CN108304351B - 一种织物触感信息传递方法 - Google Patents
一种织物触感信息传递方法 Download PDFInfo
- Publication number
- CN108304351B CN108304351B CN201711448689.4A CN201711448689A CN108304351B CN 108304351 B CN108304351 B CN 108304351B CN 201711448689 A CN201711448689 A CN 201711448689A CN 108304351 B CN108304351 B CN 108304351B
- Authority
- CN
- China
- Prior art keywords
- fabric
- prediction model
- feeling
- hand feeling
- warp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开了一种织物触感信息传递方法，包括收集典型织物样品，建立服装类型样品库；检测所述典型织物样品，获取面料触感信息的测量数据；所述检测包括客观检测和主观检测；建立手感/体感预测模型和触觉分级方法标准；检测新织物面料，并输出检测报告。本发明利用建立的手感/体感预测模型将织物面料正面与消费者手部接触及穿着时面料底部与身体皮肤相接触的感觉基于对面料的客观物理测量以数值的形式进行预测，且所得到的感觉值或评级值可用于电商线上感觉信息的传递及具有可重复性及溯源性，且具有使用简单便捷、生活化、实用性强的优点。
Description
技术领域
本发明涉及网络数据处理领域，特别涉及一种织物触感信息传递方法。
背景技术
触觉是人类基本但重要的神经功能，是一种根据感受到的外界刺激特性而形成的一种经验，但是由于感受个体的性别、职业和个人偏好等多项因素的差异也导致了对同样刺激于不同个体上形成了不同触觉。触觉与人们的日常生活息息相关。
日常生活中消费者总是喜欢使用他们的手去检查服装质量，然后再做出购买决定，差的触觉(手感)通常是商品被放弃的重要原因之一。面料成衣生产厂商一直在努力生产能够满足消费者/客户需求的面料；良好的接触感觉是一个综合性的感觉要求，它包括了多种基本感觉元素，如柔软，保暖，滑爽，凉爽等等。
对于织物/服装触觉的舒适性在生产端往往其质量由多年积累经验的少数技术专家控制，在2011年，RA89委员会(美国纺织化学家和染色师协会(AATCC)手感评估测试方法的专家委员会)能提供指导织物手感主观评价过程的评估程序。目前，也已经有了一定量的关于如何客观地测量手感舒适性的先有研究。
例如先有专利申请“皮革柔软度和丰满度测量分级装置，CN 1255670 C”、“一种用于织物感官性能评价的模式识别体系和方法，CN 102354368 B”、“一种织物弯曲硬挺度的测量装置及方法，CN 101936856 B”、“一种材料表面质地的模拟触觉评价方法CN103760324 B”等。但上述先有技术都在某一特定领域中对织物的触感能进行客观测量，特别是对织物的力学特性有了广泛而深入的研究。较多的测量方法都局限于单一指标，特别是缺乏热学特性的分析。本发明人的美国专利“Textile fabric testing，US 6601457 B2”及中国专利“片状柔性材料双向弯曲特性的测量设备及测量方法，CN 103575600 B”；“柔性材料的表面几何特性及表面摩擦力的测量系统及方法，CN 103575243 B”；“柔性材料压缩动态热传递特性测量设备及测量方法，CN 103575759 A”都介绍了一种快速多指标的综合测量方法，但是大量的科学客观测量数据对普通非本专业的消费者来说是仍然是一种较难理解的数字而缺乏可以与日常生活相关联可以理解的意义。总体来说这一些结果的用户友善性存在的很大改进空间。
而且，消费者平时在线下实体店购买服装的过程中可以亲身体验其触感的舒适性。但是，网上消费却只能看不能摸，造成了消费过程中的信息不完整，这也影响了其最后的消费决定。因此，对线上服装产品面料进行舒适性分级就至关重要，它不仅能从舒适性方面为纺织服装企业对自身产品的定价提供参考，还能让网购的消费者对所选商品的舒适性有更直观的感受，从而降低退货率，同时减少电商因消费者退换商品而造成的大量资源浪费。
因此在目前互联网时代如何在网络平台上为普通消费者建立起客观的感觉标尺并实现感觉信息的线上传递则对改善网上购物体验有重大的现实意义，急需研发根据某一类服装的要求建立一种由面料的客观测量数据转换成一定人群的主观感觉的预测值以利于电子商务平台进行触觉信息传递的技术。
