检测中,GB 18401—2003《国家纺织产品基本安全技术规范》的修订对新疆地区床上用品及校服质量产生的影响,以及该类直接接触皮肤的纺织品pH值容易超标等问题,通过调查取样检测,了解被检纺织品pH值的合格率,并对样品进行准确分类及结果分析,依据分类提出更加确切的结果判定,为增加产品安全性提供调查实践依据。对直接接触皮肤类纺织品,通过不同的水洗实验探讨减弱碱性的方法。结果表明:对GB 18401—2003趋于严格的修订使得检测结果更加全面可靠,对纺织品质量改善有促进作用。直接接触皮肤类纺织品pH值超标,可以通过采用0.15～0.30 g/L柠檬酸溶液清洗的方法,有效降低pH值,使织物接近中性。

基于扎染艺术的家用纺织品设计特征分析

家用纺织品与人们的衣、食、住、行、装饰、审美、环境等密切相关,是抒发和表达情感的媒介。万物皆有法,纺织品设计既要考虑设计作品的功能性又要考虑人们的审美要求。家用纺织品设计既与其他设计有着共同的艺术特点,同时又具有区别于其他艺术的个性特征。对家用纺织品按照产品的功能、风格、生产工艺和用途进行详细分类,并结合扎染艺术分析印染扎花织物的选用原则,有助于为家纺产品的设计实践提供一定的新视角。

需求、结构及竞争力对中国及东盟纺织品输美波动的影响——基于修正CMS模型的实证分析

本文基于UN Comtrade数据,通过修正的恒定市场份额模型(CMS模型),研究了需求、结构和竞争力对中国与东盟纺织品输美波动的影响,结果发现:对于纺织品整体,竞争力效应是导致中国及东盟纺织品出口波动的最重要因素,但近年来中国纺织品整体竞争劣势明显、东盟整体竞争力效应及特定纺织品竞争力效应均增强;增长效应和产品效应对中国及东盟纺织品出口增长的作用方向呈现出阶段性变化特征,且产品效应对出口增长影响程度均较小。从分类产品来看,整体上增长效应对中国纺织原料、制成品输美增长的拉动作用弱于东盟,产品效应对中国中间制品、制成品输美增长的正向拉动作用强于东盟,竞争力效应对中国纺织原料、制成品输美增长的正向拉动作用强于东盟。