CN116070863B - 一种用于衬衫可替换衣领的生产管理方法及系统 - Google Patents
一种用于衬衫可替换衣领的生产管理方法及系统 Download PDFInfo
- Publication number
- CN116070863B CN116070863B CN202310123438.8A CN202310123438A CN116070863B CN 116070863 B CN116070863 B CN 116070863B CN 202310123438 A CN202310123438 A CN 202310123438A CN 116070863 B CN116070863 B CN 116070863B
- Authority
- CN
- China
- Prior art keywords
- information
- collar
- matching
- shirt
- client
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 126
- 238000007726 management method Methods 0.000 title claims abstract description 51
- 230000000694 effects Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims description 72
- 238000011156 evaluation Methods 0.000 claims description 61
- 239000004744 fabric Substances 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 30
- 238000005520 cutting process Methods 0.000 claims description 27
- 238000013461 design Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000009826 distribution Methods 0.000 description 8
- 238000004061 bleaching Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009990 desizing Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000009991 scouring Methods 0.000 description 2
- 238000009999 singeing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 229920002334 Spandex Polymers 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004759 spandex Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种用于衬衫可替换衣领的生产管理方法及系统，涉及生产管理控制技术领域，通过图像采集设备对无衣领衬衫本体进行图像采集，输入特征识别模型进行特征识别，获得衬衫本体信息，构建三维模型，进行多类型衣领匹配设计，获取客户身份信息、工作环境信息，进行客户群体划分确定客户群体信息，进行特征匹配获得多衣领制作数量，基于多衣领制作数量进行生产分配管理。本发明解决了现有技术中无法对衬衫生产过程进行资源的合理分配和利用，导致产能过程、库存积压、生产效率低的技术问题，实现了根据客户信息及历史数据匹配生产参数，达到合理化控制产能、提高生产效率，从而降低生产管理成本的技术效果。
Description
技术领域
本发明涉及生产管理控制技术领域，具体涉及一种用于衬衫可替换衣领的生产管理方法及系统。
背景技术
服装行业很看重市场潮流，快时尚更甚，为了赶上潮流，很多品牌的设计师和时尚买手，会紧盯各大时装周、时尚品牌产品的流行元素等，然后迅速模仿上架，很多快时尚品牌便是如此，这就要求一件衣服，从设计、生产到销售必须在最短的时间内完成。然而传统的服装生产销售，需要提前好几个月下单，而且每次服装供应订单量要求一万起订，这就导致款式不但没办法应季翻单，一旦产品滞销那么库存量也会剧增。因此，传统生产管理正面临着诸多问题，而现今常用的生产管理方法还存在着一定的弊端，对于生产管理还存在着一定的可提升空间。
现有技术中无法对衬衫生产过程进行资源的合理分配和利用，导致产能过程、库存积压、生产效率低。
发明内容
本申请实施例提供了一种用于衬衫可替换衣领的生产管理方法及系统，用于针对解决现有技术中无法对衬衫生产过程进行资源的合理分配和利用，导致产能过程、库存积压、生产效率低的技术问题。
鉴于上述问题，本申请实施例提供了一种用于衬衫可替换衣领的生产管理方法及系统。
第一方面，本申请实施例提供了一种用于衬衫可替换衣领的生产管理方法，所述方法包括：通过图像采集设备对无衣领衬衫本体进行图像采集，获得本体图像信息；将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息；根据所述本体图像信息、所述衬衫本体信息进行三维建模，构建三维模型；基于所述三维模型进行多类型衣领匹配设计，获得可替换衣领信息集；获取客户信息集，所述客户信息集包括客户身份信息、工作环境信息；基于所述客户身份信息、工作环境信息进行客户群体划分，确定客户群体信息；根据所述客户群体信息、可替换衣领信息集进行特征匹配，获得多衣领制作数量，基于所述多衣领制作数量进行生产分配管理。
