孙月鑫，陈 郁

(上海工程技术大学 纺织服装学院，上海 201620)

衣领因位置醒目，是服装上至关重要的部分[1]。翻折领是领座与翻领相连的一种领型，常用于正装，对合体性和美观性要求较高。翻折领，尤其驳折领，造型变化多样，同时需要匹配人体肩颈部的复杂曲面，不仅版型结构较为复杂，而且设计精度要求也较高[2]。在翻折领的平面结构设计中，驳口线由翻折基点与驳口止点相连而成[3]。翻折基点，也称为驳折基点，作为驳口线确定的基准点，是领部后续制图的基础，也影响着翻折领的造型和穿着舒适性。因此，准确地确定翻折基点位置对于翻折领结构设计至关重要[4]。

本文基于正视绘制法，对翻折领的翻折基点影响因素进行分析，根据其与翻折基点的相关性进行降维，建立了便捷准确的回归关系式，将影响因素从4个缩减为2个，使制版师能对翻折基点进行较为精确地定位，同时也能简化衣领制版流程，在后续服装CAD衣领自动化绘制时也可参考本文方法进行翻折基点的快速定位。

1 正视绘制法原理

1.1 绘制方法与影响因素

以女士正装驳折领绘制为例，如图1正视绘制法中的关键特征所示，首先绘制侧颈点处领部正视截面图，以衣身肩线的端点A为起点，绘制领座线段，长度为领座高n，其角度根据领座与水平线的夹角α确定。然后以领座的上端点D为圆心做半径为翻领宽m的圆，与一定肩斜角β的肩线相交于P点，再以P点为圆心，DP为半径交肩斜线的延长线于B点，B点即为翻折基点，AB之间的距离为翻折基点偏移量(offset)。连接翻折基点与驳折止点得到驳口线，完成后续其他结构设计后最终达到图1所示的三维穿着效果。因此，翻领基点的确定不但与衣领的造型有关而且与人体的局部形态有关[5]，翻折基点偏移量主要影响因素确定为在颈侧点处的m、n、α和β。

图1 正视绘制法中的关键特征Fig.1 Key features in the front-view drawing method

1.2 取值范围

在领部与颈部设置足够放松量的前提下，翻折领造型可以分为外扩型、竖直型和合体型。根据常用的翻折领口造型，将领座与水平线的夹角的取值范围设置在81°～117°之间。为了保证模型的准确性，每隔3°进行一次夹角取值。一般情况下，领座高设定为2～6 cm，领座高度小于翻领宽度，翻领宽最长不会超过10 cm。将领座高与翻领宽进行匹配，按照1 cm的步长进行取值。肩斜线绘制方法参考第6代日本新文化女子原型，基准肩斜角设定为22°，考虑垫肩的厚度和统计数据[11]，肩斜角取值16°～24°，步长设为2°。

1.3 数学模型

根据正视绘制法，如图2数学模型所示，确定以点p0(x0,y0)为原点的直角坐标系。使用α和n，根据三角函数定理，可确定最高点p1(x1,y1)的计算方法为式(1)与式(2)。以y1-y2与x1-x2作为直角边，m作为斜边构成三角形。设翻领与肩斜线的交点为p2(x2,y2)，可以得到式(3)。最后，根据p2的坐标和肩斜角β，可得到式(4)。综上所述，构建出方程组如下：

x1=x0+n×sin(α-90)

(1)

y1=y0+n×cos(α-90)

(2)

(y1-y2)2+(x1-x2)2=m2

(3)

(4)

图2 数学模型图示Fig.2 Illustration of mathematical model

1.4 自动绘图

绘图使用python 3.8与pyautocad 0.2.0模块, 编写程序将数学模型中确定的点进行连接，可以同时得到翻折领图示与常用尺寸搭配下翻折基点偏移量的数值矩阵，共计2 495组数据。图3为自动绘图结果所示的生成图示节选示例，图中m、n、α、β为自变量，offset为因变量，即翻折基点距离肩线端点的偏移量。

图3 自动绘图结果示例Fig.3 Examples of automatic drawing result

2 数据分析

通过方程直接计算或是训练神经网络进行预测，虽然能够得到准确的结果，但都需要计算机设备并安装额外的插件或模块。因此，尝试使用SPSS软件将计算机计算出的数据进行分析生成回归式。

