CN112633397B - 一种绣花定制方法及系统 - Google Patents

一种绣花定制方法及系统 Download PDF

Info

Publication number
CN112633397B
CN112633397B CN202011597442.0A CN202011597442A CN112633397B CN 112633397 B CN112633397 B CN 112633397B CN 202011597442 A CN202011597442 A CN 202011597442A CN 112633397 B CN112633397 B CN 112633397B
Authority
CN
China
Prior art keywords
information
pattern
embroidery
obtaining
parameter
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
Application number
CN202011597442.0A
Other languages
English (en)
Other versions
CN112633397A (zh
Inventor
钱卫琴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Weimiao Textile Technology Co ltd
Original Assignee
Jiangsu Weimiao Textile Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Weimiao Textile Technology Co ltd filed Critical Jiangsu Weimiao Textile Technology Co ltd
Priority to CN202011597442.0A priority Critical patent/CN112633397B/zh
Publication of CN112633397A publication Critical patent/CN112633397A/zh
Application granted granted Critical
Publication of CN112633397B publication Critical patent/CN112633397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Sewing Machines And Sewing (AREA)

Abstract

本发明公开了一种绣花定制方法及系统,获得输入参数指令;根据所述输入参数指令,获得参数要求信息,根据所述参数要求信息,获得第一图案信息,根据所述第一图案信息,确定第二图案信息,将所述第二图案信息输入第一训练模型,获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;根据所述第一刺绣参数信息,获得第一预测结果,根据所述第一预测结果发送第一结果,根据所述第一结果,确定第一绣花定制信息。解决了现有技术中存在根据用户的实际需求和用途,进行绣花定制时不够便捷,并且预测效果和定制价格展示不及时的技术问题。