第二方面，本申请实施例提供了一种用于衬衫可替换衣领的生产管理系统，所述系统包括：图像采集模块，所述图像采集模块用于通过图像采集设备对无衣领衬衫本体进行图像采集，获得本体图像信息；特征识别模块，所述特征识别模块用于将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息；三维建模模块，所述三维建模模块用于根据所述本体图像信息、所述衬衫本体信息进行三维建模，构建三维模型；匹配设计模块，所述匹配设计模块用于基于所述三维模型进行多类型衣领匹配设计，获得可替换衣领信息集；客户信息集获取模块，所述客户信息集获取模块用于获取客户信息集，所述客户信息集包括客户身份信息、工作环境信息；客户群体划分模块，所述客户群体划分模块用于基于所述客户身份信息、工作环境信息进行客户群体划分，确定客户群体信息；特征匹配模块，所述特征匹配模块用于根据所述客户群体信息、可替换衣领信息集进行特征匹配，获得多衣领制作数量，基于所述多衣领制作数量进行生产分配管理。
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：
本申请实施例提供的一种用于衬衫可替换衣领的生产管理方法，涉及生产管理控制技术领域，通过图像采集设备对无衣领衬衫本体进行图像采集，输入特征识别模型进行特征识别，获得衬衫本体信息，构建三维模型，进行多类型衣领匹配设计，获取客户身份信息、工作环境信息，进行客户群体划分，确定客户群体信息，根据客户群体信息、可替换衣领信息集进行特征匹配，获得多衣领制作数量，基于多衣领制作数量进行生产分配管理。解决了现有技术中无法对衬衫生产过程进行资源的合理分配和利用，导致产能过程、库存积压、生产效率低的技术问题，实现了根据客户信息及历史数据匹配生产参数，达到合理化控制产能、提高生产效率，从而降低生产管理成本的技术效果。
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为本申请实施例提供了一种用于衬衫可替换衣领的生产管理方法流程示意图；
图2为本申请实施例提供了一种用于衬衫可替换衣领的生产管理方法中衬衫本体信息输出流程示意图；
图3为本申请实施例提供了一种用于衬衫可替换衣领的生产管理方法中获得可替换衣领信息集流程示意图；
图4为本申请实施例提供了一种用于衬衫可替换衣领的生产管理系统结构示意图。
附图标记说明：图像采集模块10，特征识别模块20，三维建模模块30，匹配设计模块40，客户信息集获取模块50，客户群体划分模块60，特征匹配模块70。
具体实施方式
本申请实施例通过提供一种用于衬衫可替换衣领的生产管理方法，用于针对解决现有技术中无法对衬衫生产过程进行资源的合理分配和利用，导致产能过程、库存积压、生产效率低的技术问题。
实施例一
如图1所示，本申请实施例提供了一种用于衬衫可替换衣领的生产管理方法，所述方法应用于生产管理控制系统，所述方法包括：
步骤S100：通过图像采集设备对无衣领衬衫本体进行图像采集，获得本体图像信息；
具体而言，本申请实施例提供的一种用于衬衫可替换衣领的生产管理方法应用于生产管理控制系统，所述生产管理控制系统与图像采集设备通信连接，所述图像采集设备用于对无衣领衬衫本体进行图像采集，本申请优选为高清摄像机，无衣领衬衫本体即衬衫中不带衣领的本体部分，单独设计本体部分方便后续根据所需风格与各种衣领进行搭配，通过图像采集装置对衬衫本体进行多角度拍摄，获取多角度的衬衫本体图像，构成本体图像信息，为后续的三维建模打下数据基础。
步骤S200：将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息；
具体而言，获取衬衣基础信息数据库，包括衬衣本体图像信息及对应的尺寸信息、版型信息、颜色信息，根据构衬衣基础信息数据库训练多层级神经网络模型，包括图像预处理层、图像特征识别处理层、特征分析处理层，获得特征识别模型，所述特征识别模型为模式识别的一种，主张事物是由若干个元素或者特征按照一定的关系组合构成的，因此可通过分析事物的基本属性或基本特征来对事物进行识别。
在对本体图像信息进行特征识别时，将本体图像信息输入特征识别模型，由于在进行图像采集时，会受到设备、周围环境、人为扰动、目标特性等影响，使得采集到的本体图像信息无法避免地存在一些噪点，导致信息无法准确表达衬衫本体的信息，因此先通过图像预处理层对本体图像信息进行降噪处理；完成信息预处理后，需要对特征进行抽取和选择，将原始数据转换获得最能反应事物本质的特征，将降噪处理后的图像信息输入图像特征识别处理层，根据图像信息的边界和颜色对图像信息进行边界识别、颜色识别，得到边界特征和颜色特征；将边界特征和颜色特征输入特征分析处理层，根据边界特征计算获得衬衫本体的尺寸信息和版型信息，根据颜色特征对比比色卡等获取颜色色度信息，将衬衫本体的尺寸信息、版型信息和颜色色度信息作为衬衫本体信息输出。
步骤S300：根据所述本体图像信息、所述衬衫本体信息进行三维建模，构建三维模型；
