牛仔面料起球快测模型及其训练方法、面料起球快测方法

摘要

本发明公开了一种牛仔面料起球快测模型及其训练方法、面料起球快测方法，属于纺织领域，面料起球快测方法包括，获取面料织造时经纱的纱支和捻系数；对面料进行洗水处理；对洗水后的面料做密度测试得到经密，对洗水后的面料做抗弯刚度测试得到抗弯刚度；将面料材质、纱支、捻系数、经密和抗弯刚度输入牛仔面料起球快测模型，得到起球快测结果，模型中考虑的样本特性为根据经验挑选的对牛仔面料起球强相关的因素，包括在设计时已知的材质、支数、捻系数，以及可快速测出的经密、抗弯刚度，使用该模型可快速估计面料是否容易起球，特别适用于牛仔面料的开发，有利于提升面料开发和验证的效率。

说明书

技术领域

本发明涉及一种牛仔面料起球快测模型及其训练方法、面料起球快测方法，属于纺织领域。

背景技术

牛仔面料由经过浆染的经纱和本白的纬纱交织而成，经过洗水工序后，经纱上的靛蓝染料会被部分褪去，形成牛仔面料独有的做旧效果。在开发新品种牛仔面料时，需要对研发出的面料做多种测试，保证面料符合客户的各项要求，这些测试中就包括有起球测试。

面料是否容易起球与多种因素相关。对于一般的梭织面料，长久使用后的起球程度与织造时所用纱线的材质、支数和捻度强相关，受其他因素影响不大，因此可以在设计用料时大致推测织造后的面料是否容易起球。但牛仔面料比普通梭织面料多了洗水的工序，洗水工序用到强氧化剂、强碱、纤维素酶，洗水会使面料的多种特性发生变化，单单通过用料的材质、支数和捻度推测是否容易起球并不准确，只能在开发出一个试版后做起球测试。

目前做起球测试一般按《GB/T4802.1-2008圆轨迹法起毛起球方法》测试，但该方法步骤繁琐，对不同材质有不同的操作，试验用时长，而且对测试环境的温度、湿度、光线都有严格的要求，执行起来并不方便，使得起球测试成为最拖开发进度的一项测试。

发明内容

为了克服现有技术的不足，本发明提供一种牛仔面料起球快测模型训练方法，以及由该方法训练出的模型，并提供利用该模型的面料起球快测方法，能够快速得出试版是否容易起球。

本发明解决其技术问题所采用的技术方案是：

第一方面，本申请提供一种牛仔面料起球快测模型训练方法，包括以下步骤：

获取训练样本和训练标签作为训练集；其中，所述训练标签为经过第一规则编码的面料洗水后起球测试结果，所述训练样本为经过第二规则编码的样本特性，所述样本特性包括面料材质，面料洗水前的纱支、捻系数以及面料洗水后的经密、抗弯刚度；

构建包含编码器和输出层的神经网络初始模型；所述编码器配置为对样本特性进行特征提取，以向所述输出层输出面料特征向量；所述输出层配置为对所述面料特征向量进行深度学习后输出起球快测结果；

使用所述训练集训练所述神经网络初始模型，并通过损失函数在训练过程中优化所述神经网络初始模型，得到牛仔面料起球快测模型。

本申请提供的牛仔面料起球快测模型训练方法可训练出准确、智能的牛仔面料起球快测模型，可用于快速测试面料是否容易起球。

在一些优选的实施方式中，所述面料洗水后起球测试结果和所述起球快测结果为起球等级。面料起球测试包括以《GB/T4802.1-2008》为代表的圆轨迹法，以《GB/T4802.2-2008》、《ISO 5470-1》、《BS3424/5690》、《BS EN ISO12947-1》、《BS EN ISO12947-1》为代表的马丁代尔法，以《GB/T 4802.3》、《ISO 12945.1》、《BS5811》、《JIS L1076》为代表的滚箱法。其中，针对牛仔面料较为常用的是圆轨迹法，以圆轨迹法测试结果的起毛等级作为模型的输出形式，使该模型对于开发牛仔面料的技术人员而言简单易用。