Description

一种绣花定制方法及系统
技术领域
本发明涉及绣花定制相关领域,尤其涉及一种绣花定制方法及系统。
背景技术
绣花,也称刺绣,又名“针绣”。以绣针引彩线(丝、绒、线),按设计的花样,在织物(丝绸、布帛)上刺缀运针,以绣迹构成纹样或文字,是我国优秀的民族传统工艺之一。绣品的用途包括:生活服装,歌舞或戏曲服饰,台布、枕套、靠垫等生活日用品及屏风、壁挂等陈设品。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在根据用户的实际需求和用途,进行绣花定制时不够便捷,并且预测效果和定制价格展示不及时的技术问题。
发明内容
本申请实施例通过提供一种绣花定制方法及系统,解决了现有技术中存在根据用户的实际需求和用途,进行绣花定制时不够便捷,并且预测效果和定制价格展示不及时的技术问题,达到在线根据用户的需求进行绣花定制,并生成绣花效果图的预测价格,进而获得与用户需求更加匹配的定制绣花,并进行预测效果和定制价格进行及时展示,达到操作简单、方便快捷、时效性高的技术效果。
鉴于上述问题,提出了本申请实施例提供一种绣花定制方法及系统。
第一方面,本申请实施例提供了一种绣花定制方法,所述方法包括:获得输入参数指令;根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;根据所述第一预测结果发送第一结果,所述第一结果为向用户发送第二图像信息的绣花定制结果;根据所述第一结果,确定第一绣花定制信息。
另一方面,本申请还提供了一种绣花定制系统,所述系统包括:第一获得单元,所述第一获得单元用于获得输入参数指令;第二获得单元,所述第二获得单元用于根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;第三获得单元,所述第三获得单元用于根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;第一确定单元,所述第一确定单元用于根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;第一输入单元,所述第一输入单元用于将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;第四获得单元,所述第四获得单元用于获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;第五获得单元,所述第五获得单元用于根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;第一发送单元,所述第一发送单元用于根据所述第一预测结果发送第一结果,所述第一结果为向用户发送第二图像信息的绣花定制结果;第二确定单元,所述第二确定单元用于根据所述第一结果,确定第一绣花定制信息。
第三方面,本发明提供了一种绣花定制系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据输入参数指令,获得输入参数信息,获得第一图案信息,并根据第一图案信息确定第二图案信息,将所述第二图案信息输入第一训练模型,获得第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息,根据所述第一刺绣参数信息,获得第一预测结果,将所述第一预测结果发送给用户,根据用户确认结果进行方案的调整,达到在线根据用户的需求进行绣花定制,并生成绣花效果图的预测价格,进而获得与用户需求更加匹配的定制绣花,并进行预测效果和定制价格进行及时展示,达到操作简单、方便快捷、时效性高的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种绣花定制方法的流程示意图;
图2为本申请实施例一种绣花定制系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一确定单元14,第一输入单元15,第四获得单元16,第五获得单元17,第一发送单元18,第二确定单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种绣花定制方法及系统,解决了现有技术中存在根据用户的实际需求和用途,进行绣花定制时不够便捷,并且预测效果和定制价格展示不及时的技术问题,达到在线根据用户的需求进行绣花定制,并生成绣花效果图的预测价格,进而获得与用户需求更加匹配的定制绣花,并进行预测效果和定制价格进行及时展示,达到操作简单、方便快捷、时效性高的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
绣花,也称刺绣,又名“针绣”。以绣针引彩线(丝、绒、线),按设计的花样,在织物(丝绸、布帛)上刺缀运针,以绣迹构成纹样或文字,是我国优秀的民族传统工艺之一。绣品的用途包括:生活服装,歌舞或戏曲服饰,台布、枕套、靠垫等生活日用品及屏风、壁挂等陈设品。但解决了现有技术中存在根据用户的实际需求和用途,进行绣花定制时不够便捷,并且预测效果和定制价格展示不及时的技术问题。
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种绣花定制方法,所述方法包括:获得输入参数指令;根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;根据所述第一预测结果发送第一结果,所述第一结果为向用户发送第二图像信息的绣花定制结果;根据所述第一结果,确定第一绣花定制信息。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种绣花定制方法,其中,所述方法包括:
步骤S100:获得输入参数指令;
步骤S200:根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;