具体而言，将本体图像信息中的尺寸信息转换成可直接接收的基本图像的参数，如点、线、面等，对本体图像进行预处理，包括图像格式的转换、图像质量的改善等，在进行三维场景前，先设定视点位置及视线方向参数，其中视线方向根据设置观测点指定。当确定观测者和物体间的相对位置后，还要确定物体投影到屏幕上的方式，即投影变换，包括透视投影变换和正射投影变换两类，正射投影直接将物体投影到屏幕上，不变化其相对尺寸，反应物体的真实大小，主要用于工程图纸；透视投影遵守物体近大远小的投影规则，与摄影或人的视觉效果相似，有较强的立体感，因此本申请优选透视投影变换。根据衬衫图像信息确定三维模型的前后、上下关系，将各参数输入三维建模工具，得到衬衫本体的三维模型。
步骤S400：基于所述三维模型进行多类型衣领匹配设计，获得可替换衣领信息集；
具体而言，基于大数据获取多种衬衫类型，如正装衬衫、休闲衬衫、便装衬衫、家居衬衫、度假衬衫，根据每种类型提取多种衬衫衣领，以此作为预设衣领，将多个预设衣领分别输入三维模型，调整尺寸、剪裁信息，与衬本体的三维模型进行匹配，确定衣领匹配结果、匹配尺寸、裁剪信息，根据衣领匹配结果、匹配尺寸、裁剪信息对调整后的预设衣领信息进行输出，获得可替换衣领信息集。
步骤S500：获取客户信息集，所述客户信息集包括客户身份信息、工作环境信息；
具体而言，根据客户管理系统对客户基础信息进行分析，如客户的年龄分布信息、性别占比、根据客户的购买历史记录计算出消费水平，通过市场调研等手段获取客户身份信息及工作环境信息，其中客户身份信息包括客户职业，如学生、老师、白领等，工作环境信息反映客户购买衬衫后主要穿着环境，如学校、公司、居家以及度假等，通过客户身份信息和工作环境信息的获取，为后续进行客户群体划分打下基础。
步骤S600：基于所述客户身份信息、工作环境信息进行客户群体划分，确定客户群体信息；
具体而言，根据客户身份信息和工作环境信息获取客户性别、消费水平、穿着环境，根据自定义划分规则对各种维度进行划分，如对于消费水平根据年消费额分为高、中、低三档，根据分级后的三个维度对客户进行聚类，示例性地，以客户性别为x轴、消费水平为y轴、穿着环境为z轴建立客户群体坐标系，将客户信息作为样本输入坐标系，在坐标系中计算各样本间的距离，以此作为样本间的相似度，距离越大则差异性越大、相似性越小，距离越小则差异性越小、相似性越大。根据距离计算结果获得客户分类数据集，获得群体划分结果，将群体划分结果与客户信息进行匹配，得到客户群体信息。
步骤S700：根据所述客户群体信息、可替换衣领信息集进行特征匹配，获得多衣领制作数量，基于所述多衣领制作数量进行生产分配管理。
具体而言，得到的客户群体信息包括客户的类别以及各类客户的数量分布，其中客户类别包括客户性别、消费水平、穿着环境，根据客户性别对衬衫款式进行匹配，根据穿着环境匹配对应的衬衫特征，如工作环境对应正装衬衫、旅游环境对应度假衬衫、居家环境对应休闲衬衫，根据客户数量制定生产目标，将各种类型客户数量在总数量的中占比作为各种类型衬衫的生产比例，以此获得多衣领制作数量，基于多衣领制作数量进行生产分配管理。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：将所述本体图像信息输入预处理层进行图像降噪预处理；
步骤S220：将降噪预处理后的图像信息输入图像特征识别处理层进行边界识别标记、颜色识别，输出边界识别信息、颜色识别信息；
步骤S230：将所述边界识别信息、颜色识别信息输入特征分析处理层，基于所述边界识别信息进行尺寸计算、版型特征匹配、颜色色度匹配，获得本体尺寸信息、本体版型信息、颜色色度信息通过模型输出层输出。
具体而言，本体图像信息可能存在各种各样的造成，可能在传输时产生，也可能在量化处理中产生，根据噪声和信号的关系可将其分为三种形式：加性噪声、乘性噪声和量化噪声，图像降噪处理方法有多种，包括均值滤波器、自适应维纳滤波器、中值滤波器等，本申请优选均值滤波器进行图像处理，采用邻域平均法去除通过扫描得到的图像中的颗粒噪声。
边界识别主要在于识别出图像信息中颜色变化或者亮度变化明显的像素点，首先大概检测出图像轮廓的一些像素点，然后通过一些连接规则将那些像素点连接起来，最后再检测并连接一些之前未被识别的边界点、去除检测到的虚假的像素点和边界点并形成一个整体的边界，以此获得边界识别信息。根据边界识别信息对图像进行颜色分区，获得图像的颜色色域分布、颜色的连续性，设定色域间隔阈值，根据色域间隔阈值对图像进行分区处理，根据颜色值的对比信息获取颜色识别信息。
将边界特征和颜色特征输入特征分析处理层，根据边界特征计算获得衬衫本体的尺寸信息和版型信息，根据颜色特征获取颜色色度信息，将衬衫本体的尺寸信息、版型信息和颜色色度信息作为衬衫本体信息输出。
进一步而言，本申请步骤S200之前还包括：
步骤S200-1：构建多层级神经网络模型，其中包括：图像预处理层、图像特征识别处理层、特征分析处理层；
步骤S200-2：获得衬衣基础信息数据库，其中，包括衬衣本体图像信息及对应的尺寸信息、版型信息、颜色信息；
步骤S200-3：根据所述衬衣基础信息数据库，分别构建图像预处理层、图像特征识别处理层、特征分析处理层的训练数据集、测试数据集；
步骤S200-4：利用各层训练数据集、测试数据集分别输入模型训练通道进行模型训练、测试，获得所述特征识别模型。
具体而言，多层级神经网络模型可以被认为是一个容器，其中封装了神经网络的结构，各层之间按先后顺序进行堆叠，前面一层的输出就是后面一层的输入，根据多层的堆叠构建出神经网络，本申请中包括图像预处理层、图像特征识别处理层、特征分析处理层。
