基于激光測(cè)量的機(jī)織服裝起拱性客觀評(píng)價(jià)

鄭曉萍， 劉成霞,2

(1. 浙江理工大學(xué) 服裝學(xué)院， 浙江 杭州 310018； 2. 浙江理工大學(xué) 服裝數(shù)字化技術(shù)浙江省工程實(shí)驗(yàn)室， 浙江 杭州 310018)

隨著生活水平的日益提高，人們對(duì)著裝的要求也越來越高，不僅希望服裝有一定的美觀性、舒適性，還要具有良好的保形性。其中起拱性是影響服裝保形性的重要屬性，人體運(yùn)動(dòng)時(shí)在服裝的膝、肘等部位產(chǎn)生的起拱變形嚴(yán)重影響了服裝的外觀保形性和著裝美感。

有關(guān)服裝起拱性能的評(píng)價(jià)從1970年起，國(guó)內(nèi)外紡織科技人員便進(jìn)行了大量的研究。Zhang等[1]和Amirbayat等[2]在Celanese起拱測(cè)試方法[3]的基礎(chǔ)上分別求取了殘余起拱高度和起拱力學(xué)性能來表征織物起拱。Sülar[4]改進(jìn)了zweigle起拱試驗(yàn)[5]后，利用處于動(dòng)態(tài)條件下的人造臂獲取了起拱負(fù)荷力以及起拱高度。Jaouachi[6]研究了織物規(guī)格與起拱性能之間的聯(lián)系。隨著圖像處理的興起，灰度圖像特征[7]及小波分析[8]技術(shù)也開始應(yīng)用于起拱評(píng)價(jià)。

綜上，眾多學(xué)者運(yùn)用不同的方法對(duì)起拱進(jìn)行了研究，但大多利用基本物理性能對(duì)起拱高度進(jìn)行預(yù)測(cè)，或運(yùn)用二維圖像處理技術(shù)獲取起拱高度[9];但起拱是一種三維變形，僅利用起拱高度這一單一指標(biāo)過于片面,且二維圖像不包含空間信息，與實(shí)際的起拱變形未必吻合，也難以避免織物圖案、花紋等對(duì)評(píng)價(jià)結(jié)果的影響。

三維激光掃描技術(shù)由于可獲得被測(cè)物體表面的三維坐標(biāo)，非常適用于精確檢測(cè)物體的凹凸曲面形態(tài)，本文將其應(yīng)用于服裝起拱性的測(cè)試與評(píng)價(jià)中，試圖為紡織品檢測(cè)領(lǐng)域提供更為客觀、精確的測(cè)試手段。

1 實(shí)驗(yàn)部分

1.1 試樣的選取

選取20種常見機(jī)織面料，其組織、結(jié)構(gòu)和顏色各不相同，包含色織布、印花布等，織物基本規(guī)格見表1。

表1 織物規(guī)格參數(shù)表Tab.1 Fabric specification parameters

1.2 試樣制作及試穿

服裝膝部是最易產(chǎn)生起拱的部位之一，因此將其作為研究對(duì)象。為避免實(shí)驗(yàn)過程中脫褲這一動(dòng)作對(duì)膝部起拱形態(tài)的影響，選擇并制作易于穿脫的褲筒作為實(shí)驗(yàn)樣。實(shí)驗(yàn)全程在溫度為(20±3) ℃、相對(duì)濕度為(65±3)%的環(huán)境中進(jìn)行。被試者為1名身高170 cm、腰圍72 cm，A體型的年輕女性。繪制適合被試者體型的直筒褲樣板，截取距中襠線上、下各20 cm處，即褲筒長(zhǎng)為40 cm。實(shí)驗(yàn)用褲子樣板如圖1所示，圖中虛線區(qū)域?yàn)榻厝〉难澩矘影濉?/p>

圖1 實(shí)驗(yàn)用褲子樣板Fig.1 Sample of pants used in experiment.

