棉织物手感评价的回归分析
纺织分析 回归正交试验设计 下
第三讲：正交试验的方差分析第一节：正交设计方差分析的步骤第二节：3水平正交设计的方差分析第三节：混合型正交设计的方差分析第四节：拟水平法的方差分析第五节：重复试验的方差分析3) 试验误差的离差的平方和S E设S 因+交为所有因素以及要考虑的交互作用的离差的平方和，因为S T = S 因+交+ S E ,所以S E = S T -S 因+交计算自由度:试验的总自由度f 总= 试验总次数-1 = n -1各因素的自由度f 因= 因素的水平数-1 = n a -1两因素交互作用的自由度等于两因素的自由度之积f AxB = f A X f B 试验误差的自由度f E = f 总-f 因+交第一节：正交设计方差分析的步骤计算平均离差平方和(均方):在计算各因素离差平方和时，我们知道，它们都是若干项平方的和, 它们的大小与项数有关，因此不能确切反映各因素的情况。
为了消除项数的影响，我们计算它们的平均离差的平方和。
因素的平均离差平方和= (因素离差的平方和)/因素的自由度= S 因/f 因试验误差的平均离差平方和= (试验误差的离差的平方和)/试验误差的自由度= S E / f E 求F 比:将各因素的平均离差的平方和与误差的平均离差平方和相比，得出F 值。
这个比值的大小反映了各因素对试验结果影响程度的大小。
第一节：正交设计方差分析的步骤对因素进行显著性检验:给出检验水平α，从F 分布表中查出临界值F α(f 因，f E )。
将在“求F 比”中算出的F 值与该临界值比较，若F> F α(f 因，f E )，说明该因素对试验结果的影响显著，两数差别越大，说明该因素的显著性越大。
第一节：正交设计方差分析的步骤第二节：3水平正交设计的方差分析例1(无交互作用):磁鼓电机是彩色录像机磁鼓组件的关键部件之一，按质量要求其输出力矩应大于210g.cm。
某生产厂过去这项指标的合格率较低，从而希望通过试验找出好的条件，以提高磁鼓电机的输出力矩。
织物的风格评定
风格测试方法的设想
风格的测试方法，还没有达到系统化。如何把官能特性的风格用织物的力学特性 表现出来，是风格测试的重要的一环。
• 1.统计学方法：在统计学方法方面，回归分析法，因子分 析法和判断相关系数法等多变量解析法是使用的。 • 2.心理学的方法：是精神物理学和正统心理学的手段。 • 3.力学的方法：由官能特性和物理特性的对应关系作比较。 是物理特性本身所研究的问题。 • 4.风格测试：风格的官能特性如何表现，并将其尺度化 如何确切地运用何种测定法和能正确得到测定数值，来 掌握具有复杂性性能的风格的力学特性对风格的多面性 以及为了找出官能量和物理量的对应关系，用何种软件进 行处理。这些是需加考虑的各个要点。
手感用语（有关织物风格的主要物理性质及其用语）
物理性质 刚柔性 压缩性 伸展性 弹性 风格用语 柔软或刚硬 蓬松或坚实 伸展或板结 挺括或疲软 物理性质 表观密度 平整性 摩擦性 冷暖性 风格用语 致密或疏松 光滑或粗糙 滑爽或粘涩 凉冷或暖和
（二）
织物视觉的评价
一.织物的光泽 （1）定义：
织物光泽：织物在一定的背景与光照条件下，织物表面 的光亮度以及与各方向的光亮度分布的对比关系和色散 关系的综合表现 织物光泽感：在一定的环境条件下，织物光泽信息刺激 人的视觉细胞，从而在人脑中形成对织物光泽的判断， 是人对织物光泽信息产生的感觉和知觉反应。
（4）FAST织物风格测量仪 包括三台仪器，一种测量方法 FAST-1型压缩仪： 测定织物在不同负荷下的厚度和织物表观厚度； ST-2型弯曲仪： 测定织物的弯曲长度和弯曲刚度； FAST-3型拉伸仪： 测定不同轻负荷下的拉伸和剪切值； FAST-4型尺寸稳定性装置及方法： 测定织物的松弛收缩率和湿膨胀率
纺织品织物触感检测和评估方法的三点梁法
纺织品织物触感检测和评估方法的三点梁法纺织品织物的触感对于消费者来说非常重要，它直接影响到人们对服装舒适度和质量的感受。
对纺织品织物的触感进行准确的检测和评估显得尤为重要。
在本文中，我将介绍纺织品织物触感检测和评估的三点梁法，让你更加了解这一领域的方法和技术。
1. 触感定义与分类在开始介绍触感检测和评估方法之前，我们首先需要了解触感的定义和分类。
触感是指人们通过皮肤对物体施加力量时，感受到的物体质地和结构的知觉。
根据触感的属性，可以将触感分为硬、软、粗糙、光滑等不同类型。
触感的评价主要依靠人类的感觉和触觉判断，因此在触感检测和评估中，需要依靠人体感官进行主观感受，并结合客观测试方法来综合评估纺织品织物的触感特性。
2. 触感检测方法触感检测是指通过一系列的测试，以获取关于纺织品织物触感的客观数据。
在触感检测中，有许多不同的方法可以使用，其中一种常用的方法是三点梁法。
这种方法通过将纺织品织物夹持在两个支撑点之间，然后通过在第三个点施加力量来测量织物的触感。
三点梁法的步骤如下：1) 准备一块待测试的纺织品织物样品。
2) 在一个恒定距离上设置两个支撑点，将织物夹持在两个支撑点之间。
3) 在第三个点施加一个标准化的力量，可以通过使用特殊的仪器来进行控制。
4) 测量第三个点所施加的力量，并记录下来。
5) 重复以上步骤，使用不同的力量进行测试，以得到更全面的数据。
6) 对所得数据进行分析和比较，以评估纺织品织物的触感特性。
三点梁法的优点是简单易行，不需要复杂的仪器和操作技巧。
然而，它也有一些局限性，如不能全面评估织物的触感特性，只能提供相对粗略的数据。
3. 触感评估方法触感评估是指通过观察和分析纺织品织物的触感特性，进行主观评估和客观评价。
在触感评估中，可以考虑以下几个关键指标：- 手感：通过触摸纺织品织物来感受其质地和结构。
手感可以分为柔软、硬度、粗糙度等多个方面。
- 弹性：通过拉伸或挤压织物来观察其回弹和变形特性。
棉织物弯曲性能与折皱回复角的关系研究
棉织物弯曲性能与折皱回复角的关系研究摘要：本文概述了目前主要抗皱评价方法存在的问题，着重介绍了折皱回复角测量方法，以棉织物为例，分析了不同织物的弯曲性能及其与抗皱性的关系。
通过数学方法得到织物弯曲刚度、弯曲滞后矩与折皱回复角的线性回归方程。
回归方程显示：随着弯曲刚度的增加，折皱回复角线性增大；而随着弯曲滞后矩增加，折皱回复角线性减小，并用其他样本回代检验了回归方程的适用性。
