CN114707301A - 一种基于分形理论的骑行服织物阻力危机预测方法 - Google Patents
一种基于分形理论的骑行服织物阻力危机预测方法 Download PDFInfo
- Publication number
- CN114707301A CN114707301A CN202210232033.3A CN202210232033A CN114707301A CN 114707301 A CN114707301 A CN 114707301A CN 202210232033 A CN202210232033 A CN 202210232033A CN 114707301 A CN114707301 A CN 114707301A
- Authority
- CN
- China
- Prior art keywords
- fabric
- resistance
- reynolds number
- fractal
- crisis
- 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.)
- Granted
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000001419 dependent effect Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001351 cycling effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 238000009958 sewing Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 4
- 230000002860 competitive effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004753 textile Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/12—Cloth
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Fluid Mechanics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及一种基于分形理论的骑行服织物阻力危机预测方法，包括以下步骤：根据骑行运动的状态设计风洞试验，确定每份织物的最小风阻系数，以及达到所述最小风阻系数时的雷诺数；获取所述若干份织物的表面图像，对所述若干份织物表面图像进行灰度处理，并计算经过灰度处理后的织物表面图像的分形维数；以所述织物的最小风阻系数和临界雷诺数为因变量，以所述分形维数为自变量，建立分形维数分别与织物最小风阻系数和临界雷诺数之间的拟合函数，得到织物阻力危机的预测模型；利用所述织物阻力危机的预测模型对样品进行预测。本发明实现过程简单、预测结果准确，具有较强的实用性。
Description
技术领域
本发明涉及纺织服装领域，特别是涉及一种基于分形理论的骑行服织物阻力危机预测方法。
背景技术
骑行运动的比赛成绩除了与运动员自身的能力有关外，也会受到很多客观因素的影响，其中主要因素之一就是风阻。骑行速度提高2倍，相应的阻力就会提高4倍。因此，运动员为了获得竞争优势，减少阻力是非常重要的。服装作为比赛中不可缺少的装备，其减阻性能对于运动员的表现有着不可忽视的影响，因此，研究骑行服织物的空气动力学性能对于提高竞技水平有着重要意义。
尽管人体结构复杂，但是可以将身体部位等效成多个圆柱体进行空气动力学研究。在圆柱绕流中，当空气速度增加到一定程度时，风阻系数会突然降低，这种现象被称为阻力危机。在骑行运动中，即使运动员以恒定的速度骑行，身体各部位的速度也是不相同的，因此，骑行服织物在达到最小风阻系数时的雷诺数对于分块设计骑行服以达到最佳减阻效果是十分关键的。风洞试验是评估织物空气动力学性能的重要手段，在风洞试验中，气流的速度和方向可以保持不变，所以，在风洞中进行的测量通常具有很高的重复性。但是由于风洞试验的准确性取决于环境在风洞中的复制程度，因此风洞试验既昂贵又耗时。
经过长时间的探索和总结，研究人员发现织物的透气性、厚度和面密度等对其空气动力学性能的影响不大，织物的减阻效果主要与其表面形态结构有关。有研究者用基于高度的粗糙度作为织物形态的特征量来预测阻力危机，然而，这种方法存在一个问题：有些织物具有相同的粗糙度，但形态非常不同。因此，有必要找到一种通用的方法来表征纺织品表面结构，并评估其不规则形态。
发明内容
本发明所要解决的技术问题是提供一种基于分形理论的骑行服织物阻力危机预测方法，能够准确快速预测织物的最小阻力系数和相对应的临界雷诺数。
本发明解决其技术问题所采用的技术方案是：提供一种基于分形理论的骑行服织物阻力危机预测方法，包括以下步骤：
(1)根据骑行运动的状态设计风洞试验的试验参数，测试若干份织物在不同雷诺数下的阻力；
(2)根据所述若干份织物在不同雷诺数下的阻力计算得到风阻系数，确定每份织物的最小风阻系数，以及达到所述最小风阻系数时的雷诺数，并将所述雷诺数作为临界雷诺数；
(3)获取所述若干份织物的表面图像；
(4)对所述若干份织物表面图像进行灰度处理，并计算经过灰度处理后的织物表面图像的分形维数；
(5)以所述织物的最小风阻系数和临界雷诺数为因变量，以所述分形维数为自变量，建立分形维数分别与织物最小风阻系数和临界雷诺数之间的拟合函数，得到织物阻力危机的预测模型；