发明内容
本发明要解决的技术问题是提供一种客观、便捷、准确、用户体验好的织物触感信息传递系统，该系统针对现有技术中测量手感舒适性的研究数据复杂、与生活实际结合度不高、使用不方便等不足，提供一种便捷、高效、准确的织物触感信息传递系统及对应的方法。
为解决上述技术问题，本发明采用的技术方案是：
本发明实施例公开了一种织物触感信息传递方法，所述方法包括以下步骤：
S1、收集典型织物样品，建立服装类型样品库；
S2、检测所述典型织物样品，获取面料触感信息的测量数据；所述检测包括客观检测和主观检测；
S3、建立手感/体感预测模型和触觉分级方法标准；
S4、检测新织物面料，并输出检测报告。
进一步地，所述步骤S2中客观检测具体包括：
使用织物触觉测量仪对于织物面料的经纬双向和正反两面测量数据。
其中，所述步骤S2中主观检测具体包括：
专家小组评测织物面料，获得主观评测数值。
优选地，所述步骤S3建立手感/体感预测模型和分级方法标准之前还包括以下步骤：
使用主客观预测模型将主观感觉测量数值进行归一化处理，然后进行多元逐步回归分析；
所用归一化处理公式为：
式中
X:为标准化后的主观评测数值；
D:为主观评测实际数值；
P:为预计建模样品面料涵盖范围占适用范围的百分比；
δ:为建模样品最低值相对0点之偏移量。
具体地，所述S3建立手感/体感预测模型包括建立织物手感预测模型和织物体感预测模型。
所述S3建立手感/体感预测模型包括建立织物手感预测模型，所述织物手感预测模型具体包括：
(1)光滑手感：
fo1＝86.69-0.214SRAa-83.152SFCe+4.44SRWa-69.885SFCa-0.002BWa
式中：
SRAa:经线表面粗糙度振幅(μm),
SFCa:纬线表面摩擦系数,
SRWa:经线表面粗糙度波长(mm),
SFCa:经线表面摩擦系数,
BWa:经线弯曲度(mm*gf*rad),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
柔软手感：
fo2＝49.128-0.009BWe+7.639SRWa-0.093SRAa
式中：
BWe:纬线弯曲度(mm*gf*rad),
SRWa:经线表面粗糙度波长(mm),
SRAa:经线表面粗糙度振幅(μm),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
冷暖手感：
fo3＝64.986-0.038Qmax+0.582TCR
式中：
Qmax(W*m-2),
TCR:标准压强下导热性能(压缩)(W*m-1*℃-1),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(5)手感舒适度：
fo4＝60.072-0.146SRAa+7.041SRWa-0.019BARe-60.389SFCe
式中：
SRAa:经线表面粗糙度振幅(μm),
SRWa:经线表面粗糙度波长(mm)，
BARe:纬线弯曲硬度平均值(mm*gf*rad-1),
SFCe:纬线表面摩擦系数。
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
所述织物体感预测模型具体包括：
(1)光滑体感：
fi1＝0.694+0.047Qmax+0.568TCR-0.005BWa-0.081SRAa
式中：
Qmax(W*m-2),
TCR:标准压强下导热性能(恢复常压)(W*m-1*℃-1),
BWa:经线弯曲度(mm*gf*rad),
SRAa:经线表面粗糙度振幅(μm),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(2)柔软体感：fi2＝52.438-0.014BWa+5.614SRWa
式中：
BWa:经线弯曲度(mm*gf*rad),
SRWa:经线表面粗糙度波长(mm),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(5)冷暖体感：
fi3＝82.967-0.041Qmax+0.354TCR-14.112CRR
式中：
Qmax(W*m-2),
TCR:标准压强下导热性能(恢复常压)(W*m-1*℃-1),
CRR:压缩恢复速率
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(6)手感舒适度：
fi4＝59.14-0.205SRAa-0.008BWa+5.318SRWa
式中：
SRAa:经线表面粗糙度振幅(μm),
BWa:经线弯曲度(mm*gf*rad),
