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：为探究降低二氧化硅气凝胶体积密度的有效途径,以甲基三甲氧基硅烷(MTMS)和二甲基二乙氧基硅烷(DMDES)为硅源合成有机硅氧烷气凝胶,基于Box-Behnken Design响应面设计方法,分析MTMS/DMDES摩尔比、H_(2)O/Si摩尔比、氨水浓度这3个因素及其交互作用对气凝胶体积密度的影响机理与规律,得到最佳制备工艺条件。制备低密度有机硅氧烷气凝胶的最佳工艺条件为MTMS/DMDES摩尔比6/4,H_(2)O/Si摩尔比25,氨水浓度1mol/L。在此优化条件下,气凝胶体积密度为0.148g/cm^(3),与理论值基本吻合。研究结果表明:各因素对气凝胶体积密度的影响主次顺序为氨水浓度、MTMS/DMDES摩尔比、H_(2)O/Si摩尔比;气凝胶由球形粒子连接组成,粒径为3~4μm;平均孔径约为7.03μm;气凝胶具有良好的疏水性、抗压缩性和热稳定性,接触角高达146.2°,60%应变时应力为25.4kPa,热分解温度达到389.2℃,导热系数为0.0564W/(m·K)。

摘要：为推动中国与俄罗斯的外贸服装产业发展,并有效指导国内企业进入反向定制生产模式,以俄罗斯电商平台Wildberries为数据来源,应用文本挖掘技术对平台上商品的在线评论内容进行情感分析,通过消费者评价维度权重、情感积极率和待改进度3项指标获得服装消费者的反馈信息。结果表明:一级维度中对消费者整体情感倾向影响最大的是产品质量,其次是产品外观和服务质量。在产品质量中,保暖性虽然是羽绒服最重要的服装特性,但在影响消费者整体情感倾向程度的排名中仅第三;排名第一的为合身度,也是最需要改进的。在其他二级维度中,对消费者整体情感倾向影响最大的分别是颜色、客户服务,两者均需进一步改进。未来中国的外贸服装企业在设计生产过程中不仅要增加相应的尺码,还要考虑到消费者对颜色的偏好和保暖性需求,销售方在服务提供过程中要注重提升客户服务质量,以提升消费者满意度,最终促进国内企业进入反向定制生产模式,推进双方贸易发展。

摘要：为解决婴儿监护中监控设备无法随身携带和有拍摄死角等问题,设计了一款多功能智能监控婴儿服。通过阅读文献了解现有婴儿监控设备的不足,确定设计方向;从婴儿三维建模、硬件优选及封装、服装款式结构优化、软件UI设计等维度进行设计与优化,并提出基于机器学习及增量学习的策略来提高婴儿姿势识别的精准度。研究表明,该智能婴儿监测服能够解决目前监控设备存在的问题,实现硬件与服装的有效分离,为婴儿的实时监控提供了更加有效和便捷的解决方案。

摘要：为把握蓝印花布这一非物质文化遗产研究现状,文章采用CiteSpace可视化软件,综述了中国蓝印花布在过去二十三年间的研究进展及热点趋势。选择CNKI数据库中的论文,从发文量、来源期刊与机构、作者及合作、关键词聚类图谱、突现词这些方面进行分析。研究发现:关于蓝印花布的综合性论述文献数量处于极少数状态,研究具有地域性特征;文献研究机构来源以院校为主,多为同校同门之间的合作;关键词集中在纹样或图案设计、保护传承与创新发展;文献研究经历了探索期、发展期与创新传承期三个阶段;未来热点趋势在于加强产品设计、文创产品与印染方向的研究。

摘要：为探索当前纺织品图案数字化生成方法技术融合与创新的可能性,把握产业发展趋势和未来研究方向,基于CiteSpace可视化知识图谱、文献科学计量、文献阅读、对比实验的研究方法,按照计算机图形学中图形与图像处理的概念,对纺织品图案数字化生成方法进行了分类、梳理及分析;以新疆柯尔克孜族纺织品图案为对象,使用不同的人工智能图像生成系统和大语言模型对生成的纺织图案进行对比分析;整理了目前利用人工智能图像生成技术设计纺织品图案存在的问题和原因。利用图形法、图像法以及人工智能图像生成技术等融合性、创新性生成纺织品图案是目前研究的热点;而人工智能生成图像技术应用于纺织品图案生成及其下游细分领域存在主流大模型无法理解相关领域专业知识、表现差的问题,还有待深入研究。

摘要：为探究佩兹利纹样的造型特征,挖掘其实用价值,提出一种基于形状文法的佩兹利纹样创新方案。通过文献资料法和形状文法对佩兹利纹样展开研究与应用。首先,对佩兹利纹样进行分析和整理,通过简化、分解等方法提取佩兹利纹样主要部分和装饰部分的初始形状;然后对佩兹利纹样重构创新,运用形状文法原理对佩兹利进行纹样创新设计,先用生成性规则生成基本图像单元;再用衍生性规则产生具有创新性的衍生纹样,以单独和连续纹样为主,创新出新的佩兹利图案;最后选取4款图案在传统风格的现代旗袍中进行设计实践及展示,验证佩兹利纹样在现代旗袍设计中应用的可行性。运用形状文法对佩兹利纹样进行创新设计,能有效设计出新颖的佩兹利纹样设计方案,丰富现代旗袍的纹样设计。

摘要：为提升活性染料在棉织物上的固色率,使用响应面法优化活性染料在非水介质少水十甲基环五硅氧烷(D5)体系下上染棉织物的染色工艺。研究了碳酸钠质量浓度、固色时间和固色温度3个因素之间的相互作用,并优化确定了最佳工艺参数,具体工艺为碳酸钠质量浓度48 g/L、固色时间10 min和固色温度89℃。在最佳工艺条件下,预测固色率为75.67%。通过试验验证测试出的固色率为76.73%,与预测值吻合。

摘要：在新服装产品销售预测任务中,由于缺乏历史销售数据,通常需要充分利用其他模态的数据作为补充。然而,多模态服装数据通常具有冗余性和异构性。为解决这些问题,提出一种包括三个主要元素的层次化多模态注意力循环神经网络(hierarchical multi-modal attention based recurrent neural network,HMA-RNN)。层次化结构将高层语义信息与低层语义信息分离,以避免信息冗余。在模态融合阶段引入多模态注意力机制(multi-modal attention,MMA)以减轻固有的数据不对齐问题。采用共享注意力机制构建跨多模态数据的依赖关系。在Visuelle 2.0数据集上的试验结果表明,所提出的方法加权平均百分比误差(weighted average percentage error,WAPE)为72.07,平均绝对误差(mean absolute error,MAE)为0.80,明显优于现有的方法,表明了该研究所提出的方法的有效性。