(6)利用所述织物阻力危机的预测模型对样品进行预测。
所述步骤(1)具体为：将所述若干份织物按照预设的拉伸率缝制成圆筒状并套在圆柱体上，根据确定的雷诺数，测试所述若干份织物在不同雷诺数下的阻力。
所述步骤(2)中风阻系数通过
计算，其中，CD为风阻系数，F为织物在不同雷诺数下的阻力，ρ为空气密度，S为迎风面积，v为风速，雷诺数与风速的关系为：Re＝ρvL/μ，Re为雷诺数，L是所述圆柱体的直径，μ是空气的粘性系数。
所述步骤(3)具体为：将所述若干份织物按照预设拉伸率伸展并固定制作成若干份样品，将若干份样品放置在样品台上通过光学显微镜扫描的方式获取所述若干份织物的表面图像。
所述步骤(4)中计算经过灰度处理后的织物表面图像的分形维数时，具体为：先构造一个边长为a的盒子，然后变换不同边长值δ，对应形成若干个小盒子，计算形成的小盒子的数量Nδ，经过多次边长值δ的变换得到一系列数据δ-Nδ；再作log(1/δ)与log(Nδ)关系的散点图，利用最小二乘法求其斜率，所述斜率即为织物的分形维数。
所述步骤(5)具体为：建立分形维数分别与最小风阻系数和临界雷诺数的相关性分析，利用最小二乘法建立线性方程，对所述测试所得数据进行线性回归分析，求得各自变量系数和常数项，即得出对应的预测模型。
所述步骤(6)具体为：计算其他样品表面图像的分形维数，作为自变量代入所述预测模型中，计算得出样品的最小风阻系数和临界雷诺数，完成样品阻力危机的预测。
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：本发明以分形维数作为织物形态的特征量，建立了分形维数与织物最小阻力系数和临界雷诺数之间的拟合函数，从而得到了织物阻力危机的预测模型，该方法实现过程简单、预测结果准确，具有较强的实用性，为设计具有优异减阻性能的骑行服织物提供了新思路。
附图说明
图1为本发明织物阻力危机预测方法的流程示意图；
图2为本发明的一个具体实施例各骑行服织物在不同雷诺数下的阻力系数示意图；
图3为本发明的一个具体实施例各骑行服织物的分形维数计算结果示意图；
图4为本发明的一个具体实施例分形维数和骑行服织物阻力危机拟合的模型示意图；
图5为本发明的一个具体实施例织物的预测最小风阻系数与试验得到的最小风阻系数对比图；
图6为本发明的一个具体实施例织物的预测临界雷诺数与试验得到的临界雷诺数对比图。
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基于分形理论的骑行服织物阻力危机预测方法，如图1所示，包括以下步骤：根据骑行运动的状态设计风洞试验的试验参数，测试若干份织物在不同雷诺数下的阻力；根据所述若干份织物在不同雷诺数下的阻力计算得到风阻系数，确定每份织物的最小风阻系数，以及达到所述最小风阻系数时的雷诺数，并将所述雷诺数作为临界雷诺数；获取所述若干份织物的表面图像；对所述若干份织物表面图像进行灰度处理，并计算经过灰度处理后的织物表面图像的分形维数；以所述织物的最小风阻系数和临界雷诺数为因变量，以所述分形维数为自变量，建立分形维数分别与织物最小风阻系数和临界雷诺数之间的拟合函数，得到织物阻力危机的预测模型；利用所述织物阻力危机的预测模型对样品进行预测。
下面以一个具体的实施例进一步说明本发明。
步骤1.本实例中使用的骑行服织物由广东德润纺织有限公司提供，共有5份样品。分别将5种骑行服织物缝制成圆筒状，套在圆柱体上，考虑到在实际制作运动服装时面料约有30％的伸长，因此在制作圆柱形试样时也使之沿圆柱圆周方向有30％的伸长，使得织物可以紧密的附着在圆柱体上。确定风洞试验的试验条件，试验时雷诺数Re＝(0.79-1.72)×105，测试各骑行服织物在不同雷诺数下的阻力。
步骤2.根据步骤1中风洞试验的测试结果，计算风阻系数，结果如图2所示，从而得到各骑行服织物的最小风阻系数
和对应的雷诺数，该雷诺数即为临界雷诺数Recrit。本步骤中，风阻系数根据公式：CD＝2F/ρSv2计算，其中，F是测试得到的阻力，CD是风阻系数，S是迎风面积，ρ为空气密度，v为风速，雷诺数与风速的关系为：Re＝ρvL/μ，其中，L是特征长度，本实施例中即是指圆柱体直径，μ是空气的粘性系数。
步骤3.将织物按照30％的拉伸率伸展并固定制作成样品，将样品放置在样品台上通过光学显微镜扫描织物表面，获取织物表面图像。本步骤中需要保证各织物图像拍摄是在光线、放大倍数等条件一致的情况下获得。
步骤4.将织物表面图像进行灰度变换得到灰度图，利用MATLAB编写计盒维数算法程序，计算织物表面灰度图像的分形维数Df，分形维数的计算方法为：基于计盒维数的方法，利用边长为δ的盒子覆盖分形对象，当δ→0时，
式中，Nδ是盒子的数目。计算分形维数的具体算法为：先构造一个边长为a的盒子，然后变换不同边长值δ，对应形成若干个小盒子，计算形成的小盒子的数量Nδ，经过多次变换可得到一系列数据δ-Nδ；再作log(1/δ)与log(Nδ)关系的散点图，利用最小二乘法求其斜率，该斜率即为织物的分形维数Df。图3为5份织物样品的分形维数的计算结果。
步骤5.以分形维数为自变量，以最小风阻系数和临界雷诺数为因变量，建立分形维数分别与织物最小风阻系数和临界雷诺数之间的拟合函数，从而得到织物阻力危机的预测模型，即：
Recrit＝-115636Df+286662。如图4所示，本实施例通过最小二乘法建立的回归方程的R2>0.93，说明本实施例构建的模型的拟合程度好。
步骤6.利用所述织物阻力危机的预测模型对样品进行预测。
为验证本方法的有效性，评估预测效果，本实施例利用步骤5中的模型预测试样6和试样7的阻力危机，并选取相对误差(RE)作为预测模型评判指标。相对误差(RE)：