SRWa:经线表面粗糙度波长(mm)。
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
其中，所述感觉预测模型的计算结果的范围被归一化在区间0-100，或进行一步设置分数转换表进行评级。
具体地，所述步骤S4具体包括：
4a、新织物面料送检；
4b、应用客观检测模型对新织物面料进行客观检测；
4c、应用主观检测模型对新织物面料主观感觉检测；
4d、对新织物面料进行触感分级；
4f、输出检测报告。
进一步地，所述步骤S4f之后还包括：网上产品挂牌标注。
本发明具有以下有益效果及优点：
1、本发明实施例利用建立的手感/体感预测模型将织物面料正面与消费者手部接触及穿着时面料底部与身体皮肤相接触的感觉基于对面料的客观物理测量以数值的形式进行预测，且具有使用简单便捷、生活化、实用性强的优点；
2、本发明实施例建立的模型所得到的感觉值或评级值，可用于电商线上感觉信息的传递，具有可重复性及溯源性；
3、本发明实施例由面料FTT仪器测量值转换到面料穿着时的感觉值。将一个因人而异的主观感觉转换成基于客观测量的科学数据，更加生活化、准确度高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的织物触感信息传递方法流程图；
图2是本发明实施例提供的织物手感主观测量值与手感模型预测值之间的关系图；
图3是本发明实施例提供的织物体感主观测量值与体感模型预测值之间的关系。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合说明书附图对本发明作进一步阐述。
实施例1
本发明实施例公开了一种织物触感信息传递方法，如图1所示，所述方法包括以下步骤：
S1、收集典型织物样品，建立服装类型样品库；
S2、检测所述典型织物样品，获取面料触感信息的测量数据；所述检测包括客观检测和主观检测；
S3、建立手感/体感预测模型和触觉分级方法标准；
S4、检测新织物面料，并输出检测报告。
具体地，所述S3建立手感/体感预测模型包括建立织物手感预测模型和织物体感预测模型。
其中，所述感觉预测模型的计算结果的范围被归一化在区间0-100，或进行一步设置分数转换表进行评级。
具体地，所述步骤S4具体包括：
4a、新织物面料送检；
4b、应用客观检测模型对新织物面料进行客观检测；
4c、应用主观检测模型对新织物面料主观感觉检测；
4d、对新织物面料进行触感分级；
4f、输出检测报告。
本发明具有以下有益效果及优点：
1、本发明实施例利用建立的手感/体感预测模型将织物面料正面与消费者手部接触及穿着时面料底部与身体皮肤相接触的感觉基于对面料的客观物理测量以数值的形式进行预测，且具有使用简单便捷、生活化、实用性强的优点；
2、本发明实施例建立的模型所得到的感觉值或评级值，可用于电商线上感觉信息的传递，具有可重复性及溯源性；
3、本发明实施例由面料FTT仪器测量值转换到面料穿着时的感觉值。将一个因人而异的主观感觉转换成基于客观测量的科学数据，更加生活化、准确度高。
实施例2
本发明实施例公开了一种织物触感信息传递方法，所述方法包括以下步骤：
S1、收集典型织物样品，建立服装类型样品库；
在样品准备阶段，通过收集典型的织物样品，建立尽可能覆盖整个服装种类的代表样品库。
S2、检测所述典型织物样品，获取面料触感信息的测量数据；所述检测包括客观检测和主观检测；
进一步地，所述步骤S2中客观检测具体包括：
使用织物触觉测量仪对于织物面料的经纬双向和正反两面测量数据。
其中，所述步骤S2中主观检测具体包括：
专家小组评测织物面料，获得主观评测数值。
检测阶段包括客观测量与主观感觉测量两个方面；客观测量是根据现有的技术与标准，利用仪器对织物指定的物理特性进行测量。由于这是一种独立的客观测量，因此所获得的结果是客观公正及在一定误差范围内也是唯一的。结合本发明人之先有研究基础上，采用现有的有关织物手感测量客观的优选方法是织物触觉测量仪(FTT，Fabric TouchTester)。FTT仪器可以快速实现面料的二面双向客观物理参数的测量。有关FTT仪器的具体操作方法及样品准备要求请参考仪器使用说明书。对比现有的多种测量方法，该仪器具有可以在10分钟之内同时对布料的经纬二个方向及正反二面进行评估，分别测出18个物理参数(包括弯曲特性，压缩特性，热传递性能及表面摩擦特性等)的优点。
为实现较为精确地及规范地定义消费人群及某一特定种类织物触感的需求，在此研究过程中服装分类的依据是标准《GB/T 23560-2009服装分类代码》。