具体而言,所述输入参数指令为调出参数信息的输入指令,根据所述输入参数指令,获得参数要求信息,所述参数要求包括必要参数信息和辅助参数信息,所述必要参数信息包括图像的类型,大小、图案立体程度、用途信息,所述辅助参数为非必要参数信息,所述非必要参数包括绣花的绣线颜色、绣花风格等信息。
步骤S300:根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;
具体而言,所述根据参数要求信息获得第一图案信息,所述第一图案信息为包括两个以上的图案的图像信息,根据所述参数要求,根据所述要求从图案数据库中获取匹配度最高的至少两个图案信息,将所述至少两个以上的图案信息作为初步的备选图案。
进一步而言,所述根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上,本申请实施例步骤S300还包括:
步骤S310:根据所述参数要求信息中的图案类型、用途信息,从大数据中匹配获取第一匹配图案集合;
步骤S320:根据所述参数要求信息中的图案大小、图案立体程度,对所述第一匹配图案集合进行筛选,获得第二匹配图案集合;
步骤S330:判断所述第二匹配图案集合的图案数量是否满足第一预定阈值;
步骤S340:当满足时,根据所述第二匹配图案集合,获得所述第一图案信息。
具体而言,根据所述参数要求的图案类型、用途信息获取第一匹配图案的集合,所述第一图案与图案的类型和绣花的用途相对应匹配,举例而言,当所述第一绣花用于嫁娶事宜时,则所述匹配图案以寓意吉祥、幸福、百年好合为核心字段,所述匹配的图案多为鸳鸯、凤凰等象征爱情的图案或图案的衍生体。根据图案的大小、立体程度信息对所述第一匹配图案集合的图案进行筛选,获得筛选结果,将所述筛选结果作为第二匹配图案集合,所述第一预定阈值为图案的个数阈值,本申请实施例的第一阈值设定为图案个数至少为2个,判断所述第二匹配图案集合的个数是否超过2个,当满足时,根据所述第二匹配图案集合,获得所述第一图案信息。
步骤S400:根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;
具体而言,所述根据第一图案信息确定第二图案信息的过程为人为筛选确定的过程,根据所述第一图案信息,确定与所述绣花参数要求更加合适、匹配的图案信息,所述图案信息为第二图案信息。
步骤S500:将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;
步骤S600:获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;
具体而言,所述第一训练模型为机器学习中的神经网络模型,神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial NeuralNetworks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述第二图案信息输入神经网络模型,则输出第一刺绣参数信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第二图案信息和标识刺绣工艺参数的标识信息,将所述第二图案信息输入到神经网络模型中,根据用来标识刺绣工艺参数的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确的第一刺绣参数信息,进而可达到对刺绣的效果和价格进行准确的评估的技术效果。
步骤S700:根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;
具体而言,所述刺绣参数包括所述刺绣的详细参数,所述参数包括所述绣线的使用情况,所述使用情况包括绣线的种类、长度等信息,还包括刺绣过程中的刺绣手法、工艺的情况,根据所述详细的参数信息,获得所述刺绣的完成体的刺绣效果预览图及所述刺绣的第一预测价格,将其作为第一预测结果。
步骤S800:根据所述第一预测结果发送第一结果,所述第一结果为向用户发送所述第二图案信息的绣花定制结果;
步骤S900:根据所述第一结果,确定第一绣花定制信息。
具体而言,将所述第一预测结果发送给所述用户,所述用户为进行绣花定制的用户,将所述包括第二图案的绣花定制的结果发送给所述用户,根据所述用户额反馈结果,确定所述第一绣花定制的信息。举例而言,当所述用户觉得价格偏高,图案合适,可以使用价格稍低的绣线或相对简单的刺绣工艺,以降低价格,达到在线根据用户的需求进行绣花定制,并生成绣花效果图的预测价格,进而获得与用户需求更加匹配的定制绣花,并进行预测效果和定制价格进行及时展示,达到操作简单、方便快捷、时效性高的技术效果。
进一步而言,判断所述第二匹配图案集合的图案数量是否满足第一预定阈值之后,本申请实施例步骤S330还包括:
步骤S331:当所述第二匹配图案集合的图案数量不满足所述第一预定阈值时,根据所述第二匹配图案集合,获得所述第二匹配图案集合中的第一匹配图案信息;
步骤S332:将所述第一匹配图案信息、所述参数要求信息中的图案类型、用途信息输入第二训练模型中,所述第二训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一匹配图案信息、所述参数要求信息中的图案类型、用途信息和标识图案主题匹配度的标识信息;
步骤S333:获得所述第二训练模型的第二输出结果,所述第二输出结果包括第一匹配度信息;
步骤S334:分别将所述第二匹配图案集合中的所有匹配图案信息输入所述第二训练模型中,获得对应的匹配度信息;
步骤S335:将获得的所有匹配度信息按照从高到低进行排序,根据所述第一预定阈值的阈值数量要求获得排序靠前的匹配图案信息,获得第三匹配图案信息;
步骤S336:根据所述第三匹配图案信息,获得所述第一图案信息。