关键字：折皱回复角，弯曲刚度，弯曲滞后矩，统计回归Research on relativity between fabric’s bending performance and its wrinkle recovery angle Abstract: In this paper,problems of the widely used evaluation methods of fabric’s crease-resistance were summarized, the method of wrinkle recovery angle testing was emphasized. Besides, taking cotton fabric as example, different fabric’s bending performance and its relationship with crease-resistance was analyzed. Linear regression equation with bending rigidity & bending hysteresis moment as independent variables and wrinkle recovery angle as dependent variable was established through mathematical method. The regression equation showed that wrinkle recovery angle increased linearly along with the increase of bending rigidity, but decreased with the increase of bending hysteresis moment. Moreover, applicability of the regression equation was proved by the back-substitution.of other samples.Keywords:wrinkle recovery angle, bending rigidity, bending hysteresis moment, statistical regression0．前言随着经济的发展和人民生活水平的日益提高，人们对于纺织品的美观性能以及易护理性能提出了更高的要求。
基于改进KCF_算法的织物折皱回复检测研究
研究与技术丝绸JOURNAL OF SILK基于改进KCF 算法的织物折皱回复检测研究Research on fabric wrinkle recovery detection based on an improved KCF algorithm郭栩源1,李忠健2,王㊀蕾1,潘如如1,高卫东1(1.江南大学生态纺织教育部重点实验室,江苏无锡214122;2.绍兴文理学院浙江省清洁染整技术研究重点实验室,浙江绍兴312000)摘要:织物折皱回复性能是评价织物形态稳定性的关键指标㊂传统折皱回复角测试方法存在检测过程依赖人工操作㊁难以量化折皱动态演变等问题㊂为实现对折皱回复全过程的自动化监测,文章提出一种基于改进核相关滤波算法的动态折皱回复检测方法㊂该方法使用高速摄像机捕捉织物折皱形变回复过程,应用改进的核相关滤波算法检测追踪折皱顶点的运动角度变化㊂通过引入多特征融合提高检测鲁棒性,利用Canny 边缘检测自适应调整目标区域,减小边界效应㊂在此基础上提取感兴趣区域骨架,计算折皱顶角度随时间变化信息㊂结果表明,不同织物折皱角度变化规律与织物组织结构高度相关㊂最后与标准测试结果建立线性模型,验证所提方法的有效性㊂文章实现了对织物折皱回复全过程的自动化检测与定量评估,提供了一种更为高效准确的折皱回复性能检测新思路,具有广阔应用前景㊂关键词:折皱回复角;特征融合;目标追踪;核相关滤波器;改进KCF 中图分类号:TS 103.7㊀㊀㊀㊀文献标志码:A ㊀㊀㊀㊀文章编号:10017003(2024)04007908DOI :10.3969∕j.issn.1001-7003.2024.04.010收稿日期:20230731;修回日期:20240307基金项目:纺织之光应用基础研究计划项目(J 202109);国家自然科学基金项目(61802152);浙江省基础公益研究计划项目(LGG 21F 030007);中国博士后科学基金面上资助项目(2020M 681736);江南大学研究生科研与实践创新项目(KYCX-23-ZD 01,KYCX-23-ZD 02)作者简介:郭栩源(1997),男,硕士研究生,研究方向为数字化纺织技术㊂通信作者:王蕾,副研究员,wangl _jn @ ㊂㊀㊀织物折皱回复性能是评价织物形态稳定性的一项重要指标㊂在服装生产和日常使用过程中,织物都会出现不同程度的折皱,而折皱的快速消除对保证织物手感舒适㊁外观效果及提高生产效率都有重要影响,织物折皱回复性能的优劣在某种程度上直接决定面料及服装的品质与档次[1]㊂良好的折皱回复性能可以使织物在折叠㊁运输㊁加工等情况下迅速恢复原状,从而提高织物的实用性㊂目前,国内外广泛采用的评价织物折皱回复性能的标准测试方法主要是折皱回复角测试,即对织物进行折叠加压处理,然后放松对其约束并在一定条件下测量其自然回复的折痕角度大小,以评估织物的折皱回复能力[2]㊂这种方法操作简便,能够直观反映织物的折皱回复程度㊂但是传统折皱回复角测试方法也存在一些问题,主要体现在:1)检测过程需要过多人工参与,效率较低[3];2)测试结果易受人为因素影响,难以保证测量时间的准确及角度测量的精度[4];3)无法区分不同时刻的折皱回复情况[5]㊂因此,这种方法只能给出折皱回复性能的整体略评,对织物折皱回复规律的细节描述不够㊂针对传统折皱回复角测试法的不足,学术界提出了一些改进方案,如在标准测试的基础上增加不同方向折皱回复角度检测[6]㊁结合图像处理技术计算折皱面积比例[7]等㊂这些方法扩展了测试指标,但仍然存在检测过程依赖人工操作㊁难以量化折皱动态演变等问题[8]㊂因此,开发一种能够实现对织物折皱回复全过程的自动化检测与分析方法,对于提高折皱回复性能的测试效率与结果可靠性具有重要意义[9]㊂为实现对织物折皱的全自动检测分析,降低系统计算开销,提高分析针对性和精确度,本文将折皱顶点区域作为目标进行跟踪分析㊂在众多目标跟踪算法中,由于KCF (Kernel Correlation Filter )算法[10]具有极强的鲁棒性和实时性,在对运动目标追踪方面具有良好的表现效果[11],本文决定使用KCF 算法作为织物折皱顶角跟踪算法㊂KCF 算法是一种高效的核相关滤波算法,由Henriques 等[10]在2012年提出,KCF算法属于由Bolme 等[12]所提出的相关滤波器算法的一种,是在MOSSE (Minimum Output Sum of Square Error )算法基础上引入高斯核㊁循环矩阵㊁脊回归等相关概念㊂新特性的引入同时带来了跟踪精度下降㊁边界效应等问题出现㊂针对这些问题,Bertinetto 等[13]在KCF 算法基础上加入颜色特征,但当目标发生形变时仍会丢失目标信息㊂潘长城等[14]提出融合类97Vol.61㊀No.4Research on fabric wrinkle recovery detection based on an improved KCF algorithm残差更新策略的KCF 