在一些优选的实施方式中，所述第一规则编码为独热编码，即one-hot编码。《GB/T4802.1-2008圆轨迹法起毛起球方法》将起球结果由优至劣分为5级、4级、3级、2级、1级，而且不会有1.1级、3.8级的中间分级，采用独热编码能很好地适应这种各级之间存在等级大小关系且不具有中间分级的情况。

在一些优选的实施方式中，所述第二规则编码包括实数编码。

在一些优选的实施方式中，所述损失函数为交叉熵函数。由于起球等级是五个独立的等级，因此推测起球等级可看作一个多分类问题，选用交叉熵函数作为损失函数可以很好地解决这种多分类问题。

在一些优选的实施方式中，所述使用所述训练集训练所述神经网络初始模型的步骤包括：运用交叉验证法，直至所述训练集中所有数据组都作为过验证集时终止训练。正是由于用《GB/T4802.1-2008圆轨迹法起毛起球方法》测试面料起球等级非常繁琐，因此可以获得训练集有限，一般从以往做过的试验中摘取，采用交叉验证法可以充分利用有限数据中的特征，使模型变得更加准确。

在一些优选的实施方式中，所述使用所述训练集训练所述神经网络初始模型，并通过损失函数在训练过程中优化所述神经网络初始模型的步骤包括：

向所述神经网络初始模型输入所述训练样本，得到所述起球快测结果；

计算所述起球快测结果和所述训练标签之间的损失值；

利用所述损失值进行反向传播，优化所述损失函数的权值，得到新的所述损失函数。

在一些优选的实施方式中，所述利用所述损失值进行反向传播，优化所述损失函数的权值，得到新的所述损失函数的步骤中，采用自适应动量估计算法进行反向传播。

第二方面，本申请提供一种牛仔面料起球快测模型，由第一方面所述的牛仔面料起球快测模型训练方法训练而得。该模型可快速测试面料是否容易起球。

第三方面，本申请提供一种面料起球快测方法，包括以下步骤：

获取面料织造时经纱的纱支和捻系数；

对面料进行洗水处理；

对洗水后的面料做密度测试得到经密，对洗水后的面料做抗弯刚度测试得到抗弯刚度；

将所述面料材质、纱支、捻系数、经密和抗弯刚度输入如第二方面所述的牛仔面料起球快测模型，得到起球快测结果。

本发明的有益效果是：本发明的牛仔面料起球快测模型训练方法可训练出准确、智能的牛仔面料起球快测模型，模型中考虑的样本特性为根据经验挑选的对牛仔面料起球强相关的因素，包括在设计时已知的材质、支数、捻系数，以及可快速测出的经密、抗弯刚度，使用该模型可快速估计面料是否容易起球，特别适用于牛仔面料的开发，有利于提升面料开发和验证的效率。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

附图说明

图1是本申请实施例提供的一种牛仔面料起球快测模型训练方法的流程图。

图2是本申请实施例提供的一种牛仔面料起球快测模型的结构图。

图3是本申请实施例提供的一种面料起球快测方法的流程图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。

牛仔服装经过一百多年的演变，以其经典的复古、仿旧的风格一直屹立在时尚服装的舞台上，成为服装市场上不可替代的时尚元素，受到各个年龄段的人们的喜爱，牛仔服装在演变的过程中，逐渐形成了牛仔文化的沉淀，成为经久不衰的牛仔服装文化。

用靛蓝染料对经纱进行染色时，采用多次浸扎的工艺实现纱线的上染效果，纱线上存在大量的浮色，基于这种特性，牛仔服装在经过不同的洗水工序（物理洗、化学洗）后，会达到不同的褪色复古效果。这与其它梭织面料和针织面料不同，一般的梭织面料和针织面料是织造成布后再染色，染色时选用不易褪色的染料，也不会有牛仔面料的洗水工序（酵素漂、氯漂、氧漂、猛漂等），因此不会破坏面料的结构。

