毛精纺高支竹节纱及其面料的开发北大核心

针对毛精纺竹节纱及其面料的开发设计,研究了纺纱及织造生产工艺技术及采取的措施,探讨了各工序的关键技术及采取的措施。在介绍竹节纱装置工作原理的基础上,通过对EJ519型环锭细纱机进行智能化改造,采用加装竹节纱装置,断开各个罗拉之间的联系,利用伺服电动机单独驱动中罗拉与后罗拉,改变中后罗拉的变速转动,瞬时增速超喂,产生变异粗节等技术,实现了毛精纺高支竹节纱的纺制。为毛精纺高支竹节纱及其产品开发,毛纺织工程技术领域和面料市场注入了全新的休闲元素及个性化特征和风格。     

基于单常数Kubelka-Munk理论的棉纤维颜色预测

为解决混色棉纤维颜色预测效果较差、模型预测精度较低的问题,文章通过对Kubelka-Munk理论的分析,确定采用基于单常数Kubelka-Munk理论的配色模型对混色棉纤维进行预测。在明确此配色模型不足之处的基础上,提出了标准化映射的方法对模型进行适用性改进,消除极端K/S值对模型预测效果产生的不利影响,从而改善模型的颜色预测效果。通过试验发现,模型对混色棉纤维颜色预测的适用性有明显改善,改进后的单常数K-M模型对混色棉纤维颜色预测精度有大幅度提高。     

基于傅里叶变换的家纺图案自动生成技术研究

运用数学和信号学中的傅里叶变换,提出一种家纺图案的自动生成技术。应用MATLAB软件,通过编程将简单图样理解为图像信号,依次经过离散傅里叶变换和离散傅里叶反变换后,得到复杂图案的灰度图。在此基础上利用HSV色彩模型定义复杂图案的色彩特征,从而得到可用于生产的家纺图案。     

纱线条干均匀性序列图像测量方法

为了更精确、连续地评价纱线的外观条干均匀性,提出一种基于序列图像的纱线条干均匀性测量方法。通过图像采集系统获取连续的纱线序列图像;根据模糊C-均值（FCM）聚类算法将图像进行阈值分割,得到纱线条干的二值图像;设定阈值去除图像中的孤立点、毛刺点,获得清晰的纱线条干图像,并计算图像中每行纱线直径。 为验证方法的准确性,对７ 种线密度的紧密纺纯棉纱进行了条干测试,并将结果与USTER® Tester 5-S800 条干测试仪的测试结果进行了对比。结果表明：序列图像方法测得的纱线条干均匀性与USTER 条干仪的测试结果高度正相关,证明本文的方法是准确可行的。     

应用单演小波分析的织物疵点检测

为了解决现有织物疵点检测算法对种类繁多的疵点形式尤其是对微弱纹理变化疵点的适应性较弱问题,提出以单演小波分析工具为基础的织物疵点检测算法。通过拉普拉斯分数阶算子与多重调和样条构建各向同性拉普拉斯小波后,对其进行Riesz变换构建Riesz–拉普拉斯小波,实现了织物图像的单演小波分析。对单演小波分析结果中的多分辨率方向与振幅子带,分别设计了最优响应子带判断标准以及最优响应子带分割方法。实验结果表明,本文提出的检测算法可有效分割不同织物纹理中的多种类疵点,分割结果可反映疵点位置与轮廓,对342幅实验样本图像实现了97.37%的检出率,具有较好的自适应性与鲁棒性。     

基于视频序列的织物折皱回复角动态测量

针对现有织物折皱回复性能测量方法存在仅能静态测量某时刻织物折皱回复角度值的不足,本文提出了基于视频序列的织物折皱回复角度动态测量方法。按AATCC66-2008标准要求,以SDL-M003折皱回复角试验机的负载装置压试样,再将试样置于视频序列采集系统中,对采集到的单帧图像依次进行二值化、细化预处理,采用Hough变换检测图像中织物折皱回复两翼对应的角度,进而获得折皱回复角。试验结果显示,基于视频序列的方法与AATCC66-2008测量方法的结果接近,表明了基于视频序列方法的可行性,并且该方法可以精确描述织物折皱回复的动态过程,为实现新的折皱回复性能指标的提出奠定了实验基础。     

基于数字图像处理的纱线条干均匀度检测初探

本文以四种不同规格的纯棉纱线为例,提出一种基于数字图像处理技术来检测纱线条干不匀率的方法。采用MRS-4800M48U型扫描仪采集纱线图像,然后对纱线图像进行维纳滤波、阈值分割、形态学开运算处理,得到条干清晰、无噪声的纱线图像,最后基于经处理后的图像计算纱线的直径和纱线的条干CV值,图像法检测出的纱线条干CV值与乌斯特条干仪检测出的结果非常接近,这表明,本文提出的纱线条干均匀度检测方法是可行的,能准确高效地检测出的纱线条干CV值,客观地反映纱线的外观质量。     

基于互相关的印花织物疵点检测

为实现印花织物中疵点的自动检测,以互相关理论为基础,结合图像处理技术,以Matlab7.0构建了一套印花织物疵点自动检测系统。在疵点检测过程中,提出以加和表理论为基础实现互相关系数的快速计算。通过对软件模拟的印花花纹疵点的识别,说明这个系统能够实现印花过程中常见的花纹偏移、颜色色差等疵点的自动检测。实际印花织物疵点的检测实验表明,所提出的算法具有有效性、鲁棒性等优点。通过比较不同子窗口大小的检测结果,选定25像素×25像素作为最终检测系统中子窗口的大小。     

基于动态聚类的织物疵点识别算法

首先对织物图像进行高斯模板平滑预处理,然后提取正常织物图像小幅窗口的行列(对应织物中经纬向)灰度均值,再利用K均值聚类算法提取织物图像中纱线条干的灰度聚类中心和纱线空隙部分的灰度聚类中心,计算出正常织物图像行列灰度均值与其灰度聚类中心的波动范围。比较待检图像的行列灰度均值与正常织物图像的行列灰度聚类中心,判断其波动是否超出正常织物图像的波动范围,以判别待检图像中是否含有疵点,并正确标出织物图像中疵点位置。     

基于傅里叶特征谱和相关系数的织物疵点检测

为提高织物疵点自动检测的准确度,提出一种基于傅里叶特征谱和相关系数的织物疵点检测算法。以平纹、斜纹织物为研究对象,对织物图像进行傅里叶变换,得到织物图像的频谱图;定位频谱中的特征峰点,提取表征图像灰度、纹理的五个特征值;以正常织物为模板,计算待检图像特征值与模板图像特征值之间的相关系数,确定用于识别织物疵点的阈值,来实现织物疵点检测。实验结果表明:当阈值设定为0.80时,该算法能够实现稀密路、断经、吊经、纬缩、破洞等常见疵点的准确检测。