改进算法,但该算法在对目标进行持续跟踪时仍有部分时刻丢失目标信息,无法完整记录目标状态信息㊂孙晓锋等[15]使用目标丢失重检测及扩充区域重检测的方法,但很难对丢失目标进行重新定位㊂为了对织物折皱顶角进行完整准确跟踪,本文提出一种多特征融合及自适应边界调整的KCF 算法㊂该算法能够对织物折皱顶角的整个动态过程进行完整跟踪检测,保证本文整套测试方法的有效性和准确性㊂1㊀织物折皱回复性检测方法1.1㊀方法概述本文提出了一种基于改进KCF 算法的织物折皱回复检测方法,流程如图1所示㊂该方法可以实现对织物折皱形成与消失过程的自动化监测,并精确提取折皱动态参数,给出客观评价㊂首先,使用定制装置对织物进行加压释放处理,然后使用高速摄像机采集织物折皱回复过程中的图像序列,使用改进的KCF 算法跟踪折皱区域,获取感兴趣的折皱部位图像㊂接着进行折皱区域图像二值化与骨架化处理,最后使用直线拟合函数和反㊁正切函数直接提取折皱关键点角度信息㊂通过对不同组织规格织物进行实验,获取各织物试样折皱回复过程中的折皱顶角角度信息,分析比较织物折皱回复性能㊂图1㊀检测方法流程Fig.1㊀Flowchart of the detection method1.2㊀传统KCF 算法1.2.1㊀传统KCF 算法基本原理KCF 算法基本原理是构建一个核相关滤波器来实时跟踪视频序列中的目标㊂算法的关键在于利用核技巧将线性相关滤波推广到非线性空间,使图像特征可以映射到高维空间[10]㊂这样可以利用核方法提取目标的更多非线性特征,提高跟踪鲁棒性,通过在核空间中学习训练相关滤波器,使所得相关滤波器可以对新样本进行分类,具体算法流程如图2所示㊂图2㊀KCF 算法流程Fig.2㊀Flowchart of the KCF algorithm1.2.2㊀传统KCF 算法在检测中的问题经过预实验,发现直接应用KCF 算法进行织物折皱顶角的跟踪主要存在以下两个问题:算法使用单一HOG 特征[16],对织物折皱顶角外观变形㊁光照变化等情况缺乏鲁棒性,容易导致跟踪目标丢失;跟踪框边界效应明显,在目标出现形变时无法有效捕捉边界信息,降低了跟踪精度,为后续顶角角度计算处理带来过多干扰㊂1.3㊀改进KCF 算法为解决这两个问题,本文在传统KCF 算法的基础上在特征表达和目标区域调整两个方面进行优化㊂在特征表达方面,采用了多特征融合的策略,同时结合HOG 特征和SIFT 特征来表达折皱顶角的纹理与轮廓信息,以提高检测鲁棒性㊂在目标区域调整方面,提出了一种基于边缘检测的自适应边界调整方法,根据检测到的边缘位置与方向信息,自适应调整跟踪框的大小与位置,以减小边界效应,提高定位精度㊂1.3.1㊀多特征融合为增强对织物折皱顶角的检测鲁棒性,本文采用了多特征融合的策略㊂具体来说,同时结合HOG 特征和SIFT 特征[17]来表达折皱顶角的纹理与轮廓信息㊂其中,HOG 特征通过统计目标局部方向梯度直方图来描述形状;SIFT 特征通过检测关键点与计算描述子来表示局部纹理㊂为降低特征维数,本文首先利用主成分分析(PCA )算法对HOG 和SIFT 特征进行降维处理,然后将经降维的两种特征拼接起来进行核相关跟踪,这样既提高了特征表达能力,又减少了计算量㊂假设原始的特征向量为x ɪR d (x 属于d 维实数空间),PCA 的目标是找到一个变换矩阵W ɪR d ˑk ,其中k 是降维后的维度,使得投影后的特征向量y =W T x ɪR k 最大化方差㊂具体来说,PCA 可以通过以下步骤实现:1)对所有的特征向量进行中心化,即将每个特征向量减去均值,得到:X =x HOG x SIFTéëêêùûúú(1)8第61卷㊀第4期基于改进KCF算法的织物折皱回复检测研究式中:x HOGɪR d HOG表示HOG特征向量,x SIFTɪR d SIFT表示SIFT 特征向量㊂通过在这两个向量上进行垂直拼接,得到了长为d HOG+dSIFT的列向量X,它将这两个特征向量中的信息一起编码成了一个单一的向量㊂假设通过PCA将这两种特征向量降至k 维,得到降维后的特征向量为:yHOG=W T HOG x HOGɪR k(2)ySIFT=W T SIFT x SIFTɪR k(3)式中:y HOG和y SIFT分别是HOG特征和SIFT特征的降维矩阵㊂2)计算协方差矩阵:Cy=1nðn i=1y i y T i(4)式中:n是样本数,y i是第i个样本的降维后的特征向量㊂3)对协方差矩阵进行特征值分解,得到特征值和特征向量:Cy=UΛU T(5)式中:Λ=diag(λ1,λ2, ,λk)是特征值矩阵,U=[u1,u2, ,uk]是特征向量矩阵,且满足U T U=I㊂4)选择前m个特征向量,组成降维矩阵:U(:,1:m)(6)式中:m<k是降维后的维度㊂5)将HOG特征和SIFT特征的降维矩阵分别乘以降维矩阵V,得到融合后的特征向量:yfusion=[y HOG,y SIFT]VɪR2kˑm(7)式中:[,]表示特征向量的拼接操作,y fusion是融合后的特征向量,维度为2kˑm㊂通过将HOG特征和SIFT特征进行PCA降维,并将降维后的特征向量融合,可以得到更加紧凑且表达能力更强的特征向量,从而提高图像识别的准确度㊂1.3.2㊀基于边缘检测的自适应边界调整为减小边界效应对跟踪精度的影响,本文提出了一种基于边缘检测的自适应边界调整方法㊂具体来说,利用Canny 边缘检测算法检测折皱顶角的边缘轮廓,根据检测到的边缘位置与方向信息,自适应调整跟踪框的大小与位置,使其能够准确锁定目标边界㊂这样可以有效减小边界效应,提高跟踪精度㊂该方法包括以下几个步骤:1)初始化目标跟踪框:在第一帧图像中,使用KCF算法初始化目标跟踪框,得到目标区域的中心位置(x c,y c)㊁宽度w 和高度h㊂2)检测目标边缘:在每一帧图像中,使用Canny边缘检测算法来检测目标的边缘,得到边缘的位置和方向(x e,y e)和θc㊂3)计算目标区域的调整量:根据边缘的位置和方向,计算目标区域的调整量d w㊁d h㊁d x㊁d y,其中d w㊁d h表示目标区域的宽度和高度的调整量,可以根据边缘的宽度和高度以一定的比例进行计算;d x㊁d y表示目标区域中心位置的调整量,可以根据边缘方向的余弦和正弦值以一定的比例进行计算㊂4)调整目标区域的大小和位置:根据目标区域的当前大小和位置,以及计算得到的调整量,自适应地调整目标区域的大小和位置㊂具体来说,可以使用下式进行计算:wᶄ=w+α㊃dwhᶄ=h+α㊃dhxᶄc=x c+α㊃d xyᶄc=y c+α㊃d