袁志磊，徐平华，丁雪梅，吴雄英，4，徐明慧

［1.上海海关，上海 200135；2.浙江理工大学服装学院，浙江杭州 310018；3.浙江省服装工程技术研究中心，浙江杭州 310018；4.东华大学服装与艺术设计学院，上海 200051；5.现代服装设计与技术教育部重点实验室（东华大学），上海 200051］

在衣物洗护过程中，织物在润湿状态下受到机械力及洗涤剂的物理化学复合作用易发生缩皱变形，降低衣物外观美感和服用性能［1］。其中，面料、里料与缝线性能失配造成洗后缝纫外观质量下降［2］。缝纫平整度的准确评估对选料用料、服装加工工艺、品质控制等至关重要［3-5］。

GB/T 13771—2009《纺织品 评定织物经洗涤后接缝外观平整度的试验方法》规定采用目光比对方式评价织物缝纫平整度等级；对服装部位的测试均采用对应的样照参照评估，但人工评级耗时费力、精度低、速度慢、专业性强［6］。客观评级主要采用图像处理、三维扫描及数学建模等技术评价缝纫平整度等级［7-8］，在精准性、普适性和主客观一致性等方面存在一定的缺陷。

衣物护理相关评价指标（如洗后外观平整度、褶裥保持性等）与缝纫平整度评估现状类似［9］，因此本文以缝纫平整度评价为例，在回顾和总结国内外方法标准和相关研究的基础上，探析评级中存在的主要问题和技术难点，并结合当前机器视觉和人工智能技术的发展，提出该领域研究的未来发展方向。

1 主观评级

1.1 织物洗后接缝外观平整度

针对织物洗涤后接缝外观平整度的评价，国内外制定了相关的测试方法标准，包括GB/T 13771—2009、ISO 7770—2009Textiles-Test method for assess⁃ing the smoothness appearance of seams in fabrics after cleansing、AATCC 88B—2018tTest Method for Seam Smoothness in Fabrics after Home Laundering等。上述标准原理基本相同，分为试样处理、平衡、人工评级3 个阶段。

图1为主观评级场景示意图。

图1 主观评级场景示意图

AATCC 88B 最早由AATCC RA61 委员会于1962年制定，虽然经过多次修订，但是评级方式变动较小［6］。其余相关标准类似，即在规定的照明条件下，参照标准样照，对经约定洗涤方式处理后的试样进行目测比对；对3 名观测者评级结果进行均值修约后得出接缝外观平整度评定等级［10］。主观评级场景示意图规定了照明条件、标样/试样放置方式、观测位置等必备条件。

标准中采用的标准样照或立体标准样板分为单针迹和双针剂2 种形式。AATCC 88B—2018t 提供了如图2a、图2b 所示的2 种标准样照，GB/T 13771—2009、ISO 7770—2009 另增2 类立体标准样板，如图2c、图2d 所示。缝迹共分为5 级，1 级最皱，5 级最优，加上0.5 级为1 档，一共为5 级9 档。由3 名观测者对3块试样均值修约至最接近0.5 级档作为最终评级结果。其中AATCC 88B—2018t修约至0.1级。

图2 缝迹标准样照和标准样板

1.2 服装缝纫平整度

服装是由面辅料、配件等材料综合加工而成，其缝制工艺、材料种类、色彩花型多样，仅对织物洗后接缝外观平整度进行评估与服装存在差距。为此，国内制定相关标准以适应不同类型服装的缝纫外观质量评定。

肖平等［6］对部分涉及缝纫平整度的国家、行业标准内容、特点和缺陷做了相关总结。表1 对测试方法、部位和技术要求进行总结。由表1 可知，不同类型的服装对缝纫平整度测试部位、技术要求不尽相同，参照的标准样照也存在较大差异，如衬衫、西服、大衣、夹克衫等服装产品标准要求测试洗涤后的缝纫平整度，而丝绸服装、羽绒服、风衣等服装产品标准仅要求测试洗涤前的缝纫平整度。