式中，Valuep是预测值，Valuee是实验值。最小阻力系数的预测结果和试验结果对比图如图5所示，临界雷诺数的预测结果和试验结果对比图如图6所示。
不难发现，本发明以分形维数作为织物形态的特征量，建立了分形维数与织物最小风阻系数和临界雷诺数之间的拟合函数，从而得到了织物阻力危机的预测模型，该方法实现过程简单、预测结果准确，具有较强的实用性，为设计具有优异减阻性能的骑行服织物提供了新思路。
Claims (7)
1.一种基于分形理论的骑行服织物阻力危机预测方法，其特征在于，包括以下步骤：
(1)根据骑行运动的状态设计风洞试验的试验参数，测试若干份织物在不同雷诺数下的阻力；
(2)根据所述若干份织物在不同雷诺数下的阻力计算得到风阻系数，确定每份织物的最小风阻系数，以及达到所述最小风阻系数时的雷诺数，并将所述雷诺数作为临界雷诺数；
(3)获取所述若干份织物的表面图像；
(4)对所述若干份织物表面图像进行灰度处理，并计算经过灰度处理后的织物表面图像的分形维数；
(5)以所述织物的最小风阻系数和临界雷诺数为因变量，以所述分形维数为自变量，建立分形维数分别与织物最小风阻系数和临界雷诺数之间的拟合函数，得到织物阻力危机的预测模型；
(6)利用所述织物阻力危机的预测模型对样品进行预测。
2.根据权利要求1所述的基于分形理论的骑行服织物阻力危机预测方法，其特征在于，所述步骤(1)具体为：将所述若干份织物按照预设的拉伸率缝制成圆筒状并套在圆柱体上，根据确定的雷诺数，测试所述若干份织物在不同雷诺数下的阻力。
3.根据权利要求2所述的基于分形理论的骑行服织物阻力危机预测方法，其特征在于，所述步骤(2)中风阻系数通过
计算，其中，CD为风阻系数，F为织物在不同雷诺数下的阻力，ρ为空气密度，S为迎风面积，v为风速，雷诺数与风速的关系为：Re＝ρvL/μ，Re为雷诺数，L是所述圆柱体的直径，μ是空气的粘性系数。
4.根据权利要求1所述的基于分形理论的骑行服织物阻力危机预测方法，其特征在于，所述步骤(3)具体为：将所述若干份织物按照预设拉伸率伸展并固定制作成若干份样品，将若干份样品放置在样品台上通过光学显微镜扫描的方式获取所述若干份织物的表面图像。
5.根据权利要求1所述的基于分形理论的骑行服织物阻力危机预测方法，其特征在于，所述步骤(4)中计算经过灰度处理后的织物表面图像的分形维数时，具体为：先构造一个边长为a的盒子，然后变换不同边长值δ，对应形成若干个小盒子，计算形成的小盒子的数量Nδ，经过多次边长值δ的变换得到一系列数据δ-Nδ；再作log(1/δ)与log(Nδ)关系的散点图，利用最小二乘法求其斜率，所述斜率即为织物的分形维数。
6.根据权利要求1所述的基于分形理论的骑行服织物阻力危机预测方法，其特征在于，所述步骤(5)具体为：建立分形维数分别与最小风阻系数和临界雷诺数的相关性分析，利用最小二乘法建立线性方程，对所述测试所得数据进行线性回归分析，求得各自变量系数和常数项，即得出对应的预测模型。
7.根据权利要求1所述的基于分形理论的骑行服织物阻力危机预测方法，其特征在于，所述步骤(6)具体为：计算其他样品表面图像的分形维数，作为自变量代入所述预测模型中，计算得出样品的最小风阻系数和临界雷诺数，完成样品阻力危机的预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210232033.3A CN114707301B (zh) | 2022-03-09 | 2022-03-09 | 一种基于分形理论的骑行服织物阻力危机预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210232033.3A CN114707301B (zh) | 2022-03-09 | 2022-03-09 | 一种基于分形理论的骑行服织物阻力危机预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114707301A true CN114707301A (zh) | 2022-07-05 |
| CN114707301B CN114707301B (zh) | 2024-06-18 |
Family
ID=82168586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210232033.3A Active CN114707301B (zh) | 2022-03-09 | 2022-03-09 | 一种基于分形理论的骑行服织物阻力危机预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114707301B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000045658A1 (en) * | 1999-02-08 | 2000-08-10 | Gierveld Beheer B.V. | Cloth for sportswear, use of said cloth in producing sportswear, and also said sportswear |
| US6438755B1 (en) * | 2000-09-15 | 2002-08-27 | Nike, Inc. | Aerodynamic garment for improved athletic performance and method of manufacture |