根据历史生产记录调取衬衣基础信息数据，包括各种码数衬衣本体的图像以及对应的尺寸、版型和衬衣颜色。将衬衣基础信息数据按一定比例进行随机划分，获得训练数据集、测试数据集，举例而言，本申请的比例优选设置为训练数据集与测试数据集的比例为8:2，其中，训练数据集用于对模型进行训练，然后将其在训练数据集上得到的参数应用到测试数据集中，测试数据集用于验证模型的最终效果，将训练好的模型在测试数据集上计算误差，即可认为此误差即为泛化误差的近似，只需让训练好的模型在测试集上的误差最小即可获得最终的特征识别模型。
进一步而言，如图3所示，本申请步骤S400还包括：
步骤S410：基于所述三维模型进行本体三维图像构建，获得多角度本体三维图像；
步骤S420：将多角度本体三维图像、预设多类型衣领输入模拟设计模型，进行三维模拟匹配处理，进行多类型衣领匹配模拟，确定多衣领匹配结果、匹配尺寸裁剪信息；
步骤S430：根据所述多衣领匹配结果、匹配尺寸裁剪信息，获得所述可替换衣领信息集。
具体而言，根据本体三维模型获取多角度本体三维图像，根据多角度本体三维图像获取本体衬衫衣领处的多组数据，如从正面三维图像可获取衣领的宽度，从侧面三维图像可获取衣领的前后长度，从上方三维图像可获取衣领的周长，以此获得衣领尺寸要求。
基于大数据获取多种衬衫类型，如正装衬衫、休闲衬衫、便装衬衫、家居衬衫、度假衬衫，根据每种类型提取多种衬衫衣领，以此作为预设衣领，将多个预设衣领分别输入三维模型，根据衣领尺寸要求信息调整尺寸、剪裁信息，与衬本体的三维模型进行匹配，确定衣领匹配结果、匹配尺寸、裁剪信息，根据衣领匹配结果、匹配尺寸、裁剪信息对调整后的预设衣领信息进行输出，获得可替换衣领信息集。
进一步而言，本申请步骤S600还包括：
步骤S610：根据所述客户身份信息，通过大数据进行客户衬衫相关订单提取，获得客户衬衫订单信息；
步骤S620：对所述客户衬衫订单信息进行特征提取，确定客户喜好特征信息；
步骤S630：根据所述工作环境信息进行环境特征分析，基于环境特征进行衬衫特征相关性分析，确定环境需求特征信息；
步骤S640：根据所述客户喜好特征信息、所述环境需求特征信息进行融合分析，确定重叠特征、属性特征，分别基于所述重叠特征、属性特征生成特征标签对客户进行标注；
步骤S650：根据各客户的标注特征进行客户特征聚类，基于聚类结果，获得所述客户群体信息。
具体而言，根据客户身份信息获取客户的姓名、年龄、性别等基础信息，根据基础信息在系统中调取该客户的相关订单，订单包括衬衫名称、衬衫图像、购买次数等，对订单中的衬衫图像进行特征识别，获取客户购买的衬衫类型信息，根据购买次数获取各种衬衫类型的购买比例，以此获得客户的喜好特征信息。
工作环境信息反映客户购买衬衫后主要穿着环境，如学校、公司、居家以及度假等，对各种环境进行特征分析，获取各个环境对各种类型衬衫的适配度，如公司与正式衬衫的适配度为100％，与休闲衬衫的适配度为40％，与度假衬衫的适配度为0，根据适配度确定需求特征信息。
根据客户喜好特征信息获取第一衬衫类型区间，根据环境需求特征信息获取第二衬衫类型区间，获取第一衬衫类型区间和第二衬衫类型区间的并集，并集中的衬衫类型即为客户的需求衬衫类型，根据需求衬衫类型生成特征标签对客户进行标注。根据各客户的标注特征进行客户特征聚类，基于聚类结果，获得所述客户群体信息。
进一步而言，本申请步骤S200还包括：
步骤S240：根据所述衬衫本体信息，确定本体尺寸信息、本体版型信息、颜色色度信息；
步骤S250：根据所述本体尺寸信息、本体版型信息、颜色色度信息，进行生成特征需求分析，确定各参数约束条件；
步骤S260：获得面料数据库；
步骤S270：基于所述各参数约束条件在所述面料数据库中进行遍历匹配，确定本体面料信息。
具体而言，根据衬衫本体信息，确定本体尺寸、本体版型、颜色色度，根据本体尺寸获取面料最小边长要求，如主体尺寸为80，则生产面料最短不能低于80，否则在生产过程中需要进行拼接，影响成品美观，根据版型确定生产设备条件要求，根据颜色色度确定面料颜色要求，以此确定各参数约束条件根据生产仓库的管理系统获取现有的面料数据，构成面料数据库。基于各参数约束条件在面料数据库中进行遍历匹配，对符合参数约束条件的面料数据进行提取，并在多个面料数据中寻优，获得本体面料信息，即可以投入生产的面料。
进一步而言，本申请步骤S700包括：
步骤S710：根据所述本体面料信息，确定面料加工约束条件；
步骤S720：根据所述面料加工约束条件进行设备匹配，确定生产设备信息；
步骤S730：将所述可替换衣领信息集及对应的多衣领制作数量、所述生产设备信息输入自动排产模型进行排产设计，获得排产信息；
步骤S740：将所述排产信息发送至生产设备的控制端口界面，对生产设备进行生产管理控制。
具体而言，根据本体面料信息获取面料加工流程及注意事项，以氨纶弹力面料为例，生产常规平纹衬衫类需经过烧毛、退浆煮练、氧漂、干定型、复漂、丝光，生产斜纹、缎纹、提花类衬衫需经过坯布水洗、干定型、烧毛、退浆煮练、氧漂、干定型、复漂、丝光，根据加工流程及注意事项生成面料加工约束条件，以此选择对应的生产设备。根据可替换衣领信息集及对应的多衣领制作数量、生产设备信息进行生产计划安排设计，以此控制生产设备进行生产管理控制。
进一步而言，本申请还包括：
步骤S810：将所述多衣领匹配结果输入搭配效果评价通道进行搭配效果评价，确定效果评价值；
步骤S820：将所述匹配尺寸裁剪信息输入加工评价通道进行尺寸裁剪匹配度、加工工艺可行性评价，确定加工评价值；
步骤S830：根据所述效果评价值、加工评价值进行综合分析，确定多衣领评价结果；
步骤S840：基于所述多衣领评价结果，将满足预设要求的衣领类型及对应的尺寸裁剪信息，作为所述可替换衣领信息集。