有关主客观预测模型的建立，在本次研究中多种统计分析方法都可以采用，优选方法是首先将主观感觉测量数值进行归一化处理(Normalization Method)，然后再进行多元逐步回归分析。
所用归一化处理公式为：
式中
X:为标准化后的主观评测数值；
D:为主观评测实际数值；
P:为预计建模样品面料涵盖范围占适用范围的百分比；
δ:为建模样品最低值相对0点之偏移量。
其中，P在本次建模过程中假设样品的覆盖范围是60％，既百分感觉值在20－80分范围之内。也表示本次收集的样品中可能在感觉值二极端位置的样品没有收集到。所以δ在本次实例中使用值为20。如图2和图3所示，分别为织物手感主观测量值与模型预测值之关系和织物体感主观测量值与模型预测值之关系。从图中可以看出，模型预测值较为准确地吻合了主观测量值。
S3、建立手感/体感预测模型和触觉分级方法标准；
基于上述方法的介绍，本发明的重点是建立了一整套由FTT客观测量数据进行消费者对母婴类服装产品之感觉值的预测，并由此有助于消费者对织物皮肤的刺激程度有数据进行相对强弱的比较及实现感觉信息的网上传递。
如下名词术语在此被引用：
触感(Touch,名词)通过产品与皮肤的直接接触而获得对产品特性的主观印象或认知。
手感(Hand，名词)织物在手掌中被挤压，压缩，弯曲，摩擦而产生的主观印象。
体感(Tactile，名词)指面料与身体皮肤相接触和相互作用所产生的主观印象。
综合舒适度(Total comfort，名词)布样给予皮肤表面整体感觉是否舒服的主观印象。
平滑感(Smoothness，名词)对织物表面几何差异(颗粒状或块状颗粒的总体存在)及在其上滑动时摩擦阻力的主观印象。
柔软感(Softness，名词)对织物抗弯曲性特性与可变形特性的主观印象。
冷暖感(Warmth，名词)织物与皮肤间热传递特性差异的主观印象。
优选地，所述步骤S3建立手感/体感预测模型和分级方法标准之前还包括以下步骤：
具体地，所述S3建立手感/体感预测模型包括建立织物手感预测模型和织物体感预测模型。
所述S3建立手感/体感预测模型包括建立织物手感预测模型，所述织物手感预测模型具体包括：
(1)光滑手感：
fo1＝86.69-0.214SRAa-83.152SFCe+4.44SRWa-69.885SFCa-0.002BWa
式中：
SRAa:经线表面粗糙度振幅(μm),
SFCa:纬线表面摩擦系数,
SRWa:经线表面粗糙度波长(mm),
SFCa:经线表面摩擦系数,
BWa:经线弯曲度(mm*gf*rad),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(2)柔软手感：
fo2＝49.128-0.009BWe+7.639SRWa-0.093SRAa
式中：
BWe:纬线弯曲度(mm*gf*rad),
SRWa:经线表面粗糙度波长(mm),
SRAa:经线表面粗糙度振幅(μm),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(3)冷暖手感：
fo3＝64.986-0.038Qmax+0.582TCR
式中：
Qmax(W*m-2),
TCR:标准压强下导热性能(压缩)(W*m-1*℃-1),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(4)手感舒适度：
fo4＝60.072-0.146SRAa+7.041SRWa-0.019BARe-60.389SFCe
式中：
SRAa:经线表面粗糙度振幅(μm),
SRWa:经线表面粗糙度波长(mm)，
BARe:纬线弯曲硬度平均值(mm*gf*rad-1),
SFCe:纬线表面摩擦系数。
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
所述织物体感预测模型具体包括：
(1)光滑体感：
fi1＝0.694+0.047Qmax+0.568TCR-0.005BWa-0.081SRAa
式中：
Qmax(W*m-2),
TCR:标准压强下导热性能(恢复常压)(W*m-1*℃-1),
BWa:经线弯曲度(mm*gf*rad),
SRAa:经线表面粗糙度振幅(μm),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(2)柔软体感：fi2＝52.438-0.014BWa+5.614SRWa
式中：
BWa:经线弯曲度(mm*gf*rad),
SRWa:经线表面粗糙度波长(mm),
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(3)冷暖体感：