| JP2006343179A (ja) * | 2005-06-08 | 2006-12-21 | Japan Aerospace Exploration Agency | 境界層乱流遷移現象を利用したレイノルズ数等の計測 |
| CN101996322A (zh) * | 2010-11-09 | 2011-03-30 | 东华大学 | 一种用于表征织物纹理的分形细节特征提取方法 |
| CN103499602A (zh) * | 2013-09-25 | 2014-01-08 | 东华大学 | 一种多层服装系统热湿阻的预测方法 |
| CN105404768A (zh) * | 2015-11-02 | 2016-03-16 | 浙江理工大学 | 一种柔性织物表面风阻建模方法 |
| US20160302495A1 (en) * | 2015-04-20 | 2016-10-20 | Smart Aero Technology Limited | Low drag garment |
| EP3213911A1 (en) * | 2016-03-03 | 2017-09-06 | TotalSim Ltd. | Improvements in or relating to fabrics |
-
2022
- 2022-03-09 CN CN202210232033.3A patent/CN114707301B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000045658A1 (en) * | 1999-02-08 | 2000-08-10 | Gierveld Beheer B.V. | Cloth for sportswear, use of said cloth in producing sportswear, and also said sportswear |
| US6438755B1 (en) * | 2000-09-15 | 2002-08-27 | Nike, Inc. | Aerodynamic garment for improved athletic performance and method of manufacture |
| JP2006343179A (ja) * | 2005-06-08 | 2006-12-21 | Japan Aerospace Exploration Agency | 境界層乱流遷移現象を利用したレイノルズ数等の計測 |
| CN101996322A (zh) * | 2010-11-09 | 2011-03-30 | 东华大学 | 一种用于表征织物纹理的分形细节特征提取方法 |
| CN103499602A (zh) * | 2013-09-25 | 2014-01-08 | 东华大学 | 一种多层服装系统热湿阻的预测方法 |
| US20160302495A1 (en) * | 2015-04-20 | 2016-10-20 | Smart Aero Technology Limited | Low drag garment |
| CN105404768A (zh) * | 2015-11-02 | 2016-03-16 | 浙江理工大学 | 一种柔性织物表面风阻建模方法 |
| EP3213911A1 (en) * | 2016-03-03 | 2017-09-06 | TotalSim Ltd. | Improvements in or relating to fabrics |
Non-Patent Citations (6)
| Title |
|---|
| HAZIM MORIA 等: "Aerodynamic behaviour of stretchable sports fabrics", SPORTS TECHNOLOGY, 31 August 2011 (2011-08-31), pages 171 - 177 * |
| HUI LIU: "A Fluffy Dual-Network Structured Nanofiber/Net Filter Enables High-Efficiency Air Filtration", ADVANCED FUNCTIONAL MATERIALS, vol. 29, no. 39, 30 September 2019 (2019-09-30), pages 1904108 * |
| LUCA OGGIANO 等: "Air permeability and drag crisis on high tech fabrics for cross country ski competitions", PROCEDIA ENGINEERING 34 ( 2012 ), 2 March 2012 (2012-03-02), pages 15 - 19 * |
| WEI JIANG: "Quantification of fabric morphology and prediction of drag crisis based on the fractal dimension", TEXTILE RESEARCH JOURNAL 93(1-2), 19 August 2022 (2022-08-19), pages 382 - 391 * |
| 刘丽芳, 王卫章, 储才元, 张键: "防淤堵滤层新材料的开发与性能", 东华大学学报(自然科学版), no. 06, 30 December 2002 (2002-12-30), pages 42 - 46 * |
