CN109885910A - 一种牛仔刺绣图案漂洗褪色工艺参数建模方法 - Google Patents
一种牛仔刺绣图案漂洗褪色工艺参数建模方法 Download PDFInfo
- Publication number
- CN109885910A CN109885910A CN201910096792.XA CN201910096792A CN109885910A CN 109885910 A CN109885910 A CN 109885910A CN 201910096792 A CN201910096792 A CN 201910096792A CN 109885910 A CN109885910 A CN 109885910A
- Authority
- CN
- China
- Prior art keywords
- embroidery pattern
- cowboy
- technological parameter
- model
- rinsing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000005562 fading Methods 0.000 title claims abstract description 57
- 230000004044 response Effects 0.000 claims abstract description 36
- 238000005406 washing Methods 0.000 claims abstract description 36
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 238000013401 experimental design Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 41
- 238000003050 experimental design method Methods 0.000 claims description 11
- 239000005708 Sodium hypochlorite Substances 0.000 claims description 10
- SUKJFIGYRHOWBL-UHFFFAOYSA-N sodium hypochlorite Chemical compound [Na+].Cl[O-] SUKJFIGYRHOWBL-UHFFFAOYSA-N 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 230000001537 neural effect Effects 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000009472 formulation Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 24
- 239000004744 fabric Substances 0.000 description 12
- 238000013461 design Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 241000282693 Cercopithecidae Species 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 229920000297 Rayon Polymers 0.000 description 4
- 239000002964 rayon Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000004615 ingredient Substances 0.000 description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 2
- 238000012356 Product development Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004061 bleaching Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000009956 embroidering Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 229920002955 Art silk Polymers 0.000 description 1