具体而言，搭配效果评价通道为由多个专家组成的搭配效果评价组，分别由每个专家对衣领匹配结果的美观程度进行打分，以所有专家的打分均值作为衣领匹配结果搭配效果评分，即效果评价值；加工评价通道为由多个生产工人组成的加工可行性评价组，分别由每个工人对衣领匹配结果的加工可行性进行打分，以所有工人的打分均值作为衣领匹配结果的加工可行性评分，即加工评价值。
根据效果评价值、加工评价值进行计算，示例性地，当加工评价值高于60％时，说明该衣领匹配结果的加工可行性较高可以投入生产，将效果评价值作为多衣领评价结果，即只要多衣领匹配结果的效果评价值达到一定要求即可投入生产；当加工评价值低于60％时，说明该衣领匹配结果的加工可行性较低，如果投入生产则生产难度较大，将加工评价值作为多衣领评价结果，即将多衣领匹配结果的效果评价值由高到低排队，以加工评价值的比例作为生产比例，只选择评价值靠前的少数匹配结果进投入生产，当加工评价值为0时，生产数量为0。
实施例二
基于与前述实施例中一种用于衬衫可替换衣领的生产管理方法相同的发明构思，如图4所示，本申请提供了一种用于衬衫可替换衣领的生产管理系统，所述系统包括：
图像采集模块10，所述图像采集模块10用于通过图像采集设备对无衣领衬衫本体进行图像采集，获得本体图像信息；
特征识别模块20，所述特征识别模块20用于将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息；
三维建模模块30，所述三维建模模块30用于根据所述本体图像信息、所述衬衫本体信息进行三维建模，构建三维模型；
匹配设计模块40，所述匹配设计模40用于基于所述三维模型进行多类型衣领匹配设计，获得可替换衣领信息集；
客户信息集获取模块50，所述客户信息集获取模块50用于获取客户信息集，所述客户信息集包括客户身份信息、工作环境信息；
客户群体划分模块60，所述客户群体划分模块60用于基于所述客户身份信息、工作环境信息进行客户群体划分，确定客户群体信息；
特征匹配模块70，所述特征匹配模块70用于根据所述客户群体信息、可替换衣领信息集进行特征匹配，获得多衣领制作数量，基于所述多衣领制作数量进行生产分配管理。
进一步而言，系统还包括：
图像降噪模块，用于将所述本体图像信息输入预处理层进行图像降噪预处理；
识别信息获取模块，用于将降噪预处理后的图像信息输入图像特征识别处理层进行边界识别标记、颜色识别，输出边界识别信息、颜色识别信息；
特征分析模块，用于将所述边界识别信息、颜色识别信息输入特征分析处理层，基于所述边界识别信息进行尺寸计算、版型特征匹配、颜色色度匹配，获得本体尺寸信息、本体版型信息、颜色色度信息通过模型输出层输出。
进一步而言，系统还包括：
神经网络模型构建模块，用于构建多层级神经网络模型，其中包括：图像预处理层、图像特征识别处理层、特征分析处理层；
数据库获取模块，用于获得衬衣基础信息数据库，其中，包括衬衣本体图像信息及对应的尺寸信息、版型信息、颜色信息；
数据集构建模块，用于根据所述衬衣基础信息数据库，分别构建图像预处理层、图像特征识别处理层、特征分析处理层的训练数据集、测试数据集；
模型训练模块，用于利用各层训练数据集、测试数据集分别输入模型训练通道进行模型训练、测试，获得所述特征识别模型。
进一步而言，系统还包括：
三维图像构建模块，用于基于所述三维模型进行本体三维图像构建，获得多角度本体三维图像；
三维模拟匹配处理模块，用于将多角度本体三维图像、预设多类型衣领输入模拟设计模型，进行三维模拟匹配处理，进行多类型衣领匹配模拟，确定多衣领匹配结果、匹配尺寸裁剪信息；
可替换衣领信息集获取模块，用于根据所述多衣领匹配结果、匹配尺寸裁剪信息，获得所述可替换衣领信息集。
进一步而言，系统还包括：
相关订单提取模块，用于根据所述客户身份信息，通过大数据进行客户衬衫相关订单提取，获得客户衬衫订单信息；
订单特征提取模块，用于对所述客户衬衫订单信息进行特征提取，确定客户喜好特征信息；
环境特征分析模块，用于根据所述工作环境信息进行环境特征分析，基于环境特征进行衬衫特征相关性分析，确定环境需求特征信息；
融合分析模块，用于根据所述客户喜好特征信息、所述环境需求特征信息进行融合分析，确定重叠特征、属性特征，分别基于所述重叠特征、属性特征生成特征标签对客户进行标注；
客户特征聚类模块，用于根据各客户的标注特征进行客户特征聚类，基于聚类结果，获得所述客户群体信息。
进一步而言，系统还包括：
本体信息确定模块，用于根据所述衬衫本体信息，确定本体尺寸信息、本体版型信息、颜色色度信息；
特征需求分析模块，用于根据所述本体尺寸信息、本体版型信息、颜色色度信息，进行生成特征需求分析，确定各参数约束条件；
面料数据库获取模块，用于获得面料数据库；
遍历匹配模块，用于基于所述各参数约束条件在所述面料数据库中进行遍历匹配，确定本体面料信息。
进一步而言，系统还包括：
加工约束条件模块，用于根据所述本体面料信息，确定面料加工约束条件；
设备匹配模块，用于根据所述面料加工约束条件进行设备匹配，确定生产设备信息；
排产设计模块，用于将所述可替换衣领信息集及对应的多衣领制作数量、所述生产设备信息输入自动排产模型进行排产设计，获得排产信息；
生产管理控制模块，用于将所述排产信息发送至生产设备的控制端口界面，对生产设备进行生产管理控制。
进一步而言，系统还包括：
效果评价值获取模块，用于将所述多衣领匹配结果输入搭配效果评价通道进行搭配效果评价，确定效果评价值；
加工评价值获取模块，用于将所述匹配尺寸裁剪信息输入加工评价通道进行尺寸裁剪匹配度、加工工艺可行性评价，确定加工评价值；
综合分析模块，用于根据所述效果评价值、加工评价值进行综合分析，确定多衣领评价结果；