fi3＝82.967-0.041Qmax+0.354TCR-14.112CRR
式中：
Qmax(W*m-2),
TCR:标准压强下导热性能(恢复常压)(W*m-1*℃-1),
CRR:压缩恢复速率
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
(4)手感舒适度：
fi4＝59.14-0.205SRAa-0.008BWa+5.318SRWa
式中：
SRAa:经线表面粗糙度振幅(μm),
BWa:经线弯曲度(mm*gf*rad),
SRWa:经线表面粗糙度波长(mm)。
上述模型的优选系数如公式所列，系数范围为以优选系数为中间值，上下变化5％的范围内都被认为是可行。在具体实施中，随着数据库收录的数据的更新和补充，模型系数也会有适当的调整。
本发明实施例从织物材料获得能代表感官性能的原始数据，然后利用一种新型计算机模式识别算法对原始数据进行特征分析提取并作物理标定，再用所得结果对该织物完成一定的计算和处理，据此对该织物进行手感评价。基于上述模型，本发明充分利用了柔性材料的表面几何特性及表面摩擦力的测量系统及方法快速便捷、可以进行经纬双向综合测量。
其中，所述感觉预测模型的计算结果的范围被归一化在区间0-100，或进行一步设置分数转换表进行评级。本发明实施例选择等分等分转换表来进行织物面料的级别划分和评价。
S4、检测新织物面料，并输出检测报告。
具体地，所述步骤S4具体包括：
4a、新织物面料送检；
4b、应用客观检测模型对新织物面料进行客观检测；
4c、应用主观检测模型对新织物面料主观感觉检测；
4d、对新织物面料进行触感分级；
4f、输出检测报告。
进一步地，所述步骤S4f之后还包括：网上产品挂牌标注。
步骤S4是模型应用阶段，在完成转换模型建立后，当再有一块新的同类面料需要知道其与皮肤接触的感觉，就可以重复建模的工作：
将新的面料按FTT测试要求准备样品；
利用FTT对面料的正反二面进行测量；
根据所得到的面料FTT测量值，输入近述模型得到相应的感觉值；
用户可以根据自身的要求，将感觉值简化成不同的等级；
表1是一将感觉值转化为分等值转换表，此类转换表可以在应用中根据实际需要自行设置。表1是一等间距10等分转换表。理论上5.5级是中性，表示对人体没有可以体验到的刺激。
表1 归一化后感觉值志评级转化表
最终得到该面料测量的包括面料与皮肤接触感的测试报告。输出结果可以是某一感觉的评级，也可以是某一感觉归一化后的值。该数据因此具有可重复性及溯源性。如果有需要就可以将这个评级数据在网上进行标注，方便消费者对产品特定的感觉有一个可以量化的想像空间，结合自身的经历可以相对较准确地在自己的大脑中重建相应的感觉。
本发明具有以下有益效果及优点：
1、本发明实施例利用建立的手感/体感预测模型将织物面料正面与消费者手部接触及穿着时面料底部与身体皮肤相接触的感觉基于对面料的客观物理测量以数值的形式进行预测，且具有使用简单便捷、生活化、实用性强的优点；
2、本发明实施例建立的模型所得到的感觉值或评级值，可用于电商线上感觉信息的传递，具有可重复性及溯源性；
3、本发明实施例由面料FTT仪器测量值转换到面料穿着时的感觉值。将一个因人而异的主观感觉转换成基于客观测量的科学数据，更加生活化、准确度高。
以上所述仅为本发明的较佳实施例，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种织物触感信息传递方法，其特征在于，所述方法包括以下步骤：
S1、收集典型织物样品，建立服装类型样品库；
S2、检测所述典型织物样品，获取面料触感信息的测量数据；所述检测包括客观检测和主观检测；
S3、建立手感/体感预测模型和触觉分级方法标准；
S4、检测新织物面料，并输出检测报告；
所述S3建立手感/体感预测模型包括建立织物手感预测模型，所述织物手感预测模型具体包括：
(1)光滑手感预测模型：
fo1＝86.69-0.214SRAa-83.152SFCe+4.44SRWa-69.885SFCa-0.002BWa
式中：
SRAa:经线表面粗糙度振幅,
SFCe:纬线表面摩擦系数,
SRWa:经线表面粗糙度波长,
SFCa:经线表面摩擦系数,
BWa:经线弯曲度,
(2)柔软手感预测模型：
fo2＝49.128-0.009BWe+7.639SRWa-0.093SRAa
式中：
BWe:纬线弯曲度,
SRWa:经线表面粗糙度波长,
SRAa:经线表面粗糙度振幅,
(3)冷暖手感预测模型：
fo3＝64.986-0.038Qmax+0.582TCR
式中：
Qmax:最大热通量,
TCR:标准压强下导热性能,
(4)手感舒适度预测模型：
