以消费者为调查对象,采用问卷调查法分析消费者对缠花文创产品的了解程度与喜爱偏好.得出结论:大部分消费者是喜欢缠花文创产品的,但目前还存在缠花文创产品知名度低、价格偏高、种类少、风格较为单一等问题.在数据分析与文献调查的基础上,总结目前缠花文创产品存在的不足,并针对这些问题提出建议.
从地域文化的角度入手,以湘绣、潮绣为例,分析不同地域文化对刺绣整体风格、题材、技法、用色等方面的影响,并指出地域文化是地方刺绣最为重要、最为独特的艺术特色,是中国地方刺绣区别于其他绣种的重要文化依据,是刺绣艺术的文化精神根源所在.对刺绣非物质文化遗产的保护,不仅是对其技艺的传承与保护,更应该保护其珍贵的地域文化特色,使地方刺绣具有较强的"辨识性",使其在现代社会焕发出独特的艺术文化气质.
在实验室细纱机上以不锈钢纤维长丝、棉和色纺纯棉纱为原料制备不锈钢/棉包芯花色纱,产品既有抗静电、电磁屏蔽效果,又有独特的花式外观.采用 3 种方法进行纱线制备,包括先交捻后包芯、先包芯后交捻以及同时喂入法.成纱外观、毛羽、耐磨性和经济性的综合分析结果表明,同时喂入法最佳.在此基础上研究捻度对成纱断裂强度、耐磨和毛羽的影响.捻度对强度的影响与普通单纱类似,即存在临界捻度;耐磨性随捻度的增加而增加;毛羽随捻度的增加先增加后减小;拉伸断裂强度随不锈钢长丝含量的增加先增加后减小,含量在约 25%时,断裂强度最大.
纺织行业作为国民经济的重要支柱产业,具有体量大、数据量大的特点.如何有效利用数据量大、分类详细、来源不同的纺织数据,成为当前纺织行业数字化转型升级过程中的重要技术议题之一.相对于传统的数字图像处理方法,生成对抗网络(GAN)作为深度学习领域的研究热点,可以根据较少的标注数据,生成多样的高质量数据,能够很好地实现纺织数据样本的增强与生成.从 GAN 的理论原理出发,分析该模型的优点和缺点;对纺织领域应用最为广泛的 6种 GAN变体进行介绍;列举 GAN在纺织领域中的具体应用现状;对 GAN在纺织领域中面临的问题和挑战进行总结.
针对卷积神经网络因池化过程造成提取特征不充分,导致织物疵点检测精度差的问题,提出一种基于胶囊网络与滑动窗口的织物疵点检测方法.应用K-means聚类方法对标注的目标框进行聚类分析,得到合适的滑窗切分尺寸;应用滑动窗口按照一定尺寸切分疵点图像,以此实现后续的疵点定位;将得到的不同尺寸疵点图像输入胶囊网络实现疵点分类,并应用 NMS算法去除冗余框得到疵点检测结果.基于Pytorch框架构建胶囊网络模型,并就各种模型参数对织物疵点分类准确率的影响进行分析,利用在实际场景中采集的各类疵点图像,对胶囊网络织物疵点检测模型进行验证,得到 4 种疵点的检测结果.为了证明该方法的泛化性,在TILDA数据集上进行验证,并与目前主流目标检测模型的检测精度进行对比.结果表明:该方法能够准确、有效地对织物疵点进行检测和分类识别,平均精度均值达到 90.78%,比大部分主流目标检测模型的检测精度高.