可替换衣领信息集获取模块，用于基于所述多衣领评价结果，将满足预设要求的衣领类型及对应的尺寸裁剪信息，作为所述可替换衣领信息集。
本说明书通过前述对一种用于衬衫可替换衣领的生产管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种用于衬衫可替换衣领的生产管理方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种用于衬衫可替换衣领的生产管理方法，其特征在于，所述方法包括：
通过图像采集设备对无衣领衬衫本体进行图像采集，获得本体图像信息；
将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息；
根据所述本体图像信息、所述衬衫本体信息进行三维建模，构建三维模型；
基于所述三维模型进行多类型衣领匹配设计，获得可替换衣领信息集；
获取客户信息集，所述客户信息集包括客户身份信息、工作环境信息；
基于所述客户身份信息、工作环境信息进行客户群体划分，确定客户群体信息；
根据所述客户群体信息、可替换衣领信息集进行特征匹配，获得多类型衣领制作数量，基于所述多类型衣领制作数量进行生产分配管理；
其中，基于所述三维模型进行多类型衣领匹配设计，获得可替换衣领信息集，包括：
基于所述三维模型进行本体三维图像构建，获得多角度本体三维图像；
将多角度本体三维图像、预设多类型衣领输入模拟设计模型，进行三维模拟匹配处理，进行多类型衣领匹配模拟，确定多类型衣领匹配结果、匹配尺寸裁剪信息；
根据所述多类型衣领匹配结果、匹配尺寸裁剪信息，获得所述可替换衣领信息集；
根据所述多类型衣领匹配结果、匹配尺寸裁剪信息，获得所述可替换衣领信息集，包括：
将所述多类型衣领匹配结果输入搭配效果评价通道进行搭配效果评价，确定效果评价值；
将所述匹配尺寸裁剪信息输入加工评价通道进行尺寸裁剪匹配度、加工工艺可行性评价，确定加工评价值；
根据所述效果评价值、加工评价值进行综合分析，确定多类型衣领评价结果；
基于所述多类型衣领评价结果，将满足预设要求的衣领类型及对应的尺寸裁剪信息，作为所述可替换衣领信息集。
2.如权利要求1所述的方法，其特征在于，将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息，包括：
将所述本体图像信息输入预处理层进行图像降噪预处理；
将降噪预处理后的图像信息输入图像特征识别处理层进行边界识别标记、颜色识别，输出边界识别信息、颜色识别信息；
将所述边界识别信息、颜色识别信息输入特征分析处理层，基于所述边界识别信息进行尺寸计算、版型特征匹配、颜色色度匹配，获得本体尺寸信息、本体版型信息、颜色色度信息通过特征识别模型输出层输出。
3.如权利要求2所述的方法，其特征在于，所述将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息之前，包括：
构建多层级神经网络模型，其中包括：图像预处理层、图像特征识别处理层、特征分析处理层；
获得衬衣基础信息数据库，其中，包括衬衣本体图像信息及对应的尺寸信息、版型信息、颜色信息；
根据所述衬衣基础信息数据库，分别构建图像预处理层、图像特征识别处理层、特征分析处理层的训练数据集、测试数据集；
利用各层训练数据集、测试数据集分别输入模型训练通道进行模型训练、测试，获得所述特征识别模型。
4.如权利要求1所述的方法，其特征在于，基于所述客户身份信息、工作环境信息进行客户群体划分，确定客户群体信息，包括：
根据所述客户身份信息，通过大数据进行客户衬衫相关订单提取，获得客户衬衫订单信息；
对所述客户衬衫订单信息进行特征提取，确定客户喜好特征信息；
根据所述工作环境信息进行环境特征分析，基于环境特征进行衬衫特征相关性分析，确定环境需求特征信息；
根据所述客户喜好特征信息、所述环境需求特征信息进行融合分析，确定重叠特征、属性特征，分别基于所述重叠特征、属性特征生成特征标签对客户进行标注；
根据各客户的标注特征进行客户特征聚类，基于聚类结果，获得所述客户群体信息。
5.如权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述衬衫本体信息，确定本体尺寸信息、本体版型信息、颜色色度信息；
根据所述本体尺寸信息、本体版型信息、颜色色度信息，进行生成特征需求分析，确定各参数约束条件；
获得面料数据库；
基于所述各参数约束条件在所述面料数据库中进行遍历匹配，确定本体面料信息。
6.如权利要求5所述的方法，其特征在于，所述基于所述多类型衣领制作数量进行生产分配管理，包括：
根据所述本体面料信息，确定面料加工约束条件；
根据所述面料加工约束条件进行设备匹配，确定生产设备信息；
将所述可替换衣领信息集及对应的多类型衣领制作数量、所述生产设备信息输入自动排产模型进行排产设计，获得排产信息；
将所述排产信息发送至生产设备的控制端口界面，对生产设备进行生产管理控制。
7.一种用于衬衫可替换衣领的生产管理系统，其特征在于，所述系统包括：
图像采集模块，所述图像采集模块用于通过图像采集设备对无衣领衬衫本体进行图像采集，获得本体图像信息；
特征识别模块，所述特征识别模块用于将所述本体图像信息输入特征识别模型进行特征识别，获得衬衫本体信息；
三维建模模块，所述三维建模模块用于根据所述本体图像信息、所述衬衫本体信息进行三维建模，构建三维模型；
匹配设计模块，所述匹配设计模块用于基于所述三维模型进行多类型衣领匹配设计，获得可替换衣领信息集；
客户信息集获取模块，所述客户信息集获取模块用于获取客户信息集，所述客户信息集包括客户身份信息、工作环境信息；