牛仔面料的开发中，不同的纱线支数和捻系数，对纱线在染色时的效果不同，洗水褪色后的效果也不同，因此在牛仔面料的开发过程中，需要对纱线的支数、捻系数以及工艺进行调整，会产生大量的开发试版，对开发的面料进行相关性能检测任务重，周期长，而起球性能的测试拖进度严重。

面料起球测试包括以《GB/T4802.1-2008》为代表的圆轨迹法，以《GB/T4802.2-2008》、《ISO 5470-1》、《BS3424/5690》、《BS EN ISO12947-1》、《BS EN ISO12947-1》为代表的马丁代尔法，以《GB/T 4802.3》、《ISO 12945.1》、《BS5811》、《JIS L1076》为代表的滚箱法。马丁代尔法和滚箱法多使用于针织物，牛仔面料较为常用的是圆轨迹法，《GB/T4802.1-2008圆轨迹法起毛起球方法》中的过程过于繁琐，耗时长，对于不同材质的面料，要求使用不同的压力，不同的摩擦次数，并且对测试环境的温度、湿度、光线都有严格的要求，执行起来并不方便。

面对圆轨迹法起球测试拖慢开发进度的情况，本发明提供一种牛仔面料起球快测模型训练方法，参照图1，包括以下步骤：

S11：获取训练样本和训练标签作为训练集。

其中，训练标签为经过第一规则编码的面料洗水后起球测试结果，训练样本为经过第二规则编码的样本特性，样本特性包括面料材质，面料洗水前的纱支、捻系数以及面料洗水后的经密、抗弯刚度。

S12：构建包含编码器和输出层的神经网络初始模型。

其中，编码器配置为对样本特性进行特征提取，以向输出层输出面料特征向量；输出层配置为对面料特征向量进行深度学习后输出起球快测结果。

S13：使用训练集训练神经网络初始模型，并通过损失函数在训练过程中优化神经网络初始模型，得到牛仔面料起球快测模型。

优选地，面料洗水后起球测试结果和起球快测结果为起球等级，方便牛仔面料开发人员使用。

训练标签是用真实的面料洗水后起球测试结果经编码得出的，正是由于用《GB/T4802.1-2008圆轨迹法起毛起球方法》测试面料起球等级非常繁琐，因此可以获得训练集有限，一般从以往对试版做过的试验中摘取，使用训练集训练神经网络初始模型的过程中，运用交叉验证法可以充分利用有限数据中的特征，使模型变得更加准确。例如，将训练标签和与训练标签对应的训练样本按随机且等量的原则分为6组，在初始化神经网络初始模型的参数后，选取任一未做过验证集的一组数据作为验证集，其余五组用于训练，将用于训练的数据分批输入到神经网络初始模型，计算起球快测结果和训练标签之间的损失值，利用损失值进行反向传播，优化损失函数的权值，将验证集中的训练标签和训练样本输入神经网络初始模型中，计算神经网络初始模型的评价指标，重复训练直至评价指标优于预定阈值且所有训练集已作为过验证集。

《GB/T4802.1-2008圆轨迹法起毛起球方法》将起球结果由优至劣分为5级、4级、3级、2级、1级，而且不会有1.1级、3.8级的中间分级，为适应《GB/T4802.1-2008圆轨迹法起毛起球方法》的测试结果为五个独立的等级，可看作一个多分类问题，第一规则编码为独热编码。在分5类的问题里，one-hot 编码相当于挖五个空,每个空初始值均为0，例如表示为[0,0,0,0,0]。以[1,0,0,0,0]表示1级，以[0,1,0,0,0]表示2级，以[0,0,1,0,0]表示3级，以[0,0,0,1,0]表示4级，以[0,0,0,0,1]表示5级，便于计算机表达和计算。模型预测出的结果实际上是某个样本属于各类的概率，例如 [0.1,0.1,0.6,0.1,0.1]，这个输出表示预测这块面料属于1级的概率是0.1，2级的概率是0.1，3级的概率是0.6，4级的概率是0.1，5级的概率是0.1。由于3级概率最大，最后会预测这个面料属于3级。