被試者腿型數(shù)據(jù)和褲筒樣板尺寸見表2。將表1中的織物按照褲筒樣板進(jìn)行裁剪、縫制。保證褲筒上筒圍為48 cm，中襠圍為44 cm，下筒圍為42 cm，同一織物做2只褲筒。所有的裁剪、縫制工作由同一人在同一臺(tái)縫紉機(jī)上完成。

表2 被試者體型數(shù)據(jù)和褲筒樣板尺寸Tab.2 Figure data of the wearer and sample size of the pants-tube

在被試者2條腿上做好基線標(biāo)記，確定穿著時(shí)2條褲筒處于同一高度。在褲筒上圍內(nèi)側(cè)貼置1圈強(qiáng)力雙面膠來起到固定作用，保證后續(xù)穿著過程中褲筒位置不變。被試者將縫制、熨燙之后的褲筒穿上后做如下動(dòng)作：下蹲5 min，維持坐姿(小腿與大腿垂直狀態(tài))5 min，站立5 min，以上為1個(gè)循環(huán)，連續(xù)做4個(gè)循環(huán)。完成上述動(dòng)作后將褲筒沿側(cè)縫線剪開并小心取下，迅速噴上無色定型噴霧(維持初始起拱形態(tài))，再將其放置到水平桌面上。用4 000萬像素的數(shù)碼相機(jī)(統(tǒng)一所有拍攝參數(shù))在固定光源、固定位置下獲取起拱二維圖像。

1.3 利用三維激光掃描技術(shù)提取三維指標(biāo)

1.3.1 非接觸式三維激光掃描儀

實(shí)驗(yàn)用三維激光掃描儀為加拿大Creaform公司Handy scan 3DTM系列產(chǎn)品，由雙目手持式掃描儀、Fire Wire連接線、Express Card連接卡、人體工程學(xué)支架、電源和磁性定位標(biāo)記貼構(gòu)成。該激光掃描儀精度高，數(shù)據(jù)質(zhì)量好，手持式的設(shè)計(jì)易于操作，且具有自定位功能。

1.3.2 點(diǎn)云數(shù)據(jù)的獲取與預(yù)處理

采用上述掃描儀獲取選定起拱區(qū)域的三維點(diǎn)云數(shù)據(jù)。為避免在掃描過程中，被測(cè)曲面因素、掃描系統(tǒng)內(nèi)在誤差及突發(fā)的噪聲點(diǎn)等對(duì)后續(xù)重建模型精度的影響，需將掃描數(shù)據(jù)輸入到Geomagic Studio中進(jìn)行去噪與著色的預(yù)處理。

掃描儀的自定位技術(shù)不同于GS軟件，為便于計(jì)算需將二者的坐標(biāo)系進(jìn)行對(duì)齊，即將掃描數(shù)據(jù)坐標(biāo)系的XY平面對(duì)齊到GS軟件中的XY平面。圖2(a)示出掃描數(shù)據(jù)的空間坐標(biāo)系，圖2(b)示出GS軟件的空間坐標(biāo)系，基于GS的XY平面進(jìn)行對(duì)齊后得到最終空間坐標(biāo)系如圖2(c)所示。使用工具“對(duì)象移動(dòng)器”將對(duì)齊后的平面X軸方向與面料的經(jīng)向?qū)R，Y軸方向與緯向?qū)R，垂直方向Z的值即可代表起拱高度。點(diǎn)云封裝重建后，觀察到每種織物的起拱都在一定區(qū)域內(nèi)，為方便后續(xù)定量分析，將封裝數(shù)據(jù)沿XZ方向與YZ方向裁剪成a(經(jīng)向)×b(緯向)為20 mm×20 mm大小，并將裁剪后的數(shù)據(jù)轉(zhuǎn)換為點(diǎn)云。

圖2 XY平面的對(duì)齊Fig.2 Alignment of XY plane. (a) Spatial coordinate of scanned data; (b) Spatial coordinate of GS; (c) Spatial coordinate after alignment

1.3.3 三維特征指標(biāo)的提取

1)起拱高度Hmax。起拱高度是起拱最高點(diǎn)到水平放置面的垂直距離，具體求法如下：在點(diǎn)云預(yù)處理中已確立了空間直角坐標(biāo)系，其中經(jīng)向、緯向、垂直方向分別為X軸，Y軸和Z軸。被測(cè)曲面上的點(diǎn)表示為(x，y，h)，h的點(diǎn)集合即為起拱高度的集合。將點(diǎn)云數(shù)據(jù)輸入到MatLab中，使用Scatter函數(shù)生成三維散點(diǎn)圖，即為起拱織物三維坐標(biāo)點(diǎn)的集合。從散點(diǎn)圖提取z軸坐標(biāo)點(diǎn)的極值Hmax(cm)，即起拱高度。圖3為獲取起拱高度的示意圖。

圖3 起拱高度的獲取Fig.3 Acquisition of bagging height. (a) Diagram of bagging height; (b) Extremum of scatter diagram

2)起拱體積V。起拱體積即服裝在膝部產(chǎn)生的凸起區(qū)域的體積。為精確表征這種三維變形，對(duì)擬合后的曲面進(jìn)行積分處理。具體求法如下：將擬合曲面定義為函數(shù)F(x,y)，裁剪好的a×b區(qū)域即為曲面在XY平面上的有界閉區(qū)域D，采用Simpson數(shù)值積分方法計(jì)算曲面F(x,y)在a×b閉區(qū)域D上的二重積分，即可得到起拱體積V(cm3)。

3)經(jīng)緯向最大起拱率(?a(max)與?b(max))。起拱形狀是織物在多方向不均勻回彈的結(jié)果。經(jīng)大量實(shí)驗(yàn)發(fā)現(xiàn)，其大致分為2類：縱向橢圓形和橫向橢圓形，如圖4所示。2種起拱形狀的經(jīng)緯起伏各有不同，為更好地描述不同的起拱形狀，定義經(jīng)向截面曲線的長(zhǎng)度a′與對(duì)應(yīng)底邊長(zhǎng)度a的比值為經(jīng)向起拱率，緯向截面曲線的長(zhǎng)度b′與對(duì)應(yīng)底邊長(zhǎng)度b的比值為緯向起拱率。

圖4 著裝起拱形狀Fig.4 Bagging shape under actual wear. (a) Longitudinal ellipse; (b) Transverse ellipse; (c) Cross-section of longitudinal ellipse; (d) Cross-section of transverse ellipse

經(jīng)緯向起拱率的獲取步驟如下：對(duì)織物裁剪后的大小為a(經(jīng)向)×b(緯向)的數(shù)據(jù)進(jìn)行劃分，將經(jīng)向a和緯向b分別分為m根曲線和n根曲線，曲線數(shù)據(jù)組表示為(x,y,h)a(i)以及(x,y,h)b(j)；其中下標(biāo)a、b分別表示經(jīng)向和緯向，i、j分別表示坐標(biāo)點(diǎn)序號(hào)。借助MatLab軟件對(duì)m根經(jīng)向曲線和n根緯向曲線分別進(jìn)行p次多項(xiàng)式擬合(p>2，根據(jù)數(shù)據(jù)分布情況選擇適當(dāng)?shù)亩囗?xiàng)式次數(shù)p)。

m根經(jīng)向曲線分別擬合得到m個(gè)經(jīng)向變形曲線函數(shù)fa(i)(x)，i=1,2,…,m；n根緯向曲線分別擬合得到n個(gè)緯向變形曲線函數(shù)fb(j)(y)，j=1,2,…,n；最后計(jì)算：m根經(jīng)向曲線的長(zhǎng)度a(i)與a的比值，求取最大值，即經(jīng)向最大起拱率?a(max)，如式(1)所示；n根緯向曲線的長(zhǎng)度b(j)與b的比值，求取最大值，即緯向最大起拱率?b(max)，如式(2)所示。

(1)

(2)

1.4 二維起拱特征的提取

灰度共生矩陣是一種非常具有代表性的紋理分析方法[10]，被廣泛應(yīng)用于織物縫紉平整度的分析中，具有較好的評(píng)價(jià)效果。圖像處理與特征提取的方法眾多，但篇幅有限，且服裝起拱隸屬于平整度的范疇，因此僅以灰度共生矩陣為例，將其作為二維特征指標(biāo)，與利用三維激光掃描獲取的三維指標(biāo)進(jìn)行對(duì)比分析。

將拍攝的起拱圖片統(tǒng)一裁剪成400像素×400像素。為提高運(yùn)算效率，將原始圖像的灰度級(jí)壓縮至16級(jí)并取距離為1，分別計(jì)算0°、45°、90°和135°下的能量、熵、慣性矩和相關(guān)性，并求其均值與標(biāo)準(zhǔn)差。

能量REne：表征紋理的粗細(xì)程度。

(3)

式中：p(i,j) 為灰度值為i的像素點(diǎn)與具有某種特定空間關(guān)系的灰度值為j的像素點(diǎn)出現(xiàn)在一起的概率；i,j=0, 1, …,N-1,N為圖像中灰度值的數(shù)量。

熵REnt：表征紋理的紊亂性。

(4)

慣性矩RCon：表明紋理的反差大小。

(5)

相關(guān)性RCor：表征紋理灰度之間的線性相關(guān)程度。

(6)

1.5 起拱程度的主觀評(píng)價(jià)

日常著裝時(shí)，對(duì)起拱的評(píng)價(jià)大都通過肉眼觀察加主觀判斷進(jìn)行，因此本文也采用這種主觀評(píng)價(jià)的方式對(duì)服裝起拱程度進(jìn)行等級(jí)評(píng)定。評(píng)價(jià)組由來自服裝企業(yè)且具有多年質(zhì)檢經(jīng)驗(yàn)的10名專家完成。理論上主觀評(píng)價(jià)的對(duì)象應(yīng)該為起拱服裝實(shí)物，但起拱是一種隨時(shí)間緩慢變化的行為，為避免時(shí)間對(duì)起拱形態(tài)的影響、提高評(píng)價(jià)結(jié)果的準(zhǔn)確性，主觀評(píng)價(jià)的對(duì)象為記錄起拱狀態(tài)的圖片，同時(shí)按照1.3.2節(jié)獲得三維起拱重建圖，如圖5所示，綜合二者判斷起拱等級(jí)。其中每種織物的三維重建圖都在同一角度下獲取。

圖5 主觀評(píng)價(jià)對(duì)象Fig.5 Objects of subjective evaluation.

主觀評(píng)價(jià)步驟如下：首先請(qǐng)10名評(píng)價(jià)組成員按照5點(diǎn)賦義法將20種織物的起拱程度分為5級(jí)：1級(jí)最嚴(yán)重，2級(jí)較嚴(yán)重，3級(jí)一般，4級(jí)較輕，5級(jí)最輕微。為使結(jié)果更加準(zhǔn)確，每2個(gè)等級(jí)之間劃分10個(gè)刻度，即結(jié)果保留一位小數(shù)。對(duì)評(píng)價(jià)結(jié)果求平均并做四舍五入后為最終等級(jí)。檢驗(yàn)結(jié)果表明，10名專家對(duì)同一織物的評(píng)價(jià)等級(jí)具有好的一致性。

2 結(jié)果與討論

2.1 經(jīng)緯最大起拱率與起拱形狀的關(guān)系

20種織物的起拱三維重建圖中，15種呈縱向橢圓形(如圖4(a)所示);其余為橫向橢圓形(如圖4(b)所示)，分別為1#、2#、8#、19#和20#織物。經(jīng)研究發(fā)現(xiàn)，織物起拱形態(tài)與測(cè)得懸垂系數(shù)有較大的關(guān)聯(lián)性，圖6示出20種織物的懸垂系數(shù)。由圖可知，起拱形狀呈橫向橢圓形的5種織物，其懸垂系數(shù)均小于45%，即都屬于柔軟易變形的織物。而懸垂性較差(即懸垂系數(shù)較大)的織物則形成的是縱向橢圓。即在人體膝關(guān)節(jié)發(fā)生彎曲(如下蹲等動(dòng)作)時(shí)，雖然膝蓋部位的皮膚在橫向和縱向都產(chǎn)生伸長(zhǎng)，但對(duì)于柔軟易變形的面料，緯紗易產(chǎn)生大于經(jīng)紗的、響應(yīng)皮膚伸長(zhǎng)的拉伸變形，即形成由一系列緯紗伸長(zhǎng)而表現(xiàn)為宏觀的橫向橢圓形起拱。對(duì)于硬挺不易變形的面料，則經(jīng)紗產(chǎn)生的伸長(zhǎng)變形大于緯紗，從而使宏觀上表現(xiàn)為縱向橢圓形起拱。其中的機(jī)制和原因有待于后續(xù)深入研究。

圖6 試樣的懸垂系數(shù)Fig.6 Drape coefficient of fabric

表3示出利用激光掃描技術(shù)得到的三維指標(biāo)。對(duì)比經(jīng)、緯向最大起拱率列可知，上述15種起拱形狀呈縱向橢圓形的織物，其經(jīng)向最大起拱率均大于緯向，剩余5種呈橫向橢圓形起拱織物的經(jīng)向最大起拱率小于緯向。因此可直接用經(jīng)緯最大起拱率的差值來判斷織物起拱形狀，當(dāng)經(jīng)向最大起拱率大于緯向時(shí)，起拱形狀為縱向橢圓形，否則為橫向橢圓形。

由表3還可看出：呈橫向橢圓形的5種織物的主觀起拱等級(jí)多為5級(jí)，即起拱程度較輕微，由此可推出：橫向橢圓形的起拱形狀多發(fā)生于抗起拱性較好的織物。究其原因，柔軟易變形的織物，易在外力作用下改變?cè)行螤?，因此在重力作用下易彎曲下?即懸垂性好)，也容易在外力去除后恢復(fù)原有形狀。起拱性亦是如此：在膝蓋彎曲時(shí)，易產(chǎn)生伸長(zhǎng)，即起拱變形；當(dāng)外力去除(即膝蓋伸直)時(shí)而恢復(fù)原有平挺狀態(tài)，從而不易起拱。

2.2 三維特征指標(biāo)與起拱等級(jí)的關(guān)系

2.2.1 相關(guān)分析

圖7示出了三維指標(biāo)與起拱等級(jí)的相關(guān)系數(shù)。由圖可知，起拱高度Hmax、起拱體積V、經(jīng)緯向最大起拱率?a(max)、?b(max)與起拱等級(jí)的相關(guān)系數(shù)都與起拱高度負(fù)相關(guān)(相關(guān)系數(shù)為-0.8以上)，都可用來描述起拱程度，且相關(guān)性由高到低依次為：起拱體積、起拱高度、經(jīng)向最大起拱率、緯向最大起拱率，其中起拱等級(jí)與起拱體積的相關(guān)系數(shù)達(dá)到了-0.946。

表3 基于激光掃描的三維特征指標(biāo)Tab.3 3-D feature index based on laser scanning

圖7 三維指標(biāo)與起拱等級(jí)的相關(guān)系數(shù)Fig.7 Correlation coefficients between 3-D index and bagging grade

結(jié)合表3和圖7可看到，織物15#和16#的起拱高度大致相同，但前者的起拱體積大于后者，因此織物15#的主觀起拱等級(jí)(1級(jí))比16#(2級(jí))嚴(yán)重，7#和10#亦是如此。所以相比起拱高度，起拱體積可以更好地表征織物起拱程度。

2.2.2 回歸分析

分析發(fā)現(xiàn)4個(gè)三維指標(biāo)之間存在多重共線性，因此通過建立多元逐步回歸方程來具體分析起拱等級(jí)與起拱三維指標(biāo)之間的關(guān)系。逐步回歸即將變量逐個(gè)引入，每引入一個(gè)變量時(shí)，要對(duì)已選入的變量進(jìn)行逐個(gè)檢驗(yàn)。當(dāng)先引入的變量由于后面變量的引入而變得不再顯著時(shí)，將其剔除。這個(gè)過程反復(fù)進(jìn)行，最終得到的最優(yōu)回歸方程中既不漏掉對(duì)因變量影響顯著的自變量，又不包含對(duì)因變量影響不顯著的自變量?；貧w后得到如下2個(gè)方程：

1)起拱體積(x1)與起拱等級(jí)(y)的回歸方程

y=-0.017x1+4.871

(7)

2)起拱體積(x1)、緯向起拱率(x2)與起拱等級(jí)(y)的回歸方程

y=-0.026x1+40.432x2-35.411

(8)

上述2個(gè)方程都通過了F檢驗(yàn)和T檢驗(yàn)，且精度分別為88.8%和92.5%，即方程(8)的精度較高。換言之，利用起拱體積預(yù)測(cè)起拱等級(jí)時(shí)，如果考慮緯向起拱率則可較好地提高預(yù)測(cè)精度。

2.3 二維特征指標(biāo)與起拱等級(jí)的關(guān)系

表4示出用于對(duì)比分析的起拱圖像灰度共生矩陣指標(biāo)。圖8示出灰度共生矩陣指標(biāo)與起拱等級(jí)的相關(guān)系數(shù)。

表4 起拱圖像的灰度共生矩陣參數(shù)Tab.4 Gray-level co-occurrence matrix parameter of bagging image

圖8 二維指標(biāo)與起拱等級(jí)的相關(guān)系數(shù)Fig.8 Correlation coefficients between 2-D index and bagging grade

由圖8可知，8個(gè)二維指標(biāo)中只有熵的均值和標(biāo)準(zhǔn)差(即圖8中虛線-0.8以下的指標(biāo))與起拱等級(jí)具有較高的相關(guān)性，即織物起拱等級(jí)越高，熵的均值與標(biāo)準(zhǔn)差越大。其中熵的標(biāo)準(zhǔn)差與起拱等級(jí)的相關(guān)性最大，相關(guān)系數(shù)為-0.904。

同樣通過多元逐步回歸建立二維指標(biāo)與起拱等級(jí)的方程，結(jié)果如下：

y=-30.485x3+5.433

(9)

式中：y為起拱等級(jí);x3為熵的標(biāo)準(zhǔn)差。

該方程通過了F檢驗(yàn)和T檢驗(yàn)，精度為80.8%，因此也可用來預(yù)測(cè)起拱等級(jí)，但預(yù)測(cè)精度低于利用三維指標(biāo)預(yù)測(cè)起拱等級(jí)的精度。

2.4 結(jié)果驗(yàn)證

為驗(yàn)證以上方程用于起拱等級(jí)預(yù)測(cè)時(shí)的準(zhǔn)確率，選取12塊常規(guī)機(jī)織試樣，按照1.2～1.5節(jié)步驟進(jìn)行起拱實(shí)驗(yàn)、激光掃描、指標(biāo)提取及起拱等級(jí)主觀評(píng)定，再分別根據(jù)式(8)和(9)計(jì)算起拱客觀等級(jí)，結(jié)果如表5所示。

由表5可知，3種評(píng)定結(jié)果之間存在偏差的是6#、10#和11#織物。在三維預(yù)測(cè)中，11塊織物的預(yù)測(cè)等級(jí)與主觀等級(jí)完全吻合，準(zhǔn)確率為91.3%，出現(xiàn)偏差的11#為帶有圖案的深色織物，其圖案對(duì)起拱造成了掩蓋，使得肉眼可見的起拱程度有所降低，主觀評(píng)價(jià)結(jié)果偏低。

表5 驗(yàn)證用織物的客觀指標(biāo)及其起拱等級(jí)Tab.5 Objective indexes and bagging grade of woven fabric used for verification

表5中10塊織物的主觀評(píng)價(jià)等級(jí)和二維指標(biāo)預(yù)測(cè)的等級(jí)一致，即準(zhǔn)確率為83.3%，低于三維指標(biāo)的預(yù)測(cè)精度。因?yàn)榛叶裙采仃囀且环N二維的處理方法，無法考慮高度、體積等空間信息，從而影響判斷結(jié)果。驗(yàn)證結(jié)果再次表明，利用三維指標(biāo)預(yù)測(cè)機(jī)織物的起拱等級(jí)比二維指標(biāo)更符合主觀評(píng)價(jià)結(jié)果。

3 結(jié) 論

以20種機(jī)織物為研究對(duì)象，利用三維激光掃描技術(shù)提取表征起拱程度的4個(gè)指標(biāo)，并建立預(yù)測(cè)起拱等級(jí)的三維回歸方程，同時(shí)提取起拱圖像的灰度共生矩陣指標(biāo)，建立灰度共生矩陣與起拱等級(jí)的二維回歸方程用于對(duì)比分析。經(jīng)過12塊機(jī)織物的驗(yàn)證分析，得到以下結(jié)論：

1)三維特征指標(biāo)中，起拱體積與起拱等級(jí)的相關(guān)性高于常用指標(biāo)起拱高度。其中起拱體積和起拱高度與起拱主觀評(píng)價(jià)等級(jí)的相關(guān)系數(shù)分別為-0.946、-0.937。

2)利用三維指標(biāo)(起拱體積和緯向最大起拱率)預(yù)測(cè)起拱等級(jí)的準(zhǔn)確率高于二維指標(biāo)(熵的標(biāo)準(zhǔn)差)，因三維激光掃描比二維圖像處理可以更好地考慮被測(cè)曲面的空間信息及形態(tài)，且不受機(jī)織物花紋圖案的影響。

3)本文提出的經(jīng)緯向最大起拱率與機(jī)織物起拱等級(jí)不但具有良好的相關(guān)性，還可用于判斷起拱形狀：經(jīng)向最大起拱率大于緯向的機(jī)織物易形成縱向橢圓形拱；緯向最大起拱率大于經(jīng)向的易形成橫向橢圓形拱；同時(shí)在用起拱體積預(yù)測(cè)起拱等級(jí)時(shí)，如考慮緯向最大起拱率還可提高預(yù)測(cè)精度。

研究結(jié)果表明，預(yù)測(cè)起拱等級(jí)時(shí)加入描述起拱形狀的指標(biāo)可使結(jié)果更為精確，而且可為后續(xù)計(jì)算機(jī)模擬織物真實(shí)起拱狀態(tài)提供數(shù)據(jù)支持。