客户群体划分模块，所述客户群体划分模块用于基于所述客户身份信息、工作环境信息进行客户群体划分，确定客户群体信息；
特征匹配模块，所述特征匹配模块用于根据所述客户群体信息、可替换衣领信息集进行特征匹配，获得多类型衣领制作数量，基于所述多类型衣领制作数量进行生产分配管理；
所述匹配设计模块，还包括：
三维图像构建模块，用于基于所述三维模型进行本体三维图像构建，获得多角度本体三维图像；
三维模拟匹配处理模块，用于将多角度本体三维图像、预设多类型衣领输入模拟设计模型，进行三维模拟匹配处理，进行多类型衣领匹配模拟，确定多类型衣领匹配结果、匹配尺寸裁剪信息；
可替换衣领信息集获取模块，用于根据所述多类型衣领匹配结果、匹配尺寸裁剪信息，获得所述可替换衣领信息集；
所述可替换衣领信息集获取模块，还包括：
效果评价值获取模块，用于将所述多类型衣领匹配结果输入搭配效果评价通道进行搭配效果评价，确定效果评价值；
加工评价值获取模块，用于将所述匹配尺寸裁剪信息输入加工评价通道进行尺寸裁剪匹配度、加工工艺可行性评价，确定加工评价值；
综合分析模块，用于根据所述效果评价值、加工评价值进行综合分析，确定多类型衣领评价结果；
可替换衣领信息集获取模块，用于基于所述多类型衣领评价结果，将满足预设要求的衣领类型及对应的尺寸裁剪信息，作为所述可替换衣领信息集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310123438.8A CN116070863B (zh) | 2023-02-15 | 2023-02-15 | 一种用于衬衫可替换衣领的生产管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310123438.8A CN116070863B (zh) | 2023-02-15 | 2023-02-15 | 一种用于衬衫可替换衣领的生产管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116070863A CN116070863A (zh) | 2023-05-05 |
| CN116070863B true CN116070863B (zh) | 2023-10-10 |
Family
ID=86176661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310123438.8A Active CN116070863B (zh) | 2023-02-15 | 2023-02-15 | 一种用于衬衫可替换衣领的生产管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116070863B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080032585A (ko) * | 2006-10-09 | 2008-04-15 | 가부시키가이샤 테크노아 | 구매자 또는 판매자가 디자인한 의복을 인터넷을 통해판매하는 시스템 및 이를 이용한 의복 판매 방법 |
| CN101216860A (zh) * | 2007-12-28 | 2008-07-09 | 东华大学 | 数字化衣身款式图识别及衣领拼接系统 |
| CN104899389A (zh) * | 2015-06-17 | 2015-09-09 | 张梅云 | 一种智能化的服饰设计方法 |
| CN110298719A (zh) * | 2018-03-23 | 2019-10-01 | 真玫智能科技（深圳）有限公司 | 服装设计平台及应用该平台的服装设计方法 |
| JP2020033674A (ja) * | 2018-08-30 | 2020-03-05 | 興和インターナショナル株式会社 | オーダーメイドシャツイメージ生成システム |
| CN112991480A (zh) * | 2021-03-19 | 2021-06-18 | 杭州知衣科技有限公司 | 基于深度学习的服装自动设计方法、系统及计算机设备 |
| CN113763066A (zh) * | 2020-06-18 | 2021-12-07 | 北京京东振世信息技术有限公司 | 用于分析信息的方法和装置 |
| CN114647984A (zh) * | 2022-04-01 | 2022-06-21 | 河南工程学院 | 基于客户偏好的服装智能设计方法及系统 |
-
2023
- 2023-02-15 CN CN202310123438.8A patent/CN116070863B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080032585A (ko) * | 2006-10-09 | 2008-04-15 | 가부시키가이샤 테크노아 | 구매자 또는 판매자가 디자인한 의복을 인터넷을 통해판매하는 시스템 및 이를 이용한 의복 판매 방법 |
| CN101216860A (zh) * | 2007-12-28 | 2008-07-09 | 东华大学 | 数字化衣身款式图识别及衣领拼接系统 |
| CN104899389A (zh) * | 2015-06-17 | 2015-09-09 | 张梅云 | 一种智能化的服饰设计方法 |
| CN110298719A (zh) * | 2018-03-23 | 2019-10-01 | 真玫智能科技（深圳）有限公司 | 服装设计平台及应用该平台的服装设计方法 |
