王萌萌，刘成霞,2

(1.浙江理工大学 服装学院，浙江 杭州 310018；2.浙江理工大学 服装数字化技术浙江省工程实验室， 浙江 杭州 310018)

织物缝纫平整度是纺织品外观的重要量度标准[1]，现有研究多采用标样对照、直接测量等方法对织物缝纫平整度等级进行评定。近年来，由于标样对照法易受观察者自身主观因素及环境条件的影响，测量误差较大，相关学者开始采用智能化评价、建立预测模型等方法对缝纫平整度进行研究。在智能化评价方面，YoungjooNa等[2]使用图像处理技术研究缝纫平整度等级，Kang等[3]使用几何分析法客观评价了织物缝纫平整度，经过与主观评价的相关分析后发现该方法的准确率较高；李艳梅[4]运用小波分析及图像处理技术建立了多元回归模型和概率神经网络模型；蒋真真[5]利用BP神经网络建立了客观评价缝纫平整度的模型。研究者们主要先用图像处理技术提取织物缝纫平整度特征值，再利用人工智能技术评价织物缝纫平整度等级，但上述方法中织物种类、色彩会在一定程度上影响织物缝纫平整度等级评价的准确率。在建立预测模型方面，Tasaki等[6]日本学者致力于建立一个二元回归方程来评价缝纫平整度等级；刘侃[7]运用数学方法建立了织物缝纫皱缩预测模型；范蕤[8]用模糊神经网络建立了缝纫平整度的预测模型。上述模型的预测准确率虽达到了一定程度，但适用的织物种类范围较少。

综上，目前评价织物缝纫平整度方法的准确率易受测量方式、拍摄光线及角度、织物颜色、种类乃至组织结构的影响，且样本图片的获取比较耗时，不易推广，达不到广泛适用的效果[9]。……