yìîíïïïïïïüþýïïïïïï(8)式中:α是调整步长,用于控制目标区域大小和位置的调整速度㊂通过调整目标区域的大小和位置,可以减少边界效应的影响,提高目标跟踪的准确性㊂5)更新目标跟踪器:使用新的目标区域大小和位置,更新KCF算法的目标跟踪器,继续跟踪目标㊂1.4㊀ROI图像处理为了获得织物折皱顶角角度信息,需要对经过KCF算法处理后获取的一系列ROI图像进行进一步处理,来提取折皱角度特征参数㊂首先进行图像二值化,使用Otsu方法[18]根据图像直方图确定一个全局阈值,对图像进行阈值分割,将图像中的像素分类为前景和背景两个部分以滤除背景噪声,突出折皱的轮廓特征㊂然后对二值化图像进行骨架化处理,使用Zhang-Suen算法[19]迭代腐蚀图像而保留拓扑结构,得到折皱区域的细化代表,以便突出折皱的拓扑形状,能够在保修角度信息的同时大大降低后续处理的复杂度㊂之后在骨架图像上使用最小二乘法拟合直线,并计算两条直线的夹角㊂本文采用简单高效的最小二乘法来进行几何特征拟合,既能提取出折皱顶点的角度信息,又避免了较为复杂的模型拟合㊂最后利用反正切函数求出两直线的夹角值,即为折皱顶点的角度㊂ROI图像通过上述处理可以从原始图像中有效提取出折皱回复研究所需的角度信息㊂2㊀实㊀验2.1㊀装置及操作方法为实现对织物折皱回复全过程进行检测,本文自主设计并搭建了织物折皱回复测试装置,如图3所示㊂该装置主要由样品台㊁升高装置㊁加载装置㊁高速摄像机等组成㊂样品台采用光滑不锈钢材质,可以调节倾斜角度;升高装置和加压装置分别用于抬高和加压样品;高速摄像机最大帧率为960fps,采集图像分辨率为1280ˑ1024像素㊂测试过程使用气压传动作为动力系统㊂18Vol.61㊀No.4Research on fabric wrinkle recovery detection based on an improved KCFalgorithm图3㊀织物折皱回复测试装置Fig.3㊀Fabric wrinkle recovery test apparatus本文选择了6种不同规格的面料作为试样,以全面评估所提出方法的鲁棒性和泛化能力㊂这些面料样本覆盖了不同的纤维类型㊁织物结构㊁厚度和密度,试样具体规格参数如表1所示㊂具体而言,选择的面料包括纯棉㊁涤纶㊁涤棉和亚麻等不同纤维类型,代表了常见服装面料的主要组成材质㊂此外,还选择了平纹㊁斜纹和方格等不同的基本织物结构,以检验织物组织对方法适用性的影响㊂不同规格的纱线和不同的织物密度也在选样范围内,以代表厚度和密度不同的织物材质㊂通过在这些具有差异性的参数的面料上进行测试,可以全面验证所提出方法的适用范围,以证明该方法的广泛适用性,不受具体面料参数的限制㊂实验操作前,对每种面料剪取10片大小为26cmˑ15cm的样品,所有样品在标准状态(温度20ħʃ2ħ,相对湿度65%ʃ5%)条件下放置24h 后进行测试㊂表1㊀试样规格参数Tab.1㊀Sample specifications设置为试样台倾斜30ʎ,升高装置抬起升高15cm,加压压力60N,加压时间设定为60s时,采集所选规格织物试样折皱回复过程图像更为理想㊂使用织物折皱回复检测装置具体方法为:将试样固定在试样台上,其中试样2∕3处与仪器升高装置线对齐㊂打开气阀开关,调整气压数值使气压表压力达到60N;打开升高装置,将织物试样升起到指定高度之后,打开加压装置开关,使两端力臂对织物试样进行加压处理使其产生折皱㊂加载结束后,同时关闭升高装置和加载装置,使样品自由下落并开始折皱回复过程,高帧率摄像机记录织物下落过程中顶角折皱回复形变过程㊂在对织物进行加压折皱处理后,对折皱回复过程进行记录,使用改进KCF算法追踪并截取感兴趣区域内图像㊂在全过程中,高速摄像机以240fps的速度对样品图像动态进行采集,随后每隔10帧从采集的图像序列中选取一帧进行算法处理㊂对每种面料随机选择5片样品进行测试㊂2.2㊀基于改进KCF算法的折皱回复过程分析利用改进的KCF算法处理高速摄像机采集的折皱回复图像序列,实现对面料折皱区的准确跟踪㊂首先选择面料折皱区顶点作为目标区域进行初始化,然后应用改进的KCF算法自动跟踪折皱顶点在复原过程中的运动轨迹㊂为增强跟踪鲁棒性,算法融合使用HOG和SIFT特征,并辅以Canny边缘检测调整目标区域㊂为了验证改进KCF算法在研究中的必要性和有效性,本文使用改进KCF算法和传统KCF算法对相同织物折皱顶角图像序列进行测试,测试过程中部分图像如图4所示㊂其中红色虚线部分为传统KCF算法跟踪框,绿色部分为改进后的KCF算法跟踪框㊂由图4可以看出,相较于改进后的KCF算法,传统KCF算法在面对较大形变时,会出现跟踪丢失的情况㊂图4㊀改进KCF算法追踪织物折皱回复过程部分图像Fig.4㊀Some images about the improved KCF algorithm s trackingthe fabric wrinkle recovery process对跟踪ROI部分进行截图(图5(a)),提取折皱顶点对应的图像区域㊂截取ROI图像的目的是精确定位感兴趣的折皱顶点区域,便于进行后续定量分析,并将ROI图像转化为二值化图像(图5(b))㊂进行二值化处理是为了滤除背景及不相关区域,突出折皱顶点的轮廓特征,简化形状表达㊂使用骨架提取算法处理二值图像可以得到折皱区域的细化(图5(c))㊂骨架提取通过细化可以有效保留目标区域的拓扑结构,本文28第61卷㊀第4期基于改进KCF 算法的织物折皱回复检测研究采用Zhang-Suen 算法进行骨架提取㊂该算法计算开销较低,易于实现,能够有效细化折皱顶点区域,突出其角度特征㊂对细化后骨架图像使用直线拟合函数进行拟合计算,并使用反正切函数求出两直线夹角角度,即折皱顶点角度㊂通过对骨架使用简单的几何特征拟合,可以提取折皱顶点角度这一定量参数,便于进行动态跟踪分析㊂对每帧图像重复该过程,获得不同面料样品折皱顶点角度变化规律,并进行对比分析㊂图5㊀ROI 截取图像及二值化与骨架提取Fig.5㊀ROI-cropped image ,binary and skeleton extraction images3㊀结果与分析3.1㊀改进KCF 算法有效性验证为了验证算法准确性和有效性,本文将基于多特征融合和自适应边界调整的改进KCF 算法与传统KCF 算法在VOT-2016(Visual Object Tracking ,2016)数据集上进行对比测试㊂VOT-2016数据集是一个用于视觉目标跟踪算法评估的公开数据集,并且提供了一套评估指标,用于定量地评估算法的性能,包括准确性㊁鲁棒性和速度等方面㊂实验操作系统环境为:64位专业版Windows 11操作系统,Python 3.9.0,AMD 5800H ,NVIDIA RTX 3080Ti ,16G 内存;本文选取ROC 曲线(Receiver Operating Characteristic Curve )下的面积AUC (Area Under Curve )㊁追踪成功率SR (Success Rate )及每秒处理帧率FPS 作为对比参考指标,其中各指标定义及计算方法如下:1)AUC 指标:AUC 指Area Under Curve ,代表ROC (ReceiverOperating Characteristic )曲线下的面积值㊂它通过在不同阈值下计算真正率和假正率,即在二分类问题中,被正确地预测为正例的样本数量与实际正例样本数量之间的比例和被错误地预测为正例的负例样本数量与实际负例样本数量之间的比例,进而绘制ROC 曲线㊂曲线下面积值越大,表示分类性能越好㊂其计算方法是将ROC 