具体而言,当所述第二匹配图案集合匹配的图案数量不满足所述第一预定阈值时,此时获得所述第二匹配图案集合的第一匹配图案信息,将所述第一匹配图案信息输入第二训练模型,所述第二训练模型同样为机器学习中的神经网络模型,这里不再展开叙述,所述第二训练模型通过多组训练数据进行训练获得,所述训练数据中的每组均包括:所述第一匹配图案信息、所述参数要求信息中的图案类型、用途信息和标识图案主题匹配度的标识信息。获得所述第二训练模型的第二输出结果,所述第二输出结果包括第一匹配度信息,将获得的所有匹配度信息按照从高到低进行排序,根据所述第一预定阈值的阈值数量要求获得排序靠前的匹配图案信息,获得第三匹配图案信息,根据所述第三匹配图案信息,获得所述第一图案信息。通过第二训练模型对匹配图案的进一步匹配处理,获得更多的图案选择方案,进而为后续可以匹配客户需求更加准确的方案夯实了基础。
进一步而言,本申请实施例还包括:
步骤S1010:根据所述第一刺绣参数信息,获得绣线粗细参数;
步骤S1020:根据所述绣线粗细参数,获得第一粗细调整信息;
步骤S1030:根据所述第一粗细调整信息、所述第二图案信息,获得第二刺绣参数信息;
步骤S1040:根据所述第二刺绣参数信息,获得第二预测结果,所述第二预测结果包括第二预测效果、第二预测价格;
步骤S1050:根据所述第一预测结果、第二预测结果,发送第一选择信息;
步骤S1060:根据所述第一选择信息,获得所述第一绣花定制信息。
具体而言,所述刺绣的参数信息包括绣线的粗细参数,所述绣线粗细是标识绣线规格的重要参数之一,一般用旦尼尔-D来表示,它是指9000米长度丝的克重,D=g/L*9000,其中g为丝线的重量(克)L为丝线的长度(米)。D数越大,则绣花线越粗。相反,D数越小,则绣花线越细。根据所述绣线的粗细信息获得第二刺绣参数信息,根据所述第二刺绣参数信息,获得第二预测结果,所述第二预测结果包括第二预测效果、第二预测价格,根据所述第一预测结果、第二预测结果,发送第一选择信息,根据用户的选择结果,获得所述第一绣花定制信息。
进一步而言,本申请实施例还包括:
步骤S1110:根据所述第一刺绣参数信息,获得绣线信息;
步骤S1120:根据所述第二图案信息、所述绣线信息,获得第一绣线调整信息;
步骤S1130:根据所述第一绣线调整信息、所述第二图案信息,获得第三刺绣参数信息;
步骤S1140:根据所述第三刺绣参数信息,获得第三预测结果,所述第三预测结果包括第三预测效果、第三预测价格;
步骤S1150:根据所述第一预测结果、第三预测结果,发送第二选择信息;
步骤S1160:根据所述第二选择信息,获得所述第一绣花定制信息。
具体而言,根据所述第一刺绣参数信息,获得不同的图案部位的刺绣的工艺信息,根据所述不同的工艺情况,获得相匹配的绣线信息,根据所述第二图案要表现的张力、情感对所述绣线的材质、颜色、粗细、工艺等进行调整,获得第一绣线的调整信息,根据所述第一绣线调整信息获得第三刺绣参数信息,通过所述第三刺绣参数信息生成第三预测效果和第三预测价格,将所述第三预测效果和第三预测价格作为第三预测结果,根据所述第三预测结果、第一预测结果进行选择,根据所述选择情况,获得相对应的绣花定制信息。通过对不同工艺参数下的绣花定制结果发送用户进行选择,可以使所述用户有更多的选择的结果,进而达到方便快捷的获得与所述用户的需求更加匹配的绣花定制结果,并进行及时展示的技术效果。
进一步而言,本申请实施例还包括:
步骤S1210:根据所述第一刺绣参数信息,获得绣线颜色信息;
步骤S1220:根据所述绣线颜色信息,获得第一颜色调整信息;
步骤S1230:根据所述第一颜色调整信息,获得第四预测结果;
步骤S1240:根据所述第一预测结果、第四预测结果,发送第三选择信息;
步骤S1250:根据所述第三选择信息,获得所述第一绣花定制信息。
具体而言,具体而言,所述颜色调整包括图像不同位置的颜色调整,还包括同一位置的颜色调整,举例而言,所述不同位置的颜色调整具体指不同的颜色搭配、颜色碰撞获得的不同图案效果,所述同一位置的颜色调整具体为当确定当前位置选用黄色色调时,此时针对所述黄色色调进行绣线的颜色调整,所述颜色可以是淡黄色、深黄色、亮金色等,根据所述颜色的调整的不同,获得第四预测结果,根据所述第四预测结果、第一预测结果发送第三选择信息,根据选择结果获得绣花定制的参数信息。
进一步而言,本申请实施例还包括:
步骤S1310:获得用户图案信息;
步骤S1320:根据所述用户图案信息、所述参数要求信息,获得第四刺绣工艺参数;
步骤S1330:根据所述第四刺绣工艺参数,获得第五预测结果,所述第五预测结果包括第五预测效果、第五预测价格;
步骤S1340:根据所述用户图案信息、参数要求信息、第四刺绣工艺参数,获得第五刺绣工艺参数,所述第五刺绣工艺参数为所述第四刺绣工艺参数的可替换工艺参数;
步骤S1350:根据所述第五刺绣工艺参数,获得第六预测结果,所述第六预测结果包括第六预测效果、第六预测价格;
步骤S1360:根据所述第五预测结果、第六预测结果,获得第四选择信息;
步骤S1370:根据所述第四选择信息,获得第二绣花定制信息。
具体而言,所述用户图案信息为用户指定的图案信息,根据用户的定制图案,用户的参数要求信息获得对应的工艺参数,即所述第四刺绣工艺参数,第五工艺参数,其中,第四工艺参数与第五工艺参数不同,根据所述工艺参数生成第五预测结果和第六预测结果,即根据用户的图案信息和参数要求信息生成两套选择方案,所述方案为第五预测结果和第六预测结果,将所述预测结果发送给用户选择,根据选择结果,获得第二绣花定制信息。
进一步而言,本申请实施例还包括:
步骤S1410:获得第一预测结果、第二预测结果直至第N预测结果,根据所述第一预测结果生成第一验证码,所述第一验证码与所述第一预测结果一一对应,N为大于1的自然数;
步骤S1420:根据所述第二预测结果和第一验证码生成第二验证码,以此类推,根据所述第N预测结果和第N-1验证码生成第N验证码;
步骤S1430:将所有预测结果和验证码复制存储在M台电子设备上,其中,M为大于1的自然数。