第二规则编码可包括实数编码和便签编码（label encoding)两个子规则。对于支数、捻系数、经密、抗弯刚度，直接是数值形式，采用实数编码；而材质之间没有高低之分，例如涤纶、维纶、锦纶之间的关系不像起球等级中4级的程度位于3级与5级之间，因此材质宜使用便签编码。

具体地，步骤S13包括以下步骤：

S131：向神经网络初始模型输入训练样本，得到起球快测结果。

S132：计算起球快测结果和训练标签之间的损失值。

S133：利用损失值进行反向传播，优化损失函数的权值，得到新的损失函数。

在训练的过程中，我们希望起球快测结果仅其中一个等级出现的概率接近1，这样更符合实际情况。损失值就是用于评定预测值和实际值之间的差异，实际就是衡量[0,0,1,0,0]和[0.1,0.1,0.6,0.1,0.1]之间的差异，差异越小，越接近真实情况。针对多分类问题，损失函数可选用交叉熵函数。其中，利用损失值进行反向传播时采用自适应动量估计算法，也称Adam法，用于帮助神经网络调整内部参数，使得训练过程中的损失值越来越小。该模型的收敛条件可设置为，优化损失函数时，两次迭代的权值变化少于千分之五，若用尽训练集后仍未达到收敛条件，则需要增加训练集继续训练。

由上述方法训练得到的牛仔面料起球快测模型如图2所示，包括：编码器，用于对样本特性进行特征提取，以向输出层输出面料特征向量；输出层，用于对面料特征向量进行深度学习后输出起球快测结果。

样本特性包括面料材质，面料洗水前的纱支、捻系数以及面料洗水后的经密、抗弯刚度。其中，面料材质，面料洗水前的纱支、捻系数是在设计时已知的，面料洗水后的经密、抗弯刚度需要在面料洗水后进行测定。经密由面料密度仪测得，仅需几秒；抗弯刚度按《GBT18318-2001 纺织品 织物弯曲长度的测定》的方法测得，耗时也在5分钟以内，试验条件的要求低。总体而言，比真正做圆轨迹法起毛测试更快，而且，经密和抗弯刚度本来就是试版需要接受的测试中的两项，因此利用该模型可明显加快测试试版是否符合客户要求的效率，特别适用于开发新的牛仔面料。

利用该模型，本发明提供一种面料起球快测方法，如图3所示，包括以下步骤：

S21：获取面料织造时经纱的纱支和捻系数。

S22：对面料进行洗水处理。

S23：对洗水后的面料做密度测试得到经密，对洗水后的面料做抗弯刚度测试得到抗弯刚度。

S24：将面料材质、纱支、捻系数、经密和抗弯刚度输入牛仔面料起球快测模型，得到起球快测结果。

实施例1

某试版的样本特性如下表1。

表1

该试版洗水后按《GB/T4802.1-2008圆轨迹法起毛起球方法》测得的面料起球等级为3级；用本发明的牛仔面料起球快测模型估计得的起球等级为3级。

实施例2

某试版的样本特性如下表2。

表2

该试版洗水后按《GB/T4802.1-2008圆轨迹法起毛起球方法》测得的面料起球等级为4级；用本发明的牛仔面料起球快测模型估计得的起球等级为4级。

实施例3

某试版的样本特性如下表3。

表3

该试版洗水后按《GB/T4802.1-2008圆轨迹法起毛起球方法》测得的面料起球等级为3级；用本发明的牛仔面料起球快测模型估计得的起球等级为3级。

该方法通过收集经纱的支数和捻系数，测量面料的抗弯刚度、面料的经密，结合模型进行预测面料的起球性能，能够快速、准确地估计面料是否容易起球，提高试版测试效率，有利于加快牛仔面料开发。

在本说明书的描述中，参考术语“一个实施方式”“某些实施方式”“示意性实施方式”“示例”“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。