| JP2020033674A (ja) * | 2018-08-30 | 2020-03-05 | 興和インターナショナル株式会社 | オーダーメイドシャツイメージ生成システム |
| CN113763066A (zh) * | 2020-06-18 | 2021-12-07 | 北京京东振世信息技术有限公司 | 用于分析信息的方法和装置 |
| CN112991480A (zh) * | 2021-03-19 | 2021-06-18 | 杭州知衣科技有限公司 | 基于深度学习的服装自动设计方法、系统及计算机设备 |
| CN114647984A (zh) * | 2022-04-01 | 2022-06-21 | 河南工程学院 | 基于客户偏好的服装智能设计方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 面向客户便捷交互的三维衣领款式参数化设计技术;王进;陆国栋;陈龙;李威龙;耿玉磊;刘正;;计算机辅助设计与图形学学报;第22卷(第12期);第2182-2191页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116070863A (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3660784B1 (en) | Segmentation of an image based on color and color differences | |
| US9348844B2 (en) | System and method for normalization and codification of colors for dynamic analysis | |
| US11995608B2 (en) | Image processing system for deep fashion color recognition | |
| CN110659958B (zh) | 基于生成对抗网络的服饰搭配生成方法 | |
| JP2023537268A (ja) | イメージデータベース分析基盤商品推薦装置及び方法 | |
| CN108447064B (zh) | 一种图片处理方法及装置 | |
| US11294952B2 (en) | Systems and methods for product identification using image analysis and trained neural network | |
| US11847800B2 (en) | Systems and methods for analysis of images of apparel in a clothing subscription platform | |
| CN111967930A (zh) | 一种基于多网络融合的服装风格识别推荐方法 | |
| CN113256377A (zh) | 一种室内设计方法智能学习系统 | |
| US8564594B2 (en) | Similar shader search apparatus and method using image feature extraction | |
| CN116070863B (zh) | 一种用于衬衫可替换衣领的生产管理方法及系统 | |
| CN113112335A (zh) | 店铺的商品信息处理方法、装置及计算机设备 | |
| KR20210127464A (ko) | 딥러닝을 통한 코디 및 스타일링 방법 및 시스템 | |
| KR102509507B1 (ko) | 상품 정보 태그 장치 및 방법 | |
| CN110378299A (zh) | 一种室内灯光条件下的衣着识别系统 | |
| KR102422916B1 (ko) | 하이라키 구조의 인공지능 모델을 이용한 패션 이미지 분석 방법, 장치 및 컴퓨터프로그램 | |
| Mai et al. | A preliminary investigation of niche clothing brand design optimization based on ADDIE model | |
| CN117952654B (zh) | 一种商业大数据分析系统 | |
| CN112558554A (zh) | 任务追踪方法和系统 | |
| CA2845601A1 (en) | Segmentation of an image based on color and color differences | |
| WO2013184804A1 (en) | System and method for normalization and codificaton of colors for dyanamic analysis | |
| US12099967B2 (en) | Method and system for detection of hidden patterns for apparel strategies | |
| CN116805373A (zh) | 彩色底色检测 | |
| CN115618444A (zh) | 一种鞋用3d设计消费者移动端终端及系统 |
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 |