在SPSS软件中根据变量的相关性进行模型配置组合，置信度为95%的情况下，使用步进线性回归可以得到4种回归模型。各线性回归模型摘要见表1。为了去除自变量数目的影响，模型的决定系数由表1中调整后R2为标准，回归模型4的决定系数最大。模型2、3与模型4相比略有下降，但均在0.9以上。当回归模型仅包含n与常数时，决定系数下降明显约为0.662，模型间标准估算的错误也呈现相同的差异。在考虑变量数量及精确性后可以看出，使用模型2的回归式，即使用n、α与常数组成的回归模型可以简便且准确地确定翻折基点。

表1 各线性回归模型摘要Tab.1 Summary of each linear regression model

线性回归方差分析见表2，可以看出4个线性模型虽然决定系数有所区别，但显著性均为0. 000(<0.05)，说明所建方程在统计学意义上回归关系显著，可以根据实际的精度需要进行选择。回归系数分析见表3，通过生成的系数，得到最终的回归关系式如式(5)～(8)所示：

offset1=0.786n-0.479

(5)

offset2=0.786n+0.038α-4.075

(6)

offset3=-0.105m+0.839n+0.038α-3.498

(7)

offset4=-0.105m+0.839n+0.038α+

0.038β-4.3

(8)

式中：offset1-4分别为模型1～4确定的偏移量。

表2 线性回归方差分析Tab.2 Linear regression analysis of variance

从回归关系式可以看出，领座高对翻折基点的偏移量影响最为显著。在其他条件相同的情况下，翻折基点的偏移量与翻领宽呈负相关性，与领座高、领座与水平线的夹角、肩斜角呈正相关性。

表3 回归系数分析Tab.3 Regression coefficient analysis

3 比较与讨论

3.1 散点图

3种方法所得的偏移量对比如图4所示，分别将正视绘制法(灰色圆形散点)、回归方程法(黑色三角形散点)得出的偏移量绘制为散点图，同时，为了与传统方法对比，选取常用的0.8倍领座高的方法，简称0.8n法[12](黑色方形组成的线段)，计算偏移量并绘制散点图，可以直观地看出在相同实验参数条件下，回归方程法的散点图可以较好地拟合正视绘制法的散点图，而0.8n法的散点图拟合程度较差。

图4 3种方法所得的偏移量对比Fig.4 Comparison of offsets obtained by three methods

3.2 衣领绘制

为了验证回归模型法所绘领型的准确性，以m=3 cm，n=6 cm，α=96°，β=18°为参数，使用2种不同的翻折基点确定方法绘制驳折领并与正视绘制法的结果对比[12]，如图5所示。图中实线样版为正视绘制法所绘，其偏移量为1.883 cm。图5(a)中，虚线为传统0.8n法绘制的样版，偏移量为2.4 cm，驳领与肩领部位以驳折止点为轴整体向右旋转偏移，肩领处最大差值为0.862 cm，该变化是由于0.8n法得到的偏移量较正视绘制法的多约0.5 cm所致。图5(b)中，虚线为回归方程法绘出样版，偏移量为1.933 cm，虚实两线基本重合，最大差值不到0.1 cm。通过以上比较可以看出，回归方程法相较于0.8n法，所绘领型与正视绘制法的结果拟合度明显提升，可作正视绘制法的简易代替方法。

图5 不同绘制方法绘制结果对比Fig.5 Comparison of drawing results of different drawing methods. (a) 0.8n method and the front-view drawing method; (b) Regression equation method and the front-view drawing method

4 结 论

为了更加方便准确地确定衣领翻折基点，本文基于正视绘图法，讨论了其相关影响因素并构建了数学模型。通过设置不同的衣领参数，对所产生的翻折基点偏移量进行回归分析。确定了4种在不同影响因素作用下的线性回归式，并得到如下的结论：

①正视绘制法综合考虑了领部造型与人体体型特征，可以对翻折基点进行较为准确的定位。

②翻折基点的偏移量与4种影响因素之间均有良好的线性相关关系。其中领座高是翻折基点偏移量最主要的影响因素，其次为领座与水平线的夹角以及翻领宽度，最后为肩斜角。

③使用领座高和领座与水平线的夹角确定的回归方程式，即offset=0.786n+0.038α-4.075，可以既方便又精确地表示出翻折基点的偏移量，作为正视绘制法的简化方法，决定系数可达0.906。制版师也可以根据自己的需求，选择不同精度的回归式。