曲线下的面积数值化到0~1㊂在本文中,AUC 指标反映了改进KCF 算法在不同判定阈值下的检测精度,值越大表示检测准确率越高㊂2)SR 指标:SR 表示Success Rate ,代表跟踪成功率㊂它是跟踪过程中成功跟踪帧数占总帧数的比例,计算方法为:SR =N success ∕N total(9)式中:N success 和N total 分别代表成功追踪到目标的帧数和总帧数㊂SR 指标反映了目标跟踪的稳定性,SR 值越大表示改进算法跟踪更加稳定可靠㊂3)FPS 指标:FPS 代表每秒处理帧数(Frame Per Second ),计算方法为:FPS =N frames ∕T total (10)FPS 指标反映了算法的处理效率㊂本文中,FPS 值越大表示改进算法在保证精度的前提下,处理帧数越多,实时性越好㊂传统KCF 与本文改进KCF 在VOT-2016数据集测试结果对比如表2所示㊂表2㊀传统KCF 与本文改进KCF 在VOT-2016数据集测试结果对比Tab.2㊀Comparison of the traditional KCF and the improved KCF inthis paper in the test results of the VOT-2016data set㊀㊀由表2的数据可以看出,在VOT-2016数据集上的测试中,相比原始的KCF 算法,加入HSP (HOG +SIFT +PCA )模块和ABT (Adaptive Boundary Tuning )模块的KCF +HSP +ABT 算法效果最好,AUC 指标反映检测准确率,本文改进算法KCF +HSP +ABT 的AUC 值为0.785,较原始KCF 算法的0.463显著提高了69.5%㊂这表示融合多特征和自适应调整技术大大提高了检测精度,使得算法在织物折皱顶角跟踪过程中对目标的提取和定位更准确,有效降低因传统算法边际效应带来的织物折皱顶角部分图像跟踪丢失的比率㊂SR 指标反映跟踪稳定性,本文改进算法的SR 为0.682,较KCF 的0.396提高了72.2%㊂这意味着改进算法明显增强了对织物折皱顶点的跟踪鲁棒性,说明HSP 和ABT 模块对提升KCF 算法的鲁棒性与准确率有积极作用,也证明在整个目标跟踪过程中,改进后的KCF 算法更加稳定可靠,对于织物折皱动态回复过程的提取更加完整㊂另外,对于追踪织物顶角任务,改进算法的FPS 下降在可接受范围内,考虑到性能指标的大幅度提升,该计算代价可接受㊂38Vol.61㊀No.4Research on fabric wrinkle recovery detection based on an improved KCF algorithm3.2㊀ROI处理算法有效性验证为保证算法的速度和精确度,本文对上述ROI图像处理过程进行实验㊂在速度测试部分,测试环境与系统环境保持一致,在该环境下算法处理一帧ROI图像的平均速度为20ms,考虑到每秒需处理24帧图像,该算法满足测试速度需求;在算法准确性测试部分,本文对1#织物试样进行实验处理,将1#织物试样折皱回复过程每隔1.5s记录一次,选取其中连续记录的10帧顶角图像分别使用算法测量和人工手动测量进行对比测试,测试结果如表3所示㊂计算其平均误差为0.70ʎ,测试结果表明对ROI图像的处理算法可以满足实际检测需要㊂表3㊀ROI算法处理计算织物折皱角度与手动测量测试结果对比Tab.3㊀Comparison of the fabric crease angle calculated by ROI algorithm with the results of manual measurement㊀㊀同时表3数据也可以看出,织物试样在开始阶段折皱回复形变速度较快,后续逐渐减缓,逐渐趋于稳定的回复过程㊂这反映出1#织物试样折皱回复的动态演变过程,不同阶段的折皱形态也可以通过顶角角度数据量化反映㊂3.3㊀测试方法与标准方法测试结果对比为验证该方法有效性,本文选取该方法下不同织物在回复稳定状态下同一时刻的顶角角度与标准织物折皱回复角检测法测得结果进行对比㊂按照AATCC66 2017‘机织物折皱回复:回复角法“标准检测要求对所选织物试样折皱回复性进行检测,检测结果与本文方法所得结果对比如表4所示㊂表4㊀AATCC66 2017手动方法与本文方法测量的织物折皱回复角对比Tab.4㊀Comparison of fabric wrinkle recovery angles measured by AATCC662017manual method and the proposed method㊀㊀经过相关性检验,两者的皮尔逊相关系数为0.857(大于0.500),显著性水平为0.0004(小于0.01),说明两种方法所得测试结果之间存在较强正相关,呈现高度的线性相关关系㊂经过计算,两种方法所得结果相关系数R2为0.736,R2较高说明本文方法所得结果可以与标准折皱角检测方法结果很好拟合㊂使用线性回归计算出二者存在一元线性模型:Y=0.549ˑX+34.754(11)式中:X为ROI区域织物顶角角度,Y为标准方法测量的织物折皱回复角平均值㊂该结果验证了基于改进KCF算法的动态折皱回复检测方法能够有效反映面料折皱回复性,测试结果与标准方法具有可比性,可以作为一种新的折皱回复性能评价手段㊂4㊀结㊀论本文提出了一种基于改进KCF算法的动态织物折皱回复检测方法㊂对传统KCF算法在织物折皱回复检测任务中的问题,提出了两种优化策略㊂第一是采用多特征融合的方法,综合运用HOG㊁SIFT等特征表达,增强了算法对织物纹理的适应性,提高了检测鲁棒性㊂第二是基于Canny边缘检测结果进行自适应目标区域调整,有效减小了边界效应,提高了定位精度㊂两种策略相互协同,形成了一种改进的KCF算法㊂实验结果表明,该改进算法相比原KCF方法,在处理织物折皱动态回复图像序列时性能提升显著,其中AUC指标达到0.785,相较于原KCF算法提高了69.5%;SR指标达到0.682,相较于原KCF算法提高了72.2%,这验证了所提出的两种优化策略的有效性㊂本文整套测试方法流程实现了对整个折皱回复过程的自动监测与分析,基于该改进算法,实现了对不同织物折皱回复过程的自动化监测和参数化分析,方法检测结果与标准测试结果具有很好的一致性(R2=0.736)㊂相比传统折皱回复角测试法,该方法实现了对折皱回复动态过程的精确捕捉,测量结果平均误差控制在0.70ʎ,大幅提高了检测效率与结果可重复性,该方法无需人工参与,检测周期短,提供了一种更为高效准确的织物折皱回复性能评估新思路㊂后续工作将进一步增强算法鲁棒性,并扩展应用到包括服装面料在内的更多织物折皱回复检测㊂‘丝绸“官网下载㊀中国知网下载48。
手感整理
涂料印花织物
加工工艺
500m/min 90％ 100℃ 30min
车速 风量 气流温度 处理时间
在AIRO-1000型设备上对印花后的织物进行整理，可以 使印有图案的部分与没印图案的部分具有相同的手感。
硬挺整理
硬挺整理是利用一种能成膜的高分子物 质制成的浆液粘附于织物表面上，干燥 后，织物就有硬挺和光滑的手感。 织物整理用的浆液组分通常是由浆料、 填充剂、防霉剂、增白剂和着色剂等一 种或多种用剂配合组成
一、浆料
织物整理剂浆料具备能增进织物的
硬挺度，能胶合大量的填充剂且本 身有充填作用等性能。 现在较广泛应用的有天然、改性和 合成浆料。
（三）柔软剂的分类和应用性能
表面活性剂型柔软剂
反应型柔软剂
非反应型柔软剂
（四）柔软整理工艺
柔软整理有浸轧法和浸渍法两种，且常和增白 或上浆整理同时进行。其工艺流程及工艺条件 如下： 先将织物浸轧整理液（一浸一轧或二浸二轧， 温度30～50℃，布速一般控制在40～ 70m/min），然后经热风拉幅烘干（温度为 105～120℃）。 反应型柔软剂在整理过程中需经一定条件的 高温处理，以促进与纤维分子的化学反应， 这样能显著提高其耐洗性。
（一）浸轧上浆机
（二）单面上浆机
单面上浆分轻浆和重浆。
轻式单面上浆穿布 1-浆液加入处 2-隔板 3-给浆辊 4-刮刀
重式单面上浆穿布 1-给浆辊2-刮刀3-浆槽
（三）烘干方式
先用大烘筒与无浆面接触烘至半干，然后让有浆面与普 通烘筒接触烘干。
织物的手感与鉴别
织物的手感是人们用来鉴别织物的品质质量的一项重要内容。
具体地说，用手触摸织物的感觉在心理上的反应，由于织物的品种不同，质量高低也各有差异，织物的手感效果，也就有较大区别。
手感有以下几个方面：①织物身骨是否挺括和松弛；②织物表面的光滑与粗糙；③织物的柔软与坚硬；④织物的薄与厚；⑤织物的冷与暖；⑥织物对皮肤有刺激与无刺少激的感觉。
例如：手抚摸着真丝纺品有凉的感觉；纯毛织物有暖的感觉；手感细而平滑的确良棉织品多是高支纱织拷制成；手感粗糙的多为低支纱的织品。
另外，人们还可借助力的作用，用手拉伸，抓纹等动作，再通过眼的观察，手的感觉，可以判断织物的弹性、强度、抗皱性及纤维类别等。
但总的来说，手感是选购面料和服装时最重要的手段。
纯棉梭织物1、定义：纯棉梭织物是以棉花为原料，通过织机，由经纬纱纵横沉浮相互交织而成的纺织品。
2、纯棉织物分为：①本色白布：普通布面、细布、粗布、帆布、斜纹坯布、原色布。
②色布：有硫化蓝布、硫化墨布、士林蓝布、士林灰布、色府绸、各色卡叽、各色华呢。
③花布：是印染上各种各样颜色和图案的布。
如：平纹印花布、印花斜纹布、印花哔叽、印花直贡。
④色织布：它是把纱或线先经过染色，后在机器上织成的布如条格布、被单布、绒布、线呢、装饰布等。
3、纯棉织品的特点：①吸湿性：棉纤维具有较好的吸湿性，在正常的情况下，纤维可向周围的大气中吸收水分，其含水率为8-10%，所以它接触人的皮肤，使人感到柔软而不僵硬。
如果棉布湿度增大，周围温度较高，纤维中含的水分量会全部蒸发散去，使织物保持水平衡状态，使人感觉舒适。
②保湿性：由于棉纤维是热和电的不良导体，热传导系数极低，又因棉纤维本身具有多孔性，弹性高优点，纤维之间能积存大量空气，空气又是热和电的不良导体，所以，纯棉纤维纺织品具有良好的保湿性，穿着纯棉织品服装使人感觉到温暖。
③耐热性：纯棉织品耐热能良好，在摄氏110℃以下时,只会引起织物上水分蒸发,不会损伤纤维,所以纯棉织物在常温下,穿着使用,洗涤印染等对织品都无影响,由此对提高了纯棉织品耐洗耐穿服用性能。
织物手感体感主观评测方法、触感主客观评价建模方法
附录A（资料性）织物手感体感主观评测方法A.1概况本附录描述了一种用于评测织物手感和/或体感的量化方法，其目的是使针对织物手感和体感构成元素的评测条件与过程进行标准化。
A.2原理在规定的评测环境下，将待评测的多组织物试样以给定的方法与随机的次序提供给一组具备织物触感特性认知能力的评测员, 并要求评测员以规定的动作感受织物的外表面（手感）和内表面（体感）并对织物内外表面的冷暖感、光滑感、柔软感及综合舒适度四个维度进行打分评测过。
A.3评测环境评测环境按GB/T 6529中标准大气的规定执行。
A.4试样准备A.4.1 试样规格及数量：每个试样需要足够大，以允许评测员可以用双手握住，建议尺寸为（300±5）mm×（200±5）mm 的长方形；样品不可存在明显皱褶，如需消除可在不影响试样布面效果的前提下使用低温熨烫。
注1：对于部分提花的面料如提花部位小于测试取样尺寸，则该部位可不参与测评。
注2：为避免同一块织物多次使用后手感或体感结果偏离未使用前的评测结果，建议根据评测员人数准备相应的试样套数，如评测员有5人则准备5套试样；每次评测试样数量宜不超过60种，以避免评测员因疲劳影响评测结果。
A 4.2 试样标记所有试样在进行平衡与测量前需要用记号笔在试样上进行标记。
在试样的表面标记出试样编号，织物正面及试样长、宽度方向。
A 4.3 试样调湿按A3规定的标准大气条件对试样进行调湿。
A.5 评测准备A 5.1 建立主观专家评测小组，含操作员及评测员共应不少于5人，其中负责传递试样及记录评测结果操作员至少1人。
A.5.2 评测员应提前清洁双手，宜使用不含保湿剂的中性洗手液或肥皂洗手并用纸巾轻柔擦干双手；平静休息30分钟，避免剧烈运动导致疲劳或双手温度改变。
A.5.3评测前操作员应根据织物触感检测仪客观检测结果分别选取织物外表面和内表面的冷暖感、光滑感、柔软感及综合舒适度四个维度对应最高边界值100及最低边界值0的边界试样作为参考布并提前对应标识好并递给评测员感受对应的手感及体感。
织物风格的客观评价
平均弯曲
曲 刚度
∫ 表 平 均 摩 擦 MIU = 1 x μdx x0
面 性
系数 摩擦系数
∫ MMD = 1 x μ − μ dx
x0
能 平均偏差
∫ SMD = 1
x
T − T dx
x0
厚度平均
偏差
cN · cm/ cm cN·cm2/ cm
μm
其 单位面积 W
mg/cm2
他 重量
表 5-2 二级组合指标及其含义
3
丰满度 0.9312 -0.7703 4.9798 26.9720 1.4741 15.2341
三、以手感比拟为目的组合试验系统（YG821 手感评价系统）
该系统共组合了五种受力条件下的变形行为测量，取用的是织物在微应力下
的微应变行为，这符合手感形成的要求，但它和 KES 手感评价系统不同；第一，
+ − 2HG5 2
剪切平均
2HG + − 2HG
2HG =
剪 滞后矩
2
cN/cm
G = 剪切角 0.5°~5 cN/cm
切 剪切刚度 °
平均斜率
cN/cm ·
°
5-3
织物风格与服用性能
第 5 章 织物风格的客观评价
弯 曲 平 均 2HB = 2HB f + 2HBb
2
滞后矩
弯
B = B f + Bb 2
表 5-4 男士夏季西服面料基本风格计算式的回归常数
硬挺度
滑爽度
丰满度
平展度
i
Ci
i
Ci
i
Ci
i
Ci
0
4.6089
0
4.7480
毛制毛巾织物的手感性能测试与评价
毛制毛巾织物的手感性能测试与评价毛制毛巾织物是一种常见的纺织品，具有柔软、吸水性强等特点，因此被广泛应用于卫生间、浴室等领域。
在购买毛制毛巾织物时，消费者往往会关注其手感性能，以确保使用的舒适度和质量。
为了测试和评价毛制毛巾织物的手感性能，可以从以下几个方面进行考虑：1. 毛细度：毛细度是衡量毛制毛巾织物纤维细度的指标，通常用单位长度上的纤维质量表示。
毛细度的大小直接影响到织物的柔软度，一般来说，纤维越细腻，织物的柔软度越好。
可以使用显微镜观察纤维的细腻程度，并通过实验室仪器对毛细度进行精确测量。
2. 弹性：弹性是指毛制毛巾织物在受力后能够恢复原状的能力。
一般说来，织物的弹性越好，表示其柔软度和舒适度更高。
可以使用拉伸实验来测试毛织织物的弹性，通过确定织物在受力后的变形程度来评价其弹性性能。
3. 吸水性：作为毛巾织物的重要特点，吸水性能对用户体验至关重要。
常用的测试方法是浸水实验，将毛制毛巾织物放入水中，观察其吸水速度和吸水量。
吸水速度越快、吸水量越大，表示织物的吸水性能越好。
4. 手感：手感是评价毛制毛巾织物的重要指标之一，直接影响到用户的触觉体验。
织物的手感可以通过触摸来感受，柔软、光滑的手感被认为是优质的。
此外，可以运用仪器测量织物的表面粗糙度、抗滑性等参数来评价其手感性能。
5. 耐用性：耐用性是指毛制毛巾织物在使用过程中的耐磨、耐拉力的能力。
可以通过摩擦实验和拉伸实验来测试织物的耐用性。
织物的耐用性和手感性能有一定的关联，因为使用过程中的磨损会改变织物的手感特性。
综合上述测试项目，可以对毛制毛巾织物的手感性能进行综合评价。
在实际应用中，我们还可以结合用户反馈和市场调研，了解消费者对毛制毛巾织物手感性能的需求和偏好。
通过与其他竞争产品的对比，可以更准确地评估毛制毛巾织物在市场中的竞争力。
总之，毛制毛巾织物的手感性能测试与评价是为了确保其产品质量和用户体验。
通过测试毛细度、弹性、吸水性、手感和耐用性等指标，可以客观地评估毛制毛巾织物的手感性能，并根据测试结果进行相应的优化和改进。
织物手感评价方法的特点
织物手感评价方法的特点
胡吉永
【期刊名称】《现代纺织技术》
【年(卷),期】2006(014)001
【摘要】简要回顾了织物手感评价的测试方法和手感信息的提取,详细分析了现有手感信息提取方法的特点和存在的缺陷,指出了织物手感今后的主要研究方向.【总页数】4页(P51-54)
【作者】胡吉永
【作者单位】东华大学纺织学院,上海,200051
【正文语种】中文
【中图分类】TS101.923
【相关文献】
1.织物手感特性的评价方法 [J], T.W.Shyr;倪广菊;张毅;张爽
2.织物手感评价方法 [J], 林旭
3.织物手感风格客观评价方法的比较 [J], 孙晶晶;成玲;张代荣
4.基于模糊理论改性真丝织物手感评价方法的研究 [J], 邢铁玲;芮延年
5.织物手感客观评价方法的研究 [J], 冯丽娟;马晓丽;郑家春;常振学;刘桂杰
因版权原因，仅展示原文概要，查看原文内容请购买。
女用外衣面料总体手感和外观评价方程
女用外衣面料总体手感和外观评价方程郭燕蕾（编译）;顾平（校）【摘要】为了建立一个客观评价女式外衣面料的方法,本文通过对女用外衣面料机械性能主观评价的了解,建立了客观方程,即总体手感评价(THV)方程和总体外观评价(TAV)方程。
THV方程直接来源于织物的机械性能,TAV方程来自于与服装外观美感有关的3个机械参数。
THV方程中,回归的准确性最高,而TAV方程回归准确性稍低;但总体而言,客观评价是适当的。
【期刊名称】《现代丝绸科学与技术》【年(卷),期】2009(24)2【总页数】3页(P26-28)【关键词】服装;女用外衣面料;手感评价;外观评价;评价方程【作者】郭燕蕾（编译）;顾平（校）【作者单位】苏州大学纺织与服装工程学院,江苏苏州215021【正文语种】中文【中图分类】TS186.3;U412.366女用外衣面料的质量评价比男式西装面料的质量评价要困难得多。
面料设计多样，以及评价在很大程度上受流行趋势、检测人员的偏好和来自不同角度与观点所产生的不同的标准的影响。
在过去的5年中，我们进行调查并建立了一个客观评价女用外衣面料的方法，本文即最新调查研究取得的进展1 样品采集和主观评价1995～1998年间，本研究从世界各地收集了865块女用外衣面料样品。
首先，将样品按所适合服装的外观轮廓特征分成3类，即制服类、宽松挺括类和悬垂类。
对这3类的典型样品进行取样，共280块，并将其清晰的区别开来。
然后对各组进行主观评价，要求检测人员评价总体手感(THV)和总体外观(TAV)。
手感的判断来自于其适宜性、与织物性能相关的舒适性、织物的触感以及形成漂亮外观轮廓的能力。
外观是强调各个类型美感设计的判断。
THV评价使用等级顺序0(最差)，1(差)，2(良)，3(一般)，4(好)，5(最好)。
TAV评价也随着手感标准化给定标准，同样使用等级顺序1(差)，2(良)，3(一般)，4(好)，5(最好)。
1997年，由来自纺织厂的8位30年以上工作经验的专家、2位服装设计师、3位从事服装贸易的人员和4位纺织院校的老师共17人进行了第一次评估，他们只评价THV。
纺织分析 回归分析
3.2.1 一元线性回归方程的建立
数学上判定直线合理的原则： 如果直线与全部观测数据yi (i 1, 2,..., N )的离差平方和， 比任何其它直线与全部观测数据的离差平方和更小，该 直线就是代表x与y之间关系较为合理的一条直线，这条 直线就是x和y之间的回归直线。
3.2.1 一元线性回归方程的建立
ei yi $yi
残差平方和 ：
n
n
n
SSe Q ei2 ( yi $yi )2 [ yi (a bxi )]2
i 1
i 1
i 1
残差平方和最小时，回归方程与试验值的拟合程度最好
求残差平方和极小值：
Q
a
2
n i 1
得到正规方程组，正规方程组的解即为回归系数。
3.3.2 多元线性回归方程显著性检验
（1） F检验法（方差分析）
总平方和：
SST Lyy
n
( yi y)2
n
yi2
n
2
y
i 1
i 1
回归平方和：
SSR n ($yi y)2 b1L1y b2L2y ... bmLmy i 1
3.3.3 因素主次的判断
（1）偏回归系数的标准化 设偏回归系数bj的标准化回归系数为Pj：
Pj bj
L jj Lyy
Pj越大，则对应的因素（xj）越重要
（2） 偏回归系数的显著性检验
计算每个偏回归系数的偏回归平方和SSj ： SSj＝bjLjy
SSj的大小表示了因素xj对试验指标y影响程度，对应的自 由度dfj＝1
定义式：
r
织物面料分析之详解步骤
织物面料分析之详解步骤由于织物所采用的组织，色纱排列，纱线的原料及特数，纱线的密度，纱线的捻向和捻度以及纱线的结构和后整理方法等各不相同。
因此形成的织物在外观上也就不一样。
为了生产，创新或仿造产品，就必须掌握织物组织结构和织物的上机技术条件等资料。
为了能获得比较正确地分析结果，在分析前要计划分析的项目和他们的先后顺序。
操作过程中要细致，并且要在满足分析的条件下尽量节省布样用料。
织物分析一般按下列顺序进行分析织物时，资料的准确程度与取样的位置，样品面积大小有关，因而对取样的方法应有一定的规定。
由于织物品种极多，彼此间差别又大，因此，在实际工作中样品的选择还应根据具体情况来定。
1、取样位置织物下机后，在织物中因经纬纱张力的平衡作用，是幅宽和长度都略有变化。
这种变化就造成织物边部和中部，以及织物两端的密度存在着差异。
另外在染整过程中，织物的两端，边部和中部所产生的变化也各不相同，为了使测得的数据具有准确性和代表性，一般规定：从整匹织物中取样时，样品到布边的距离不小于5cm，离两端的距离在棉织物上不小于1.5-3m；在毛织物上不小于3m；在丝织物上约3.5-5m。
此外，样品不应带有显著的疵点，并力求其处于原有的自然状态，以保证分析结果的准确性。
2、取样大小取样面积大小，应随织物种类，组织结构而异。
由于织物分析是消耗试验，应根据节约的精神，在保证分析资料正确的前提下，力求减小试样的大小。
简单组织的织物试样可以取得小些，一般为15cm＊15cm。
组织循环较大的色织物可以取20cm＊20cm。
色循环大的织物（如床单）最少应取一个色纱循环所占的面积。
对于大提花（如被面，地毯）因其经纬纱循环数很大，一般分析部分具有代表性的组织结构即可。
因此，一般取为20cm＊20cm,或25cm＊25cm。
如样品尺寸小时，只要比5cm ＊5cm稍大即可分析。
二：确定织物的正反面对布样进行分析工作时，首先应确定织物的正反面。
织物的正反面一般是根据其外观效应加以判断。
棉花纤维品质分析方法
实验12 棉花纤维品质分析方法
(2) 仪器的校正
首先校正仪器水平和指针零位，可调节扇形杆 上平衡锤的位置。再用隔距片校正，上下夹持器 之间的距离为3mm。然后调节下夹持器的下降速 度为300±5mm/分（一般下夹持器的下降动程约 50mm，在10秒钟内下降完毕）。最后检查其它 零件是否灵活。
实验12 棉花纤维品质分析方法
记载所测定棉纤维捻曲度的结果，并比较不 同品种差异。
实验12 棉花纤维品质分析方法
四、 作业
1、整理不同棉花品种的纤维长度、纤维整齐度、纤维强度、 纤维细度、纤维成熟度和纤维捻曲度的测定结果，指出 哪个品种纤维品质较好。
2、在测定纤维品质时取样和工作条件要注意哪些问题？
实验12 棉花纤维品质分析方法
2、操作方法
（1）分梳法 ① 取样：每品种取每瓢中部籽棉一粒，共取10-20粒。 ② 分梳：以种子的脊为中线，向左右分开棉纤维，然后梳成
蝶形，先用梳子稀齿梳通后，再用密齿梳，尽量避免梳落 纤维。
③ 贴板：梳齐梳平后，用两手拇指与食指，轻轻拉住纤维两
端，紧贴在黑绒板上（籽粒尖端向下）。
断裂，英其采变齐测法细染长色棉实用异；量。度寸度能纱际手系整法中、约力强段长扯数齐、捻（1 4等度尺低度称曲重千0都愈；量于低度量-米2有高法在于5测、4）%0密是棉。量8。弹个，0=切花 这%重法一 性表，或关收 些量和般、示海系变测购 方气陆吸纤岛异定流部 法地湿。维棉系门 简法测棉性常整数多 便的定每、用约
④ 测量：用钢尺在纤维两端多数纤维的终点向内移半个种
子宽度处刻划一印，并以此为界，量两边共有长度（mm） ，用2除之即得其长度。10-20粒一一量毕，便可求出该品种 纤维长度的平均值。
实验12 棉花纤维品质分析方法
织物的风格与评价
二、织物手感评定 手感评定的基本方法（主观评定） 1．手感评定的基本方法（主观评定） 定义：通过人的手触摸织物所引起的感觉， （1）定义：通过人的手触摸织物所引起的感觉，并结 合对织物的外观视觉印象来作出评价。 合对织物的外观视觉印象来作出评价。 应用： （2）应用：广泛应用于精纺呢绒 方法： （3）方法：一捏 、二摸 、三抓 、四看 优点： 优点：快速简便 缺点：带有人为因素，不能获得定量数值。 缺点：带有人为因素，不能获得定量数值。 秩位法) （秩位法)
三、织物手感风格的仪器评定 1. 客观评价的发展 20世纪30年代:Peirce,悬臂梁试验 世纪30年代:Peirce,悬臂梁试验， 20世纪30年代:Peirce,悬臂梁试验，评价织物的刚柔性 50年代 Instron电子强力试验仪 弯曲、 年代： 电子强力试验仪， 50年代：Instron电子强力试验仪，弯曲、剪切试 验，表征织物的风格 70年代 日本松尾、川端，KES年代： 70年代：日本松尾、川端，KES-F织物风格测量系统 80年代 国内，单台多测多指标的YG 821型织物风 年代： 80年代：国内，单台多测多指标的YG 821型织物风 格测量仪，环圈法简易风格仪， 格测量仪，环圈法简易风格仪，喷嘴式智 能风格仪 90年代 CSIRO，FAST型织物风格仪 年代： 90年代：CSIRO，FAST型织物风格仪
⑤ 摩擦性能
1 x 平均摩擦系数： MIU＝ ∫ µdx x 0
1 x 摩擦系数的平均差不匀 率： MMD＝ ∫ µ－MIU dx x 0
1 x 表面粗糙度： SMD = ∫ T − T dx x 0
（a）表面摩擦系数曲线
（b）表面粗糙度曲线
20- 表面性状测头（长度单位mm mm） 图20-6 表面性状测头（长度单位mm）
多元回归R案例
Residual standard error: 0.1225 on 11 degrees of freedom
Multiple R-squared: 0.9163, Adjusted R-squared: 0.9011
F-statistic: 60.24 on 2 and 11 DF, p-value: 1.186e-06
-5.106e-04 9.623e-05 -5.306 0.000250 ***
X2
2.155e-01 3.946e-01 0.546 0.595816
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
残差标准差、决定系数及回归方程的显著性检验结果：
w1.x=data.frame(X1=-0.48,X2=0.42) w1.y=predict(B,w1.x,interval="prediction",level=0.95) w1.y
输出结果：
> w1.y
fit
lwr
upr
1 0.4599869 -0.2623089 1.182283
总结
棉花的纤维强力与纤维的公制支数密切相关，公制支数 越高，纤维越细，强力变小，且纤维成熟度越高，纤维 强力也就越高。
棉纤维的强度是纤维具有纺纱性能和使用价值的必要条件之一，纤维 强度高，则成纱强度也高。
案例分析
某地区所产原棉的纤维强力Y与纤维的公制支数X1（指单位质量（g） 的纤维所具有的长度（m））、纤维成熟度X2有关，数据如下：
序号
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Y
4.03 4.01 4.00 4.09 3.73 4.09 2.95 3.90 2.89 3.48 3.60 3.77 3.94 3.66