fo4＝60.072-0.146SRAa+7.041SRWa-0.019BARe-60.389SFCe
式中：
SRAa:经线表面粗糙度振幅,
SRWa:经线表面粗糙度波长，
BARe:纬线弯曲硬度平均值,
SFCe:纬线表面摩擦系数。
2.根据权利要求1所述的织物触感信息传递方法，其特征在于，所述步骤S2中客观检测具体包括：
使用织物触觉测量仪对于织物面料的经纬双向和正反两面测量数据。
3.根据权利要求1所述的织物触感信息传递方法，其特征在于，所述步骤S2中主观检测具体包括：
专家小组评测织物面料，获得主观评测数值。
4.根据权利要求1所述的织物触感信息传递方法，其特征在于，所述步骤S3建立手感/体感预测模型和分级方法标准之前还包括以下步骤：
使用主客观预测模型将主观感觉测量数值进行归一化处理，然后进行多元逐步回归分析；
所用归一化处理公式为：
式中
X:为标准化后的主观评测数值；
D:为主观评测实际数值；
P:为预计建模样品面料涵盖范围占适用范围的百分比；
δ:为建模样品最低值相对0点之偏移量。
5.根据权利要求1或4所述的织物触感信息传递方法，其特征在于，所述S3建立手感/体感预测模型还包括建立织物体感预测模型。
6.根据权利要求5所述的织物触感信息传递方法，其特征在于，所述S3建立手感/体感预测模型包括建立织物体感预测模型，所述织物体感预测模型具体包括：
(1)光滑体感预测模型：
fi1＝0.694+0.047Qmax+0.568TCR-0.005BWa-0.081SRAa
式中：
Qmax:最大热通量,
TCR:标准压强下导热性能,
BWa:经线弯曲度,
SRAa:经线表面粗糙度振幅,
(2)柔软体感预测模型：fi2＝52.438-0.014BWa+5.614SRWa
式中：
BWa:经线弯曲度,
SRWa:经线表面粗糙度波长,
(3)冷暖体感预测模型：
fi3＝82.967-0.041Qmax+0.354TCR-14.112CRR
式中：
Qmax:最大热通量,
TCR:标准压强下导热性能,
CRR:压缩恢复速率,
(4)体感舒适度预测模型：
fi4＝59.14-0.205SRAa-0.008BWa+5.318SRWa
式中：
SRAa:经线表面粗糙度振幅,
BWa:经线弯曲度,
SRWa:经线表面粗糙度波长。
7.根据权利要求1所述的织物触感信息传递方法，其特征在于，所述织物手感预测模型包括的光滑手感预测模型、柔软手感预测模型、冷暖手感预测模型和手感舒适度预测模型各自的计算结果的范围被归一化在区间0-100；
或，所述织物手感预测模型包括的光滑手感预测模型、柔软手感预测模型、冷暖手感预测模型和手感舒适度预测模型各自的计算结果的范围被归一化在区间0-100；参照预先设置的分数转换表，确定出所述光滑手感预测模型、所述柔软手感预测模型、所述冷暖手感预测模型和手感舒适度预测模型各自的计算结果所对应的评级。
8.根据权利要求6所述的织物触感信息传递方法，其特征在于，所述织物体感预测模型包括的光滑体感预测模型、柔软体感预测模型、冷暖体感预测模型和体感舒适度预测模型各自的计算结果的范围被归一化在区间0-100；
或，所述织物体感预测模型包括的光滑体感预测模型、柔软体感预测模型、冷暖体感预测模型和体感舒适度预测模型各自的计算结果的范围被归一化在区间0-100；参照预先设置的分数转换表，确定出所述光滑体感预测模型、所述柔软体感预测模型、所述冷暖体感预测模型和体感舒适度预测模型各自的计算结果所对应的评级。
9.根据权利要求1所述的织物触感信息传递方法，其特征在于，所述步骤S4具体包括：
4a、新织物面料送检；
4b、应用客观检测模型对新织物面料进行客观检测；
4c、应用主观检测模型对新织物面料主观感觉检测；
4d、对新织物面料进行触感分级；
4e、输出检测报告。
10.根据权利要求9所述的织物触感信息传递方法，其特征在于，所述步骤S4包括的4e之后还包括：网上产品挂牌标注。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711448689.4A CN108304351B (zh) | 2017-12-27 | 2017-12-27 | 一种织物触感信息传递方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711448689.4A CN108304351B (zh) | 2017-12-27 | 2017-12-27 | 一种织物触感信息传递方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108304351A CN108304351A (zh) | 2018-07-20 |
| CN108304351B true CN108304351B (zh) | 2022-01-07 |
Family
ID=62867829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711448689.4A Active CN108304351B (zh) | 2017-12-27 | 2017-12-27 | 一种织物触感信息传递方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108304351B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110990782B (zh) * | 2019-11-11 | 2024-02-20 | 河南中烟工业有限责任公司 | 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 |
| CN112444615B (zh) * | 2020-11-10 | 2023-10-27 | 张帅 | 织物手感定向传递调整方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509008A (zh) * | 2011-11-01 | 2012-06-20 | 浙江理工大学 | 一种苎麻织物刺痒感的客观评价方法 |
| CN103559349A (zh) * | 2013-10-31 | 2014-02-05 | 广州中大数字家庭工程技术研究中心有限公司 | 一种基于几何测量的织物仿真模型生成的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102240302B1 (ko) * | 2014-10-21 | 2021-04-14 | 삼성전자주식회사 | 가상 피팅 장치 및 이의 가상 피팅 방법 |
-
2017
- 2017-12-27 CN CN201711448689.4A patent/CN108304351B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509008A (zh) * | 2011-11-01 | 2012-06-20 | 浙江理工大学 | 一种苎麻织物刺痒感的客观评价方法 |
| CN103559349A (zh) * | 2013-10-31 | 2014-02-05 | 广州中大数字家庭工程技术研究中心有限公司 | 一种基于几何测量的织物仿真模型生成的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于小样本测试的纺织品材料触感特性表征方法研究;王建超;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20150215(第2期);第B024-6页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108304351A (zh) | 2018-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pan | Quantification and evaluation of human tactile sense towards fabrics | |
| Civille et al. | Development of terminology to describe the handfeel properties of paper and fabrics | |
| Suelar et al. | Sensory evaluation methods for tactile properties of fabrics | |
| Kim et al. | A comparative study on designer and customer preference models of leather for vehicle | |
| Mahar et al. | A review of fabric tactile properties and their subjective assessment for next-to-skin knitted fabrics | |
| CN108304351B (zh) | 一种织物触感信息传递方法 | |
| Liao et al. | A review on fabric smoothness-roughness sensation studies | |
| Asaga et al. | Tactile evaluation based on human tactile perception mechanism | |
| KR100716376B1 (ko) | 인공신경망을 이용한 자동차 시트표피재의 촉감 평가 방법및 시스템 | |
| CN107782881B (zh) | 基于人体五感的纺织品综合风格测量装置和方法 | |
| CN108181987A (zh) | 一种基于虚拟现实的纺织品感知方法 | |
| Akgül et al. | Investigation of different denim fabrics with fabric touch tester and sensory evaluation | |
| Raheel et al. | An Empirical Model for Fabric Hand: Part I: Objective Assessment of Light Weight Fabrics | |
| JP6653882B2 (ja) | ティシュペーパーの評価方法 | |
| Luible et al. | Subjective fabric evaluation | |
| US20120109541A1 (en) | Tactile surface texture characterisation method | |
| Ahirwar et al. | Prediction of handle value of bed linen fabrics using computational method | |
| Rombaldoni et al. | Prediction of human psychophysical perception of fabric crispness and coolness hand from rapidly measurable low‐stress mechanical and thermal parameters | |
| Niwa et al. | Objective evaluation of the handle of blankets | |
| Jacobsen et al. | A psychophysical evaluation of the tactile qualities of hand knitting yarns | |
| Abu Bakar | Subjective and objective evaluation of fabric handle characteristics | |
| CN106897812A (zh) | 电饭煲烹饪质量的测评方法及装置 | |
| Hu et al. | Mechanical tactile properties | |
| Yao et al. | An improved test method for characterising touch properties of porous polymeric materials | |
| JP2009056040A (ja) | 容器開栓動作における負担評価方法、負担評価装置、スクリュー開栓式容器の蓋及びその製造方法、並びに、スクリュー開栓式容器の容器本体及びその製造方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211203 Address after: 510000 building 6, No. 20, Huahai street, Fangcun, Liwan District, Guangzhou City, Guangdong Province (office only) Applicant after: GUANGZHOU PINWEI SOFTWARE Co.,Ltd. Address before: 510000 room 01, No.314, Fangcun Avenue middle, Liwan District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU WEIPINHUI RESEARCH INSTITUTE CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |