作者:詹土林 董勇 郭俊 来源:浙江教育在线 发布时间:2010-1-17 16:08:30
选择字号:
浙江工业大学杨志民教授织物分析研究有突破
 
对纺织品生产企业来说,来样识别是个重要环节,这关系到产品的质量与生产效率。传统上,纺织品企业对来样一般采用人工识别的方法,由技术人员运用放大镜、织物分析镜等工具根据经验进行判别,不仅效率低下,也容易造成误差,给企业带来损失。日前,浙江工业大学之江学院杨志民教授研究的“织物分析中的模糊优化方法”将有效改变这一现状。
 
一般的织物分析时,资料的准确程度与取样的位置,样品面积大小有关,因而对取样的方法应有一定的规定。由于织物品种极多,彼此间差别又大,因此,在实际工作中样品的选择还应根据具体情况来定。再在经过取样之后要确定织物的正反面,在决定了织物的正反面后,就需判断出在织物中哪个方向是经纱,哪个方向是纬纱。很多纺织品企业都遇到过因为人工识别上的误差而导致的生产事故。
 
而该项目运用支持向量机技术,在扫描织物数据的基础上,采用线性分类的SVM方法对织物进行分析,通过对经浮点和纬浮点的智能识别,进行分析与识别。这样一来,来样识别就变得非常简单,只需一块小小的布料样本,通过计算机,像DNA检测一样,不用几分钟,经过划分经纬小格、查找经纬浮点、绘制组织图样式、保存组织图样式四个步骤,就能分析出该样本的布纹、颜色、纹路和质地。可以大大缩短“织物分析”的时间,提高生产效率和产品的精度。
 
据杨志民教授介绍,支持向量机是基于统计学习理论的一种新兴的通用机器学习技术,兴起于上世纪90年代,本世纪初进入中国后,杨教授的研究团队就开始接触这一领域。目前这一技术应用非常广泛,但应用在纺织企业还是首次,江苏江阴纺织品有限公司等多家纺织企业表现出了浓厚兴趣。近日,从国家自然科学基金委传来消息,该项目受到了国家自然科学基金数学天元基金项目的10万元专项资助。
 
 
 
 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
以下评论只代表网友个人观点,不代表科学网观点。 
SSI ļʱ
 
 
读后感言:

验证码:
相关新闻 相关论文

图片新闻
中国超重元素研究加速器装置刷新纪录 彩色油菜花又添7色!总花色达70种
考研复试,导师心仪这样的学生! 地球刚刚经历最热2月
>>更多
 
一周新闻排行 一周新闻评论排行
 
编辑部推荐博文
 
论坛推荐