表1 服装缝纫平整度测试方法与技术要求

2 客观评级

缝纫平整度客观评级从技术手段上分为接触式测量法和非接触式测量法2 种评级方法［11］。研究思路大致如图3 所示，一般分为4 个阶段：信息采集、预处理、特征提取和综合评级。

图3 缝纫平整度客观评价研究思路

2.1 接触式测量法

接触式测量主要通过传感器对织物或服装缝迹处高低起伏形态进行测量，获得高度、倾斜度、曲率、长度变化等信息，综合计算缝纫平整度［12］。其中，褶皱系数［13］是将试样拉伸至褶皱消失时的长度与初始样长度的变化率；缝缩率［14］表征缝制或洗涤前后缝迹长度变化量，按照下列公式进行计算：

式中：l0为织物缝纫前的长度；l为织物缝纫后的长度。

2.2 图像分析法

利用成像设备采集试样表面图像后进行预处理、特征提取和等级分类。

图像预处理是将采集图像的有效信息与干扰信息进行分离。干扰信息主要包括成像噪声、面料色斑或灰点、表面色彩、图案或组织纹理等。其中噪声、色斑或简单的纹理等利用滤波或偏微分方程等技术容易滤除［15］，但复杂纹样或色彩较难去除［16］。

在特征提取和筛选方面，缝纫褶皱形貌特征是等级分类的重要评判依据。早期由于成像技术的制约，仅利用褶皱形成的光影与褶皱之间的投影比（投影曲线长度与接缝长度比值）［17］间接表征缝纫平整度。随着成像质量的提升，缝纫平整度逐步转向褶皱自身形态的评估。一般将褶皱转换至单通道图像进行特征提取。从空间域入手提取形态参数，如褶皱数、曲率或构造特征，如灰度共生矩阵析出的能量、熵、对比度、表面粗糙度等［18-19］，或利用分形几何技术［20］提取分形参数；从频率域入手，利用傅里叶变换、Gabor 变换、小波变换等方式提取频率域特征。相关研究所采用的概率神经网络模型［21］、haar 小波技术［22］、模糊识别模型［23］、BP 神经网络［24］及粗糙集-BP神经网络［25］、残差卷积神经网络［26］等方法提取了较为有效的特征指标。如利用Gabor 滤波器提取的总熵值，其与主观评级结果之间呈现良好的二次方多项式关系［27］。相关研究对上述部分特征与主观评级结果之间的关联度进行了具体比较分析［28］。

在等级评定方面，将提取的若干项特征值作为输入信息，利用聚类分析、回归分析、模式识别、人工神经网络或支持向量机等方式进行分类［21-23］。对于花型或颜色干扰弱的样本，上述研究方法得出的结论显示能够有效区分缝纫平整度等级，但对于花色干扰的织物，由于在预处理阶段较难将目标和背景分离，输入图像混杂过多干扰信息，至今基于图像分析的评级方法尚未成为通用可行的解决手段。

2.3 三维形态分析法

三维重建的优势在于能够直观获得缝迹处褶皱的空间形貌，有效规避颜色和纹理的影响。主要包括三维扫描和重建、预处理、特征提取、等级分类［29-31］。

三维形貌的获取一般利用激光扫描、光栅投影、光度立体视觉、双目或者多目立体视觉法获得表面点云信息，重建出褶皱形貌。随着便携式商用三维扫描仪的出现，对褶皱形貌的获取更加方便，但是时间代价以及硬件成本较高。光度立体视觉基于多角度光影变化重建形貌、双目或者多目成像则基于织物图像自身特征匹配后重建形态，利用多幅图像信息构建三维空间形貌，在一定程度上减少了信息采集阶段的成本［9］。

三维空间形貌特征包括平均长度、体积、表面积、扭曲程度等［32］。如利用褶皱轮廓曲率与主观评级、抽皱量构成关联度，则不同面料的关系曲线分布形态存在差异［33］，说明不同材质的面料，其缝纫平整度主观认知与当前提出的特征之间还存在一定的差异。