| 聂宇思: "服装织物空气摩擦阻力建模及影响因子研究", 中国优秀硕士学位论文全文数据库 工程科技I辑, 15 July 2016 (2016-07-15), pages 024 - 368 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114707301B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Fabric texture analysis using computer vision techniques | |
| Huang et al. | Fabric defect segmentation method based on deep learning | |
| Kuo et al. | Using a neural network to identify fabric defects in dynamic cloth inspection | |
| CN109509171A (zh) | 一种基于gmm和图像金字塔的布匹疵点检测方法 | |
| CN111415349B (zh) | 一种基于图像处理技术的涤纶长丝毛丝检测方法 | |
| Pan et al. | Automatic recognition of woven fabric patterns based on pattern database | |
| CN110487547A (zh) | 基于振动图和迁移学习的变工况下滚动轴承故障诊断方法 | |
| Shinohara et al. | Extraction of yarn positional information from a three-dimensional CT image of textile fabric using yarn tracing with a filament model for structure analysis | |
| CN111724358A (zh) | 基于图像和卷积神经网络的混凝土质量检测方法及系统 | |
| Zhang et al. | Automatic inspection of yarn-dyed fabric density by mathematical statistics of sub-images | |
| Kayseri et al. | Part II. Predicting the pilling tendency of the cotton interlock knitted fabrics by artificial neural network | |
| CN114707301B (zh) | 一种基于分形理论的骑行服织物阻力危机预测方法 | |
| Hesarian et al. | Angle analysis of fabric wrinkle by projected profile light line method, image processing and neuro-fuzzy system | |
| CN115115555A (zh) | 一种基于图像处理的织物单向导湿检测方法 | |
| CN116894840B (zh) | 纺纱打样机产品质量检测方法及系统 | |
| Hanhirova et al. | A machine learning based quality control system for power cable manufacturing | |
| CN109903267B (zh) | 一种基于图像处理技术测试网络丝网络度的方法 | |
| Saharkhiz et al. | The performance of different clustering methods in the objective assessment of fabric pilling | |
| CN109034172B (zh) | 一种基于模糊松弛约束多核学习的产品外观缺陷检测方法 | |
| Jin et al. | A practical method for detecting fluff quality of fabric surface using optimal sensing | |
| Baghernezhad et al. | Strain monitoring in woven fabrics with locally induced mass irregularities using an image based method | |
| Yildiz et al. | A new approach to the determination of warp-weft densities in textile fabrics by using an image processing technique | |
| CN111340759A (zh) | 一种纱线三维模型的外观检测方法 | |
| Angelova | Determination of Porosity of Textiles with an Uneven Pore Size | |
| Xu et al. | Neural network technique for fiber image recognition |
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 |