具体而言,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账”,共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一预测结果生成第一验证码,所述第一验证码与第一预测结果一一对应;根据所述第二预测结果和第一验证码生成第二验证码,第二验证码与第二预测结果一一对应;以此类推,根据所述第N预测结果和第N-1验证码生成第N验证码,其中,N为大于1的自然数,将所有预测结果和验证码分别复制保存在M台设备上,其中,所述第一预测结果和所述第一验证码作为第一存储单元保存在一台设备上,所述第二预测结果和所述第二验证码作为第二存储单元保存在一台设备上,所述第N预测结果和所述第N验证码作为第N存储单元保存在一台设备上,当需要调用所述预测结果时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单元进行串接,使得预测结果不易丢失和遭到破坏,通过区块链的逻辑对所述预测结果进行加密处理,保证了所述预测结果的安全性,进而保证了用户的信息安全,保护绣花产品的信息安全。
综上所述,本申请实施例所提供的一种绣花定制方法及系统具有如下技术效果:
1、由于采用了根据输入参数指令,获得输入参数信息,获得第一图案信息,并根据第一图案信息确定第二图案信息,将所述第二图案信息输入第一训练模型,获得第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息,根据所述第一刺绣参数信息,获得第一预测结果,将所述第一预测结果发送给用户,根据用户确认结果进行方案的调整,达到在线根据用户的需求进行绣花定制,并生成绣花效果图的预测价格,进而获得与用户需求更加匹配的定制绣花,并进行预测效果和定制价格进行及时展示,达到操作简单、方便快捷、时效性高的技术效果。
2、由于采用了通过对所述神经网络模型的监督学习的方式,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确的第一刺绣参数信息,进而可达到对刺绣的效果和价格进行准确的评估的技术效果。
3、由于采用了通过第二训练模型对匹配图案的进一步匹配处理的方式,获得更多的图案选择方案,进而为后续可以匹配客户需求更加准确的方案夯实了基础。
4、通过对不同工艺参数下的绣花定制结果发送用户进行选择,可以使所述用户有更多的选择的结果,进而达到方便快捷的获得与所述用户的需求更加匹配的绣花定制结果,并进行及时展示的技术效果。
实施例二
基于与前述实施例中一种绣花定制方法同样发明构思,本发明还提供了一种绣花定制系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得输入参数指令;
第二获得单元12,所述第二获得单元12用于根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;
第三获得单元13,所述第三获得单元13用于根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;
第一确定单元14,所述第一确定单元14用于根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;
第一输入单元15,所述第一输入单元15用于将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;
第四获得单元16,所述第四获得单元16用于获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;
第五获得单元17,所述第五获得单元17用于根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;
第一发送单元18,所述第一发送单元18用于根据所述第一预测结果发送第一结果,所述第一结果为向用户发送第二图像信息的绣花定制结果;
第二确定单元19,所述第二确定单元19用于根据所述第一结果,确定第一绣花定制信息。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于根据所述参数要求信息中的图案类型、用途信息,从大数据中匹配获取第一匹配图案集合;
第七获得单元,所述第七获得单元用于根据所述参数要求信息中的图案大小、图案立体程度,对所述第一匹配图案集合进行筛选,获得第二匹配图案集合;
第一判断单元,所述第一判断单元用于判断所述第二匹配图案集合的图案数量是否满足第一预定阈值;
第八获得单元,所述第八获得单元用于当满足时,根据所述第二匹配图案集合,获得所述第一图案信息。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于当所述第二匹配图案集合的图案数量不满足所述第一预定阈值时,根据所述第二匹配图案集合,获得所述第二匹配图案集合中的第一匹配图案信息;
第二输入单元,所述第二输入单元用于将所述第一匹配图案信息、所述参数要求信息中的图案类型、用途信息输入第二训练模型中,所述第二训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一匹配图案信息、所述参数要求信息中的图案类型、用途信息和标识图案主题匹配度的标识信息;
第十获得单元,所述第十获得单元用于获得所述第二训练模型的第二输出结果,所述第二输出结果包括第一匹配度信息;
第十一获得单元,所述第十一获得单元用于分别将所述第二匹配图案集合中的所有匹配图案信息输入所述第二训练模型中,获得对应的匹配度信息;
第十二获得单元,所述第十二获得单元用于将获得的所有匹配度信息按照从高到低进行排序,根据所述第一预定阈值的阈值数量要求获得排序靠前的匹配图案信息,获得第三匹配图案信息;
第十三获得单元,所述第十三获得单元用于根据所述第三匹配图案信息,获得所述第一图案信息。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于根据所述第一刺绣参数信息,获得绣线粗细参数;
第十五获得单元,所述第十五获得单元用于根据所述绣线粗细参数,获得第一粗细调整信息;
第十六获得单元,所述第十六获得单元用于根据所述第一粗细调整信息、所述第二图案信息,获得第二刺绣参数信息;
第十七获得单元,所述第十七获得单元用于根据所述第二刺绣参数信息,获得第二预测结果,所述第二预测结果包括第二预测效果、第二预测价格;
第二发送单元,所述第二发送单元用于根据所述第一预测结果、第二预测结果,发送第一选择信息;
第十八获得单元,所述第十八获得单元用于根据所述第一选择信息,获得所述第一绣花定制信息。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于根据所述第一刺绣参数信息,获得绣线信息;
第二十获得单元,所述第二十获得单元用于根据所述第二图案信息、所述绣线信息,获得第一绣线调整信息;
第二十一获得单元,所述第二十一获得单元用于根据所述第一绣线调整信息、所述第二图案信息,获得第三刺绣参数信息;
第二十二获得单元,所述第二十二获得单元用于根据所述第三刺绣参数信息,获得第三预测结果,所述第三预测结果包括第三预测效果、第三预测价格;
第三发送单元,所述第三发送单元用于根据所述第一预测结果、第三预测结果,发送第二选择信息;
第二十三获得单元,所述第二十三获得单元用于根据所述第二选择信息,获得所述第一绣花定制信息。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于根据所述第一刺绣参数信息,获得绣线颜色信息;
第二十五获得单元,所述第二十五获得单元用于根据所述绣线颜色信息,获得第一颜色调整信息;
第二十六获得单元,所述第二十六获得单元用于根据所述第一颜色调整信息,获得第四预测结果;
第四发送单元,所述第四发送单元用于根据所述第一预测结果、第四预测结果,发送第三选择信息;
第二十七获得单元,所述第二十七获得单元用于根据所述第三选择信息,获得所述第一绣花定制信息。
进一步的,所述系统还包括:
第二十八获得单元,所述第二十八获得单元用于获得用户图案信息;
第二十九获得单元,所述第二十九获得单元用于根据所述用户图案信息、所述参数要求信息,获得第四刺绣工艺参数;
第三十获得单元,所述第三十获得单元用于根据所述第四刺绣工艺参数,获得第五预测结果,所述第五预测结果包括第五预测效果、第五预测价格;
第三十一获得单元,所述第三十一获得单元用于根据所述用户图案信息、参数要求信息、第四刺绣工艺参数,获得第五刺绣工艺参数,所述第五刺绣工艺参数为所述第四刺绣工艺参数的可替换工艺参数;
第三十二获得单元,所述第三十二获得单元用于根据所述第五刺绣工艺参数,获得第六预测结果,所述第六预测结果包括第六预测效果、第六预测价格;
第三十三获得单元,所述第三十三获得单元用于根据所述第五预测结果、第六预测结果,获得第四选择信息;
第三十四获得单元,所述第三十四获得单元用于根据所述第四选择信息,获得第二绣花定制信息。
前述图1实施例一中的一种绣花定制方法的各种变化方式和具体实例同样适用于本实施例的一种绣花定制系统,通过前述对一种绣花定制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种绣花定制系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种绣花定制方法的发明构思,本发明还提供一种绣花定制系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种绣花定制方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种绣花定制方法,所述方法包括:获得输入参数指令;根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;根据所述第一预测结果发送第一结果,所述第一结果为向用户发送第二图像信息的绣花定制结果;根据所述第一结果,确定第一绣花定制信息。解决了现有技术中存在根据用户的实际需求和用途,进行绣花定制时不够便捷,并且预测效果和定制价格展示不及时的技术问题,达到在线根据用户的需求进行绣花定制,并生成绣花效果图的预测价格,进而获得与用户需求更加匹配的定制绣花,并进行预测效果和定制价格进行及时展示,达到操作简单、方便快捷、时效性高的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种绣花定制方法,其中,所述方法包括:
获得输入参数指令;
根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;
根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;
根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;
将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;
获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;
根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;
根据所述第一预测结果发送第一结果,所述第一结果为向用户发送所述第二图案信息的绣花定制结果;
根据所述第一结果,确定第一绣花定制信息;
其中,所述根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上,包括:
根据所述参数要求信息中的图案类型、用途信息,从大数据中匹配获取第一匹配图案集合;
根据所述参数要求信息中的图案大小、图案立体程度,对所述第一匹配图案集合进行筛选,获得第二匹配图案集合;
判断所述第二匹配图案集合的图案数量是否满足第一预定阈值;
当满足时,根据所述第二匹配图案集合,获得所述第一图案信息。
2.如权利要求1所述的方法,其中,判断所述第二匹配图案集合的图案数量是否满足第一预定阈值之后,包括:
当所述第二匹配图案集合的图案数量不满足所述第一预定阈值时,根据所述第二匹配图案集合,获得所述第二匹配图案集合中的第一匹配图案信息;
将所述第一匹配图案信息、所述参数要求信息中的图案类型、用途信息输入第二训练模型中,所述第二训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一匹配图案信息、所述参数要求信息中的图案类型、用途信息和标识图案主题匹配度的标识信息;
获得所述第二训练模型的第二输出结果,所述第二输出结果包括第一匹配度信息;
分别将所述第二匹配图案集合中的所有匹配图案信息输入所述第二训练模型中,获得对应的匹配度信息;
将获得的所有匹配度信息按照从高到低进行排序,根据所述第一预定阈值的阈值数量要求获得排序靠前的匹配图案信息,获得第三匹配图案信息;
根据所述第三匹配图案信息,获得所述第一图案信息。
3.如权利要求1所述的方法,其中,所述方法包括:
根据所述第一刺绣参数信息,获得绣线粗细参数;
根据所述绣线粗细参数,获得第一粗细调整信息;
根据所述第一粗细调整信息、所述第二图案信息,获得第二刺绣参数信息;
根据所述第二刺绣参数信息,获得第二预测结果,所述第二预测结果包括第二预测效果、第二预测价格;
根据所述第一预测结果、第二预测结果,发送第一选择信息;
根据所述第一选择信息,获得所述第一绣花定制信息。
4.如权利要求1所述的方法,其中,所述方法包括:
根据所述第一刺绣参数信息,获得绣线信息;
根据所述第二图案信息、所述绣线信息,获得第一绣线调整信息;
根据所述第一绣线调整信息、所述第二图案信息,获得第三刺绣参数信息;
根据所述第三刺绣参数信息,获得第三预测结果,所述第三预测结果包括第三预测效果、第三预测价格;
根据所述第一预测结果、第三预测结果,发送第二选择信息;
根据所述第二选择信息,获得所述第一绣花定制信息。
5.如权利要求1所述的方法,其中,所述方法包括:
根据所述第一刺绣参数信息,获得绣线颜色信息;
根据所述绣线颜色信息,获得第一颜色调整信息;
根据所述第一颜色调整信息,获得第四预测结果;
根据所述第一预测结果、第四预测结果,发送第三选择信息;
根据所述第三选择信息,获得所述第一绣花定制信息。
6.如权利要求1所述的方法,其中,所述方法包括:
获得用户图案信息;
根据所述用户图案信息、所述参数要求信息,获得第四刺绣工艺参数;
根据所述第四刺绣工艺参数,获得第五预测结果,所述第五预测结果包括第五预测效果、第五预测价格;
根据所述用户图案信息、参数要求信息、第四刺绣工艺参数,获得第五刺绣工艺参数,所述第五刺绣工艺参数为所述第四刺绣工艺参数的可替换工艺参数;
根据所述第五刺绣工艺参数,获得第六预测结果,所述第六预测结果包括第六预测效果、第六预测价格;
根据所述第五预测结果、第六预测结果,获得第四选择信息;
根据所述第四选择信息,获得第二绣花定制信息。
7.一种绣花定制系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得输入参数指令;
第二获得单元,所述第二获得单元用于根据所述输入参数指令,获得参数要求信息,其中,所述参数要求信息包括图像类型、图案大小、图案立体程度、用途信息;
第三获得单元,所述第三获得单元用于根据所述参数要求信息,获得第一图案信息,所述第一图案信息为初步推荐备选图案,其中,所述第一图案信息为两个以上;
第一确定单元,所述第一确定单元用于根据所述第一图案信息,确定第二图案信息,所述第二图案信息为从所述第一图案信息中选择确定的图案;
第一输入单元,所述第一输入单元用于将所述第二图案信息输入第一训练模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第二图案信息和标识刺绣工艺参数的标识信息;
第四获得单元,所述第四获得单元用于获得所述第一训练模型的第一输出结果,所述第一输出结果包括第一刺绣参数信息;
第五获得单元,所述第五获得单元用于根据所述第一刺绣参数信息,获得第一预测结果,所述第一预测结果包括第一预测效果、第一预测价格;
第一发送单元,所述第一发送单元用于根据所述第一预测结果发送第一结果,所述第一结果为向用户发送第二图像信息的绣花定制结果;
第二确定单元,所述第二确定单元用于根据所述第一结果,确定第一绣花定制信息;
所述系统还包括:
第六获得单元,所述第六获得单元用于根据所述参数要求信息中的图案类型、用途信息,从大数据中匹配获取第一匹配图案集合;
第七获得单元,所述第七获得单元用于根据所述参数要求信息中的图案大小、图案立体程度,对所述第一匹配图案集合进行筛选,获得第二匹配图案集合;
第一判断单元,所述第一判断单元用于判断所述第二匹配图案集合的图案数量是否满足第一预定阈值;
第八获得单元,所述第八获得单元用于当满足时,根据所述第二匹配图案集合,获得所述第一图案信息。
8.一种绣花定制系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
CN202011597442.0A 2020-12-29 2020-12-29 一种绣花定制方法及系统 Active CN112633397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011597442.0A CN112633397B (zh) 2020-12-29 2020-12-29 一种绣花定制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011597442.0A CN112633397B (zh) 2020-12-29 2020-12-29 一种绣花定制方法及系统