3 存在的问题

3.1 学习人工评级机制

客观评级方法的研究逐步成熟，但人工评级至今仍在应用，尚未被有效替代。其原因需要从人工评级的优势和缺陷2方面进行分析。

诺贝尔医学奖获得者David 等［34］研究得出，哺乳类动物的可视皮层呈分级结构，神经-中枢-大脑的反馈是一个不断迭代、抽象的过程。这种对检测积累的“有限样本”自我比对、自动学习的能力应当得到重视。但人工评价同样存在严重缺陷，即效率低、分辨精度低、重复性差。现有标准中规定的测试条件较为苛刻，尤其对于纺织服装企业而言，投入成本大。此外，高度依赖经验，对评级人员要求较高。也正因为如此，需要了解和学习人工评级机制，研究可以实现主客观高度一致的客观评级方法。

3.2 客观评级的时间损耗

当前客观检测方法的研究以二维图像和三维空间信息分析和评价为主。

三维形貌的重建，如利用三维激光或光栅式扫描仪对样本进行扫描，由于需要逐点或逐行扫描，单一样品扫描时间过长，加之需要尺寸标定耗费大量时间［33］，超出商用检测时间的容忍度，原则上应当短于人工评级耗时。基于多幅图像信息的重建，依据不同算法的复杂度，其时间损耗差异较大，目前重建时间仍有提速的必要。对于单幅图像而言，在花型和色彩干扰弱的情况下，一般处理和分析耗时能够满足商用检测需求，但是对于复杂纹理和色彩干扰，预处理时间会延长。

3.3 表面干扰信息的滤除

织物组织结构纹理、色彩和花型、表面脏污或其他信息是缝纫平整度客观评价中的主要干扰信息。利用三维重建方式有效规避该影响，但是速度过慢，仍需提升效率。对于二维图像而言，优势是处理速度快，但缺点是对于表面干扰信息的有效滤除仍存在较大障碍［22］。

由于图像处理是将织物表面信息映射成平面图像，褶皱与干扰信息混杂，如何有效分离较为关键。改进途径包括对成像设备进行优化或从特征形貌角度进行分离，但相关研究表明目前尚未能有效解决此类问题，而这一问题影响到纺织品表面性能的检测，如起毛起球评级、疵点检测、织物洗后外观平整度评级［9］等，成为当前的共性问题。

3.4 样本库

一方面，当前现有的标准样本过少。现有标准提及的标准立体样板或样照是人工评级时的参照样，数量有限。另一方面，标准样的种类需求丰富，不仅需要对织物缝纫平整度进行评判，还需要对服装不同部位甚至整件服装进行综合评价［35-37］。此外，现有部分标准中的描述不明确，存在一定的操作难度。如“男西服外观起皱样照”是服装整体样照，而缝纫平整度是对服装局部进行评价，服装整体样照不利于检测人员对局部缝纫外观质量进行判断；在连衣裙、牛仔服、人造毛皮服装等服装产品标准中对缝纫平整度没有具体的等级要求，仅凭检测人员主观判断是否缝制平伏、线路顺直，缺乏判断标准，检测人员难以把握，建议将不小于4 级作为缝制平伏的判断标准；在部分服装产品标准（例如FZ/T 81010—2018、FZ/T 81007—2012、FZ/T 81008—2020 等）中，对测试部位的标注不够明确，仅说明为主要表面部位，如何判断为主要表面部位可能会导致不同检测人员判定结果出现差异。因此，需要构建基于一定数量且公认的样本训练库进行训练和测试，使现有各类客观评级方法与人工评级保持一致。

4 发展趋势

4.1 高速检测与高精度评级

织物外观性能的评估速度因技术的迭代逐步提升，最终测评表现应最大限度地优于人工检测速度。从当前客观评级技术手段来看，尽管三维重建精度越来越高，但扫描速度远未达到商用评级需求。利用二维图像信息重建，从算法复杂度来看同样需要耗费一定的时间。对于纯色织物，二维图像免去了干扰信息的滤除，可略过三维重建，因此速度上有优势，基本能满足当前的测试需求。因此，如何有效、快速滤除表面干扰信息，成为制约缝纫外观平整度评级速度的关键，也是今后需要重点解决的难点之一。

