冬奥热潮带动了我国冰雪产业的迅速发展,滑雪头盔作为冬季运动的关键装备之一举足轻重,但我国在该领域的研究较欧美等发达国家尚显不足.回顾了当下国内外滑雪头盔的研发现状,结合全球市场上不同品牌的产品技术特点和商业概况,系统介绍了滑雪头盔的相关安全认证标准,分析了安全性、舒适性及减阻和智能头盔领域的关键技术,对我国滑雪头盔的未来发展趋势进行了展望.
为了提高服装廓形的识别准确性,实现平面款式图的自动分类和识别,提出了一种基于改进AlexNet网络的服装廓形识别算法.以女裤廓形识别为例,首先,构建了一个包含19000多张女裤平面款式图的数据集,数据集按"S"形、"A"形、"X"形、"O"形、"H"形、"V"形对样本进行标签分类,并划分为训练集、测试集和验证集;然后,构建网络模型对训练集和测试集进行训练;针对平面款式图的图像特点对AlexNet网络进行了改进,通过减小网络深度,在第4层卷积层后引入批归一化操作来防止过拟合,提高模型的泛化性;最后,采用验证集进行模型验证,运用混淆矩阵对模型的验证结果进行可视化.结果表明:改进模型在验证集上的平均准确率为88％,最高类别识别准确率为94％,比改进前的AlexNet网络的识别准确率提高2％,且相较于resnet18等其他网络而言改进后的网络准确率更高,可用于女裤廓形识别.
托特包因装载物品量较大,在生活中经常被使用,但大多数设计师在设计过程中较少考虑到包型较大的托特包装载较重物品时对青年女性骨盆的影响,以及使用单肩或斜挎的方式携带较重的托特包时,行走姿势易受影响从而增加腰背损伤的风险.为获得更舒适的托特包设计方案,通过红外光点运动捕捉系统采集了8名女性在不同携带方式(单肩背、斜挎背)下,背负质量为人体体质量10％的托特包行走时的骨盆角度数据,并将其与0负重条件的数据加以对比.结果显示:不同要素(普通包袋、硬质包袋、小号包袋)的托特包主要限制骨盆在水平面上的旋转.基于上述实验结果,从造型、材质、结构和携带方式4个角度提出了托特包的设计建议.
在服装图像分类任务中,背景会使服装的轮廓和位置难以确定.为降低背景对服装图像分类的影响,提高分类准确度,提出了一种基于Swin Transformer的服装图像分类方法.这种方法使用新颖的Swin Transformer网络作为基础网络,利用傅里叶变换获取图像的高低频信息,筛选出合适的高低频图像,有效提取高频特征,并引入弱监督选择机制,确定服装在图像中的具体位置.为了确定这一分类方法的有效性,使用部分DeepFashion服装数据集的数据进行验证.实验结果表明,文中提出的引入高频信息和弱监督机制的Swin Transformer方法在服装图像分类上效果显著,可达84.0％的Top1准确率,相比原Swin Transformer基础模型能提升4.1％的准确率.
低温萃取法提取传统中药黄连(CCF)和大黄(Rh)中的有效成分,将其混入聚丙烯腈(PAN)静电纺丝溶液中,制备得到CCF/PAN和Rh/PAN静电纺纳米纤维膜.探索了制备工艺和形貌控制方法,并对纤维膜进行抗紫外、空气过滤及调湿的多功能测试实验.研究发现:在纺丝时间为45min、推进速度为1.0mL/h时,CCF/PAN和Rh/PAN纤维膜空气过滤效率高达99.87％和99.48％,且具有一定的阻隔紫外线能力;浸泡LiCl盐溶液后,CCF/PAN-LiCl和Rh/PAN-LiCl纤维膜均具有良好的吸湿性能和吸湿速率,吸湿能力分别为2.59g/g和2.67g/g.