- 241000628997 Flos Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- QWPPOHNGKGFGJK-UHFFFAOYSA-N hypochlorous acid Chemical compound ClO QWPPOHNGKGFGJK-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Treatment Of Fiber Materials (AREA)
- Sewing Machines And Sewing (AREA)
Abstract
本发明涉及一种牛仔刺绣图案漂洗褪色工艺参数建模方法，包括以下步骤：确定刺绣图案褪色的影响因素及表征指标；制定实验设计方案以对刺绣图案褪色的影响因素进行取样；根据取样结果和所述表征指标构建神经网络模型和响应面模型；针对获得的神经网络模型和响应面模型，利用上述制定的实验设计方案再进行实验得到对照样本参数，通过对照样本参数得到实际值与两个模型得到的输出结果之间的差距来分析和对比两种模型的可行性和精度，并确定最终的近似模型构造框架；根据最终确定的近似模型反推出漂洗所需的工艺参数，并以得到的工艺参数进行水洗。本发明能够提高水洗效率和质量，降低生产成本。
Description
技术领域
本发明涉及牛仔刺绣图案褪色后整理工艺技术领域，特别是涉及一种牛仔刺绣图案漂洗褪色工艺参数建模方法。
背景技术
随着人们对牛仔服装美观性要求的不断提高，刺绣牛仔服装进入国内外消费市场，牛仔服装不断与时俱进的后整理工艺是其生产行业的技术核心，但其工艺过程的复杂性很大程度影响刺绣图案的外观和品质，尤其漂洗工艺会使人造丝线刺绣图案产生褪色现象，漂洗工艺中的多个参数均会影响刺绣图案的褪色程度。但是迄今为止在现有的漂洗工艺中，漂洗工艺参数的选取依赖于水洗技师的经验，水洗技师在参数选择过程中并无规律可循，通常都是参照企业和客户提供的样本通过多次水洗试样才能最终确定，从而降低了水洗效率和质量，增加了水洗成本。
发明内容
本发明所要解决的技术问题是提供一种牛仔刺绣图案漂洗褪色工艺参数建模方法，能够提高水洗效率和质量，降低生产成本。
本发明解决其技术问题所采用的技术方案是：提供一种牛仔刺绣图案漂洗褪色工艺参数建模方法，包括以下步骤：
(1)确定刺绣图案褪色的影响因素及表征指标；
(2)制定实验设计方案以对刺绣图案褪色的影响因素进行取样；
(3)根据取样结果和所述表征指标构建神经网络模型和响应面模型；
(4)针对获得的神经网络模型和响应面模型，利用步骤(2)制定的实验设计方案再进行实验得到对照样本参数，通过对照样本参数得到实际值与两个模型得到的输出结果之间的差距来分析和对比两种模型的可行性和精度，并确定最终的近似模型构造框架；
(5)根据最终确定的近似模型反推出漂洗所需的工艺参数，并以得到的工艺参数进行水洗。
所述步骤(1)中影响因素涉及漂洗工艺中的三个参数，包括：温度、时间和次氯酸钠浓度，表征指标为牛仔刺绣图案褪色程度。
所述步骤(2)中采用混合水平正交实验设计法对刺绣图案褪色的影响因素进行取样。
所述步骤(3)中构建响应面模型时以取样到的刺绣图案褪色的影响因素作为输入，表征指标作为独立输出，通过回归分析建立数学方程。
所述步骤(3)中构建神经网络模型时以刺绣图案褪色的影响因素作为输入层的输入参数，将表征指标作为输出层的一个输出响应构建RBF神经网络；所述RBF神经网络的训练样本为取样到的刺绣图案褪色的影响因素。
所述步骤(4)中通过测试样本的均方根误差来衡量模型的精度。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明可以得到刺绣牛仔服装三个漂洗工艺参数与刺绣图案褪色程度之间的近似模型，使得水洗技师在已知刺绣牛仔面料洗后图案褪色程度的基础上，能够通过该模型反推所需的水洗工艺参数快速达到客户需求的水洗效果，提高生产效率、节约成本。行之有效的理论体系与建模方法为后来学者研究提供了参考依据，填补了牛仔刺绣图案褪色后整理技术领域的空白。
附图说明
图1是牛仔刺绣图案漂洗褪色工艺过程的抽象黑匣子示意图；
图2A是漂洗试样洗前对照样本图；
图2B是不同工艺参数组合控制下的8种漂洗试样展示图；
图3A是案例样衣G1应用模型反推所需工艺参数漂洗后的效果图；
图3B是案例样衣G1水洗技师凭经验设定工艺参数漂洗后的效果图；
图4是开发样衣G2漂洗后的外观效果图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种牛仔刺绣图案漂洗褪色工艺参数建模方法，如图1所示，该方法所采取的建模思想是将牛仔刺绣图案漂洗褪色的工艺过程抽象为一个内部无法观测的黑匣子，即只能获取黑匣子的输入参数以及所对应的输出结果来建立模型。