除了检测速度，评级精度也是今后需要重点解决的问题。人工评级为5 级9 档制，精确度为0.5 级，难以区分不同面料或者不同洗涤、干燥条件之间的差异，使得该指标难以用于评价面料、缝线、工艺或者洗涤程序差异，用途受限。因此，在今后的研究中，输出结果除了覆盖人工评级范围，还需要对每档之间的弱变化进行细分，给出高于人工评级精度的评价值。此外，样品库的褶皱效应信息，也应当根据洗护的实际效果，明确是否需要延展评级范围，避免出现比标准样更加褶皱时，强制归集至1 级，需要更多地考虑褶皱状态。

4.2 检测方法普适性和统一性

目前，客观评级研究方法较多关注织物洗后缝缩评级，对实际服装的缝纫平整度评级研究较少，即研究覆盖面较窄。因此，针对衬衫、西服、大衣、丝绸服装等整件服装的缝纫平整度评级有待进一步研究。此外，对于织物的色彩、纹理、花型等干扰因素的滤除，也是今后研究的重点，需要不断提升客观评级方法的普适性，并建立相关方法标准。

客观评级标准的建立将有利于统一各类服装的缝纫平整度评级方法，目前，在GB/T 2660—2017《衬衫》、GB/T 18132—2016《丝绸服装》、GB/T 2664—2017《男西服、大衣》等服装产品标准中，依据服装款式、材质、缝制工艺等，都各自规定了一套标准样照，用于缝纫平整度的人工评价。但是随着客观评级技术的发展，基于大数据下的智能评价模型的建立，可以利用机器自学习机制进行等级判定，不再依赖于检验员的经验和各种标准样照。

4.3 主客观高度一致性

人工视觉评级过程可看作一种合理且高效的图像处理系统，并非纠结于一两种特征，而是依据多源信息并结合检测经验进行综合判定，具有较强的容错和智能综合特性［38］，这是人工检测目前难以替代的根本原因。在提升主客观评级的高度一致性方面，需要对人工评级机制进行深入探究［39］，从评价思路、评价特征、特征综合等方面深入研究和模拟，最大程度地接近主观评级专家的共性评价逻辑。

随着人工智能、大数据时代的到来，服装缝纫平整度的评价，不仅局限于依靠人工主观、直接测量、图像分析等测量方法，还要建立大数据下的智能评价模型，在丰富褶皱效应的同时，利用自学习机制智能判定等级，实现与专家主观评级的高度一致。

4.4 低成本商用评级

纺织品服装检测在向智能化、便捷化、精确化方向发展的同时，检测成本也必然成为商用研发考虑的因素之一。检测仪器的硬件成本主要包括信息采集设备及成像环境所需的配置。目前采用的手持式三维扫描仪除了扫描速度慢之外，还有价格昂贵的问题，难以商业推广。图像处理和分析技术基于成像结果的分析，绝大多数相机能够有效分辨织物的褶皱状态，成本相对低廉，是今后硬件设计和开发的首选配件。软件方面主要取决于设计难度、软件开发周期和维护成本等，随着设备的普及和广泛使用，其编辑成本将降低。相比较而言，硬件成本更有压缩空间。

5 结论

（1）服装缝纫平整度是服装外观质量的重要评价指标之一，当前的人工评级法和客观评级法各具优势，同时也存在一定的缺陷。人工评级法即标样对照法，综合了经验和特征综合的认知优势，但容易受环境、生理状态或其他外部因素的干扰。客观评级法重复性好，图像分析速度快，但易受织物表面颜色、纹理的影响；三维扫描法所用设备昂贵，耗时较长，且容易出现扫描盲点。整体来看，客观评级法在干扰信息滤除或重建速度上有待进一步提升。

（2）在今后的研究中，应当结合机器视觉、人工智能、大数据等多种分析技术，利用自学习机制研究多类型织物或者服装缝纫平整度的精确评级方法，实现主客观的高度一致。在研究与当前检测需求相适应的客观评级方法基础上，建立可替代主观评级的客观评级方法标准，对于提高我国服装缝纫平整度检测技术、促进服装企业提高产品质量方面具有重要意义。