摘要：针对企业目前应用的织物疵点检测算法精度低、漏检率高、训练速度慢及模型难以收敛的问题,提出了一种基于并联堆叠的织物疵点检测算法。基于YOLOv7深度学习目标检测算法,采用不同参数值的空洞卷积设计DCCSPC并联堆叠模块,改进SPPCSPC空间金字塔池化层,深度融合织物瑕疵局部及整体的特征信息;添加输出160×160的小目标检测层,实现宽高仅占4个像素的小目标疵点检测;使用WIoU损失函数替换CIoU损失函数,解决了特殊样本(长宽比与多数样本不一致的样本)漏检率高问题,并提高了模型的收敛速度。另外,为消除数据集类别不均衡问题,采用生成对抗网络对数量较少类别进行了样本扩充。将改进后算法在织物疵点数据集上进行测试,结果表明:与以往方法相比,改进后的模型具有更高的识别精度和鲁棒性,能够检出宽高比例悬殊、纹理对比度低图像中的疵点及小目标疵点,对比原YOLOv7模型,平均精度值提升3.4%,且收敛速度更快、误差更小,能够更好地满足当下织物智能疵点检测的需求。

摘要：棉纤维具有吸湿性良好和质地柔软等服用优势,但其导湿性不足,大量吸湿后易粘连在皮肤上造成湿冷感,故对棉纺织材料导湿性能的研究尤为必要。从纤维、纱线、织物3个维度对棉纺织材料导湿性的研究现状及相应成果进行介绍。当前研究表明,棉纤维混纺、棉纱线复合结构设计、织物层面整体优化等方法为提高导湿性的主要研究方向。织物结构优化具有优势,但也存在参数缺乏对比、系统理论不足等问题。未来在改善棉纺织材料导湿性能方面的研究还需要在理论层面上进一步形成系统性理论知识,在吸湿排汗织物层面细化评定标准。