Publications (2)

Publication Number Publication Date
CN112633397A CN112633397A (zh) 2021-04-09
CN112633397B true CN112633397B (zh) 2021-12-14

Family

ID=75287287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011597442.0A Active CN112633397B (zh) 2020-12-29 2020-12-29 一种绣花定制方法及系统

Country Status (1)

Country Link
CN (1) CN112633397B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393542B (zh) * 2021-06-30 2022-08-02 珠海必要工业科技股份有限公司 刺绣效果图生成方法、装置、电子设备及存储介质
CN117156070B (zh) * 2023-11-01 2024-01-02 江苏惟妙纺织科技有限公司 一种刺绣机的智能化参数调控方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708418A (zh) * 2010-12-28 2012-10-03 日星株式会社 刺绣机的生产性预测法、管理法和价值分析法和记录媒体
CN108428167A (zh) * 2018-02-24 2018-08-21 新百丽鞋业(深圳)有限公司 一种鞋子定制的控制方法及控制系统
CN108677405A (zh) * 2018-04-24 2018-10-19 江苏惟妙纺织科技有限公司 一种含高水溶性底布的防收缩花边
CN109543733A (zh) * 2018-11-11 2019-03-29 东华大学 一种基于云平台的色织面料快速生产方法
CN111090768A (zh) * 2019-12-17 2020-05-01 杭州深绘智能科技有限公司 一种基于深度卷积神经网络的相似图像检索系统和方法
KR20200115714A (ko) * 2019-03-12 2020-10-08 이지순 자수 패턴 정보의 생성을 위한 서비스 장치 및 방법
CN111951128A (zh) * 2020-08-31 2020-11-17 江苏工程职业技术学院 一种节能环保的建筑施工方法和装置
CN112085560A (zh) * 2020-08-19 2020-12-15 王娟 一种基于云计算的智能教育方法及系统
CN112084825A (zh) * 2019-06-14 2020-12-15 佛山市顺德区美的电热电器制造有限公司 烹饪评价方法、烹饪推荐方法、计算机设备及存储介质
CN112102139A (zh) * 2020-11-10 2020-12-18 工福(北京)科技发展有限公司 一种闲置物品交易扶贫管理方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6944605B2 (en) * 2001-02-23 2005-09-13 Brian D. Bailie Expert system and method for creating an embroidered fabric
CN108629360A (zh) * 2017-03-23 2018-10-09 天津工业大学 一种基于深度学习的针织物基本组织结构自动识别方法
CN108509631B (zh) * 2018-04-09 2021-05-04 武汉纺织大学 一种基于刺绣纹饰的图形特征识别和再设计方法
US11103773B2 (en) * 2018-07-27 2021-08-31 Yogesh Rathod Displaying virtual objects based on recognition of real world object and identification of real world object associated location or geofence
CN111612026A (zh) * 2019-02-26 2020-09-01 阿里巴巴集团控股有限公司 获取产品或品类的评价结果的方法、装置和系统
CN110097609B (zh) * 2019-04-04 2022-11-29 浙江凌迪数字科技有限公司 一种基于样本域的精细化绣花纹理迁移方法
CN110413824A (zh) * 2019-06-20 2019-11-05 平安科技(深圳)有限公司 一种相似图片的检索方法及装置
CN111177929A (zh) * 2019-12-31 2020-05-19 江西服装学院 一种纺织面料物理特性数码属性模拟系统及测量方法
CN111681078A (zh) * 2020-06-03 2020-09-18 丽水学院 一种基于c2m的三维羽绒服饰个性化定制系统及使用方法
CN111950568A (zh) * 2020-08-20 2020-11-17 西南科技大学 一种刺绣针法图样特征点提取及匹配方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708418A (zh) * 2010-12-28 2012-10-03 日星株式会社 刺绣机的生产性预测法、管理法和价值分析法和记录媒体
CN108428167A (zh) * 2018-02-24 2018-08-21 新百丽鞋业(深圳)有限公司 一种鞋子定制的控制方法及控制系统
CN108677405A (zh) * 2018-04-24 2018-10-19 江苏惟妙纺织科技有限公司 一种含高水溶性底布的防收缩花边
CN109543733A (zh) * 2018-11-11 2019-03-29 东华大学 一种基于云平台的色织面料快速生产方法
KR20200115714A (ko) * 2019-03-12 2020-10-08 이지순 자수 패턴 정보의 생성을 위한 서비스 장치 및 방법
CN112084825A (zh) * 2019-06-14 2020-12-15 佛山市顺德区美的电热电器制造有限公司 烹饪评价方法、烹饪推荐方法、计算机设备及存储介质
CN111090768A (zh) * 2019-12-17 2020-05-01 杭州深绘智能科技有限公司 一种基于深度卷积神经网络的相似图像检索系统和方法
CN112085560A (zh) * 2020-08-19 2020-12-15 王娟 一种基于云计算的智能教育方法及系统
CN111951128A (zh) * 2020-08-31 2020-11-17 江苏工程职业技术学院 一种节能环保的建筑施工方法和装置
CN112102139A (zh) * 2020-11-10 2020-12-18 工福(北京)科技发展有限公司 一种闲置物品交易扶贫管理方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Generating Embroidery Patterns Using Image-to-Image Translation;M.A.BEG 等;《网络在线公开: https://arxiv.org/abs/2003.02909》;20200305;1-14 *
可重构的纺织品智能工艺设计与虚拟加工方法及应用研究;项前;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》;20170615(第06期);B024-3 *
基于综合推理的绣花智能花稿设计的研究;陈震岳;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20030315(第01期);I138-180 *

Also Published As

Publication number Publication date
CN112633397A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112633397B (zh) 一种绣花定制方法及系统
CN112529113B (zh) 一种绣花生产控制方法及系统
CN110232162B (zh) 一种基于html5的流程定义方法及系统
Topkis Comparative statics of the firm
CN109816624A (zh) 外观检查装置
CN107423430A (zh) 数据处理方法、装置和计算机可读存储介质
WO2016088118A1 (en) Orientation optimization in 3d printing
CN112133435A (zh) 一种儿科护理幼儿意识评估方法和装置
CN112308727A (zh) 保险理赔业务处理方法及装置
CN110135524A (zh) 自动化的模型训练方法、装置、设备及介质
CN112308541A (zh) 处理审批业务流程的方法、计算设备和计算机存储介质
CN111639990A (zh) 一种针织服装快速设计与推款系统
CN109977085A (zh) 一种识别模型构件文件重复的方法和装置
CN112712264A (zh) 一种智慧社区信息共享方法及系统
CN109783793A (zh) 页面编辑排版方法及装置
CN117413988A (zh) 一种非常规的大翻领服装制版配领方法
CN113223187A (zh) 广告成品图批量制作方法、系统、设备及可读存储介质
Wang et al. Construction of Garment Pattern Design Knowledge Base Using Sensory Analysis, Ontology and Support Vector Regression Modeling.
CN112102441A (zh) 色卡制作方法、装置、电子设备和存储介质
CN104699896B (zh) 服装纸样自动加缩水系统及方法
CN110796594A (zh) 一种图像生成方法、装置及设备
CN112381169B (zh) 一种图像识别方法、装置、电子设备及可读存储介质
CN109840336A (zh) 服装设计样本推荐方法和装置
CN112258450B (zh) 一种对象评分方法及装置
CN114092055A (zh) 纺织面料后整理工艺生成方法、装置和计算机设备

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
GR01 Patent grant
GR01 Patent grant