本发明综合了牛仔刺绣图案漂洗褪色的技术特征，由专业研究者、专业技术人员共同确立牛仔刺绣图案漂洗褪色的主要影响参数、参数相应的变化水平及区间制定，采用混合水平正交实验设计法进行样本采集，选择合理建模方法来模拟输入变量与表征指标之间的映射关系，并对所构造模型的精度进行对比分析，最终确立牛仔刺绣图案漂洗褪色工艺参数的最优近似模型。具体步骤如下：
一、确定刺绣图案褪色的影响因素及表征指标
在刺绣牛仔服装洗后刺绣图案褪色的问题中，人造丝成分绣花线和漂洗工艺起着关键的作用，漂洗工艺包含多种方法，在实际生产中运用较为广泛，在生产中也涉及到多种化学药品的运用，且对时间、温度等均有要求。本实施方式仅针对人造丝线刺绣牛仔面料的氯漂工艺进行近似模型的建立与分析，在刺绣牛仔服装洗后刺绣图案褪色问题的影响因素中，主要涉及漂洗工艺中的三个主要参数：温度、时间、次氯酸钠浓度，将其作为近似模型的输入参数，牛仔刺绣图案褪色程度作为表征指标。
二、制定实验设计方案
为了确保样本能够很好的反映设计空间系统的实际情况，因此需要使用科学合理的实验方法在变量制定区间内选取样本。实验设计方法可以分为两类：一类是由几何、组合、代数方法建立的，如正交设计、蒙特卡洛、均匀设计、最优化设计、拉丁超立方设计等；另一类是由优化方法产生的，如最大最小距离法、贝叶斯方法等。
本实施方式采用混合水平正交实验设计法对漂洗工艺参数进行取样，其中三因素为：漂洗温度、漂洗时间以及次氯酸钠浓度，三个因素的变化水平及区间制定是咨询相关技术人员后确定的方案，将水洗温度记为A，与之对应的水平为55℃、65℃；水洗时间记为B，与之对应的水平为8min、12min、15min、18min、22min、25min、28min、30min；次氯酸钠浓度记为C，与之对应的水平为4.5％(o.w.f)、5％(o.w.f)、5.5％(o.w.f)、6％(o.w.f)、6.5％(o.w.f)、7％(o.w.f)、7.5％(o.w.f)、8％(o.w.f)，实验得到不同工艺参数组合控制下的漂洗试样(图2A为漂洗试样洗前对照样本，图2B为不同工艺参数组合控制下的8种漂洗试样样本)，8块洗后样本分别命名为(1#样本、2#样本、3#样本、4#样本、5#样本、6#样本、7#样本、8#样本)，8块洗后样本与洗前对照样本相比，刺绣图案分别产生了程度由轻到重的褪色变化，采用5名专家评估法对漂洗后刺绣图案褪色程度进行0到10分的计分评定，经咨询资深水洗技师人员后，将刺绣牛仔洗前对照样本记为0分，本实验中8#样本褪色严重、漂洗后面料强力明显下降，则褪色程度定为10分，其余样本按此标准进行模糊打分法，基于正交实验设计法的漂洗工艺参数取样及其对应褪色程度评估均值汇总见表1。
表1基于正交实验设计法的漂洗工艺参数取样及其对应褪色程度评估均值
| 样本 | 温度(℃) | 时间(min) | 浓度％(o.w.f) | 褪色程度 |
| 1# | 55 | 8 | 4.5 | 1 |
| 2# | 55 | 12 | 5 | 1.6 |
| 3# | 65 | 15 | 5.5 | 2.8 |
| 4# | 65 | 18 | 6 | 3.8 |
| 5# | 55 | 22 | 6.5 | 5.4 |
| 6# | 55 | 25 | 7 | 7.2 |
| 7# | 65 | 28 | 7.5 | 8.6 |
| 8# | 65 | 30 | 8 | 10 |
为使所建立的近似模型理论体系更全面并合乎逻辑，本实施方式另外增加2组对照样本用于后续对近似模型的精度对比分析，2组对照样本中，样本1为轻漂洗工艺，样本2为重漂洗工艺，因此2组对照样本的洗后刺绣图案褪色程度产生了明显不同的轻重变化，对照样本的工艺参数(温度、时间、次氯酸钠浓度)及其对应的褪色程度评估均值汇总见表2。
表2对照样本(氯漂工艺参数及其对应褪色程度评估均值)
| 样本 | 温度(℃) | 时间(min) | 浓度％(o.w.f) | 褪色程度 |
| 1 | 50 | 10 | 4.5 | 2 |
| 2 | 65 | 10 | 7.5 | 8.4 |
三、选取建模方法并构造两种近似模型
为了减少大规模设计空间的计算量，许多学者把近似模型运用到工程设计中，近似模型可以用公式(1)来表示输入因子与输出响应变量之间的关系。
Y(x)＝y(x)+ε (1)
式中，x为输入因子，Y(x)为实际响应值，y(x)为响应近似值，ε为实际值与近似值之间的误差，y(x)为黑箱结构映射关系，在此基础上可以通过优化来减少计算量，提高优化迭代速度与效率。
由于至今还没有任何学者涉及关于牛仔刺绣图案漂洗褪色工艺参数近似建模技术的应用，本实施方式结合工程设计中近似模型的构造方法，采用二次响应面法及RBF神经网络法建立漂洗工艺中输入参数与漂洗后刺绣图案褪色程度之间的近似模型。
其中，所建立二次响应面模型易于用显示数学方程描述，RBF神经网络模型不易于用数学方程直接表达，本实施方式运用Matlab软件构成该类模型，并计算其响应值。因此后续部分将列出基于漂洗工艺所构建的2种近似模型(二次响应面模型、神经网络模型)的数学方程、测试结果及精度分析。
1)基于正交实验设计法的二次响应面模型(漂洗工艺)的建立
二次响应面模型在建立过程中需确定其中的待定系数。以表1中数据为样本，以漂洗温度xa、时间xb和次氯酸钠浓度xc为输入，以刺绣牛仔面料洗后刺绣图案的褪色程度评判数据为独立输出，通过回归分析建立数学方程，并将该数学关系记为所建立的数学模型见公式：
2)基于正交实验设计法的RBF神经网络模型(漂洗工艺)的建立
在RBF神经网络构建中，本发明将漂洗温度xa、时间xb和次氯酸钠浓度xc定义为输入层的输入参数，而在输出层仅定义一个输出响应。因此，针对刺绣图案褪色程度这一输出特征，本实施方式构建一个RBF神经网络，记为正交实验设计法的RBF神经网络模型组的训练样本如表1所示。在RBF神经网络训练的过程中，设定目标误差为0.001，径向基函数分布密度为1，隐含层神经元个数最大值为16，在每次显示之间增加的神经元数目为4，利用Matlab软件中newrb函数可实现RBF神经网络模型的建立。
四、两种模型的精度对比分析
利用表2中所列的对照样本对基于正交实验设计法的二次响应面模型进行测试，对实验值与模型预测值进行对比，并计算出基于该组测试样本的均方根误差(Root MeanSquare Error,RMSE)用以衡量模型精度，均方根误差计算方式为：其中，observedt为实验值，predictedt为预测值，精度测试结果见表3。
表3二次响应面模型(漂洗工艺)精度测试结果
利用表2中所列样本对基于正交实验设计法的RBF神经网络模型进行测试，对实验值与模型预测值进行对比，并计算出基于该组测试样本的均方根误差(Root Mean SquareError,RMSE)用以衡量模型精度，测试结果见表4。
表4 RBF神经网络模型(漂洗工艺)精度测试结果
针对基于漂洗工艺的近似模型，本实施方式主要利用表2中对照样本数据的均方根误差来对比分析模型的精度以及在实际生产中的可行性。通过表3、表4中对照样本数据的均方根误差对比可以得到，二次响应面模型的均方根误差值小于神经网络的均方根误差值，因此二次响应面模型在拟合点处精度较高，而RBF神经网络模型在拟合点处精度相对较低，因此对于牛仔刺绣图案漂洗褪色工艺参数近似模型的建立，采取二次响应面法建模总体要优于RBF神经网络法。
五、最优模型的验证与应用
下面分别以图3A、图3B和图4共3件刺绣牛仔样衣说明上述二次响应面模型的具体验证和应用。
根据本实施方式建立的二次响应面模型反推漂洗所需的工艺参数与水洗技师凭经验设定工艺参数分别对案例样衣进行后整理工艺处理并进行水洗效果对比分析，验证该模型通过反推漂洗所需的工艺参数能够快速达到客户需求的刺绣牛仔产品洗后效果，以此代替水洗技师的经验，提高水洗效率、节约成本。产品编号G1、G2及款式名称、工艺设计见表5。G1作为案例样衣用于对二次响应面模型的验证，G2作为开发样衣进行二次响应面模型的应用。其中，案例样衣G1制作2件，1件应用二次响应面模型反推漂洗所需的工艺参数进行漂洗(记为G11)，1件为水洗技师凭经验设定工艺参数直接进行漂洗(记为G12)。
表5产品编号、款式名称及工艺设计
| 产品编号 | 款式名称 | 面料成分 | 绣线成分 | 后整理工艺 |
| G<sub>1</sub> | 男士休闲衬衫 | 100％棉 | 人造丝线 | 重漂洗、喷马骝 |
| G<sub>2</sub> | 女士合体休闲衬衫 | 100％棉 | 人造丝线 | 重漂洗、喷马骝 |
本实施方式在模型验证过程中首先将客户提供的洗后参照样本与洗前案例样衣G1对比，并采用专家评估法评估得到刺绣图案褪色程度值，通过模型反推漂洗所需的工艺参数与水洗技师凭经验设定工艺参数分别对案例样衣进行后整理工艺处理并进行水洗效果对比，水洗效果是对5位客户进行满意度调查，客户编号为N1、N2、N3、N4、N5，调查实行记分制，效果非常好记5分，效果较好记4分，以此类推，效果非常差记1分，客户对样衣水洗效果的评价标准是严格按照其提供的洗后参照样本。根据表6中客户满意度调查结果，验证得到该模型通过已知刺绣图案洗后褪色程度值反推漂洗所需工艺参数进行漂洗，能够快速达到客户需求的水洗效果，有效替代水洗技师以往的经验，并将模型反推的工艺参数与水洗技师凭经验设定的工艺参数进行方差对比,分析得出该模型的相对优异程度，方差见公式当S＞0.5时，认为两组数据存在显著性差异。最后将该模型应用于刺绣牛仔成衣G2的产品开发中。
表6 3件样衣洗后效果客户满意度调查
案例研究：G1作为案例样衣，将客户提供的洗后参照样本与洗前案例样衣G1作对比，采用专家评估法对刺绣图案褪色程度进行评估，从提供的洗后参照样本中可以看出，在洗前案例样衣基础上客户需要达到的刺绣牛仔产品洗后效果是刺绣图案褪色程度明显、牛仔面料底布色调也明显偏浅的效果，因此案例样衣G1的后整理方式为重漂洗工艺。
根据褪色程度评估值应用二次响应面模型反推漂洗所需的工艺参数进行漂洗得到的样衣G11洗后效果如图3A所示，而水洗技师凭经验设定工艺参数直接进行漂洗得到的样衣G12洗后效果如图3B所示，根据表6中客户满意度调查结果，客户一致评价G11为5分，而G12平均4.44分。从图3A、图3B对比可以看出，G11比G12刺绣图案褪色程度更明显，牛仔面料底布也更加偏浅色调，G11的洗后效果更接近客户需求，而G12的刺绣图案褪色程度明显很轻，与客户需求相差较大，因此评分较低。
将二次响应面模型反推漂洗所需的工艺参数与水洗技师凭经验设定的工艺参数进行方差分析对比，见表7。
表7案例样衣G1模型反推工艺参数与水洗技师经验设定参数方差分析对比
由表7可以得出，两个参数组合间存在显著性差异，说明与水洗技师凭经验设定的工艺参数相比，应用二次响应面模型反推漂洗所需的工艺参数具有明显优势，因此使用该模型反推工艺参数能够有效替代水洗技师的经验值，具有实际意义。水洗技师在漂洗时间的设定上虽明显高于模型反推值，但次氯酸钠浓度相对较低，因此导致图3A和图3B所示的G12比G11刺绣图案褪色程度轻，未能达到客户需求的漂洗效果，说明漂洗工艺中对褪色程度影响最大的是次氯酸钠浓度，其次为漂洗时间。
模型应用：从上述案例研究中可以看出客户需求的刺绣牛仔产品洗后效果是刺绣图案褪色程度明显、牛仔面料底布色调偏浅的效果，因此G2作为开发样衣，采用的后整理方式为重漂洗工艺，并增加了喷马骝工艺。首先采用专家评估法得到刺绣图案褪色程度评估数值，应用二次响应面模型反推漂洗所需的工艺参数，工艺参数设定见表9，漂洗效果如图4所示，图中可以看出重漂洗工艺下的刺绣图案及牛仔面料底布均产生明显褪色，这种整体偏浅色调的刺绣牛仔产品效果满足了客户的需求，一致评分G2为5分。
表9开发样衣G2基于模型反推的漂洗工艺参数组合
| 温度 | 时间 | 次氯酸钠浓度 | |
| 模型反推值 | 65 | 25 | 8 |
同时G2增加了喷马骝工艺，喷马骝是常用成衣水洗后整理方式之一，但是在刺绣牛仔成衣上使用喷马骝工艺是目前企业少有的情况，本实施方式在刺绣牛仔产品开发中创新性地应用了喷马骝工艺，使得刺绣牛仔产品表面出现霜白效果，更加美观。
实例验证，首创的基于正交实验设计的二次响应面建模方法能够合理有效的应用于牛仔刺绣图案漂洗褪色的工艺处理中，从确定刺绣图案褪色的影响因素及表征指标、制定实验设计方案、选取建模方法并构造两种近似模型、两种模型的精度对比分析、最优模型的验证与应用，填补了牛仔刺绣图案褪色后整理技术领域的空白，完善了牛仔刺绣图案漂洗褪色工艺理论体系，细化了传统牛仔刺绣图案漂洗褪色工艺参数设定方法，清晰量化了三个漂洗工艺参数与洗后刺绣图案褪色程度之间的数学关系，对改善牛仔刺绣图案漂洗褪色质量和效率具有指导意义。
不难发现，本发明是基于响应面与神经网络的牛仔刺绣图案漂洗褪色的工艺参数建模方法，区别于传统牛仔刺绣图案漂洗褪色程度的经验判断、多因素难以确定的非量化方法，新方法形成了一套完整的、行之有效的牛仔刺绣图案漂洗褪色工艺参数设定的理论体系。
Claims (6)
1.一种牛仔刺绣图案漂洗褪色工艺参数建模方法，其特征在于，包括以下步骤：
(1)确定刺绣图案褪色的影响因素及表征指标；
(2)制定实验设计方案以对刺绣图案褪色的影响因素进行取样；
(3)根据取样结果和所述表征指标构建神经网络模型和响应面模型；
(4)针对获得的神经网络模型和响应面模型，利用步骤(2)制定的实验设计方案再进行实验得到对照样本参数，通过对照样本参数得到实际值与两个模型得到的输出结果之间的差距来分析和对比两种模型的可行性和精度，并确定最终的近似模型构造框架；
(5)根据最终确定的近似模型反推出漂洗所需的工艺参数，并以得到的工艺参数进行水洗。
2.根据权利要求1所述的牛仔刺绣图案漂洗褪色工艺参数建模方法，其特征在于，所述步骤(1)中影响因素涉及漂洗工艺中的三个参数，包括：温度、时间和次氯酸钠浓度，表征指标为牛仔刺绣图案褪色程度。
3.根据权利要求1所述的牛仔刺绣图案漂洗褪色工艺参数建模方法，其特征在于，所述步骤(2)中采用混合水平正交实验设计法对刺绣图案褪色的影响因素进行取样。
4.根据权利要求1所述的牛仔刺绣图案漂洗褪色工艺参数建模方法，其特征在于，所述步骤(3)中构建响应面模型时以取样到的刺绣图案褪色的影响因素作为输入，表征指标作为独立输出，通过回归分析建立数学方程。
5.根据权利要求1所述的牛仔刺绣图案漂洗褪色工艺参数建模方法，其特征在于，所述步骤(3)中构建神经网络模型时以刺绣图案褪色的影响因素作为输入层的输入参数，将表征指标作为输出层的一个输出响应构建RBF神经网络；所述RBF神经网络的训练样本为取样到的刺绣图案褪色的影响因素。
6.根据权利要求1所述的牛仔刺绣图案漂洗褪色工艺参数建模方法，其特征在于，所述步骤(4)中通过测试样本的均方根误差来衡量模型的精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910096792.XA CN109885910A (zh) | 2019-01-31 | 2019-01-31 | 一种牛仔刺绣图案漂洗褪色工艺参数建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910096792.XA CN109885910A (zh) | 2019-01-31 | 2019-01-31 | 一种牛仔刺绣图案漂洗褪色工艺参数建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109885910A true CN109885910A (zh) | 2019-06-14 |
Family
ID=66927563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910096792.XA Pending CN109885910A (zh) | 2019-01-31 | 2019-01-31 | 一种牛仔刺绣图案漂洗褪色工艺参数建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109885910A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112760858A (zh) * | 2019-10-21 | 2021-05-07 | 阿里巴巴集团控股有限公司 | 洗水参数获取方法、设备、系统及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102539434A (zh) * | 2012-01-06 | 2012-07-04 | 江南大学 | 基于图像分析的数字喷墨印花纺织品耐皂洗色牢度评价方法 |
| CN106372426A (zh) * | 2016-08-31 | 2017-02-01 | 郑州航空工业管理学院 | 基于主成分分析与神经网络的多响应参数优化方法 |
| CN108389194A (zh) * | 2018-02-24 | 2018-08-10 | 广州大久生物科技有限公司 | 基于人工智能的牛仔布水洗效果评价的图像识别方法及装置 |
-
2019
- 2019-01-31 CN CN201910096792.XA patent/CN109885910A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102539434A (zh) * | 2012-01-06 | 2012-07-04 | 江南大学 | 基于图像分析的数字喷墨印花纺织品耐皂洗色牢度评价方法 |
| CN106372426A (zh) * | 2016-08-31 | 2017-02-01 | 郑州航空工业管理学院 | 基于主成分分析与神经网络的多响应参数优化方法 |
| CN108389194A (zh) * | 2018-02-24 | 2018-08-10 | 广州大久生物科技有限公司 | 基于人工智能的牛仔布水洗效果评价的图像识别方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 柯文博: "基于近似模型技术的牛仔服装漂洗工艺参数响应建模与优化", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112760858A (zh) * | 2019-10-21 | 2021-05-07 | 阿里巴巴集团控股有限公司 | 洗水参数获取方法、设备、系统及存储介质 |
| CN112760858B (zh) * | 2019-10-21 | 2023-10-24 | 阿里巴巴集团控股有限公司 | 洗水参数获取方法、设备、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230153889A1 (en) | Product recommendation device and method based on image database analysis | |
| CN108256482A (zh) | 一种基于卷积神经网络进行分布学习的人脸年龄估计方法 | |
| CN109582994B (zh) | 一种色纺纱智能选色配色方法 | |
| Wang et al. | SSIEA: a hybrid evolutionary algorithm for supporting conceptual architectural design | |
| Yu et al. | LSSVM-based color prediction for cotton fabrics with reactive pad-dry-pad-steam dyeing | |
| Hossain et al. | Dyeing process parameters optimisation and colour strength prediction for viscose/lycra blended knitted fabrics using Taguchi method | |
| CN109885910A (zh) | 一种牛仔刺绣图案漂洗褪色工艺参数建模方法 | |
| Wu et al. | Image style recognition and intelligent design of oiled paper bamboo umbrella based on deep learning | |
| Hossain et al. | Predicting the colour properties of viscose knitted fabrics using soft computing approaches | |
| Senthilkumar | Modelling of CIELAB values in vinyl sulphone dye application using feed-forward neural networks | |
| Senthilkumar et al. | Achieving expected depth of shade in reactive dye application using artificial neural network technique | |
| KR20110087752A (ko) | 신경망을 이용한 천연 염색물의 색상 예측 방법 | |
| Yang et al. | Does global value chain position affect innovation performance of China’s high-tech industries? | |
| Singha et al. | Use of AI and machine learning techniques in knitting | |
| CN111719322A (zh) | 涤锦和阳离子涤锦复合纤维毛圈针织物的同浴染色方法 | |
| Jin et al. | Reconstruction of traditional safflower (Carthamus tinctorius L.) dyeing and red colors in the Qing Dynasty (17th-19th century) | |
| Jordan et al. | Decision making for two learning agents acting like human agents: A proof of concept for the application of a Learning Classifier Systems | |
| Zeydan et al. | Reducing variation of dyeing process in textile manufacturing industry | |
| CN113128104A (zh) | 一种基于改进bp神经网络的计算机测配色方法 | |
| Gao et al. | Relationship between Knowledge Flow of Scientific and Technological Innovation and the Collaborative Innovation Ability of Students. | |
| Jiang et al. | Application of Interactive Genetic Algorithm in Fractal Art Pattern Design System | |
| Lu et al. | Brain Effective Connectivity Learning with Deep Reinforcement Learning | |
| Lin | Intelligent Decision Making Based on GA for Creative Apparel Styling. | |
| Scholz et al. | Comparing the HES framework with alternative approaches | |
| Chattopadhyay et al. | Dyeing of jute fabric using indigosol dyes |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |