基于光譜成像技術(shù)的織物光澤模糊綜合評(píng)價(jià)

張建新， 黃 鋼， 胡旭東

(浙江理工大學(xué) 機(jī)械與自動(dòng)控制學(xué)院， 浙江 杭州 310018)

織物光澤即織物表面反光性能，在織物視覺(jué)風(fēng)格設(shè)計(jì)中起著十分重要的作用。在視覺(jué)美感上,織物或服裝的美感和設(shè)計(jì)感都離不開(kāi)織物光澤，因此織物光澤性能的研究與設(shè)計(jì)對(duì)織物視覺(jué)風(fēng)格的改進(jìn)與成品風(fēng)格的提升均有重要的意義。

目前，織物的光澤理論主要分為方向差異理論和內(nèi)外差異理論2種:方向差異理論認(rèn)為，織物反射空間不同方向的反射光強(qiáng)度差異越大,則其光澤越強(qiáng)；而內(nèi)外差異理論則認(rèn)為，織物的反射光中表面反射成分與內(nèi)部反射成分的相對(duì)構(gòu)成決定其光澤的質(zhì)與量[1]。評(píng)價(jià)織物光澤的方法有2種:主觀評(píng)價(jià)法和客觀評(píng)價(jià)法。主觀評(píng)價(jià)法憑借人的主觀感覺(jué)對(duì)織物光澤進(jìn)行評(píng)價(jià)，受人為、環(huán)境以及心理因素影響，存在一定局限性。隨著光澤理論的發(fā)展，織物光澤性能評(píng)價(jià)方法逐漸發(fā)展為儀器測(cè)量。在織物光澤評(píng)價(jià)研究初期，主要通過(guò)光電檢測(cè)器測(cè)量織物表面正反射光強(qiáng)度以及漫反射光強(qiáng)度，根據(jù)FZ/T 01097—2006《織物光澤測(cè)試方法》中的公式來(lái)計(jì)算織物光澤，并衍生出不同的測(cè)試方法，如對(duì)比度光澤測(cè)試[2]、二維對(duì)比度光澤法、變角光度儀測(cè)試法[3]等。后來(lái)慢慢發(fā)展到采用二維圖像分析的方式以及通過(guò)數(shù)字圖像處理技術(shù)提取織物光澤圖像特征。如申悅等[4]利用計(jì)算機(jī)視覺(jué)測(cè)試系統(tǒng)采集織物表面圖像，并提取灰度對(duì)比度、名義填充度、光澤填充度極差、灰度共生矩陣對(duì)比度和飽和度等光澤特征，建立Hopfiled神經(jīng)網(wǎng)絡(luò)織物光澤分類(lèi)模型來(lái)對(duì)織物進(jìn)行光澤等級(jí)分類(lèi)。但由于評(píng)價(jià)結(jié)果與光澤的關(guān)系仍存在爭(zhēng)議，因此，織物光澤測(cè)試方法仍需要進(jìn)一步的探索和研究。李靜等[5]通過(guò)織物顏色實(shí)驗(yàn)和光澤實(shí)驗(yàn)證明了顏色與光澤存在著相互影響。黃麗等[6]首先通過(guò)4個(gè)典型的色差公式對(duì)織物進(jìn)行視覺(jué)評(píng)價(jià)，得出光澤與色差的相互關(guān)系。目前，針對(duì)織物光澤的測(cè)試方法集中體現(xiàn)織物的反射光的強(qiáng)度差異和分布差異。通過(guò)光譜成像系統(tǒng)采集織物表面多波段光譜信息，光譜反射率信息既包含物體表面反射率信息，也包含顏色信息，因此，利用光譜技術(shù)評(píng)價(jià)織物的光澤性能具有一定的研究意義。

本文通過(guò)對(duì)織物光譜數(shù)據(jù)進(jìn)行分析和處理，構(gòu)建反映織物光澤性能的評(píng)價(jià)特征指標(biāo)，建立了模糊綜合評(píng)價(jià)模型來(lái)對(duì)織物光澤性能進(jìn)行評(píng)價(jià)，為光譜成像技術(shù)在紡織品光澤性能評(píng)價(jià)的發(fā)展和應(yīng)用提供參考。

1 織物光澤評(píng)價(jià)方法

1.1 主觀評(píng)價(jià)法

織物光澤主觀評(píng)價(jià)法是指在一定光照條件下，評(píng)價(jià)人員通過(guò)視覺(jué)對(duì)具有一定光澤性能的織物給出視覺(jué)上的感受或光澤優(yōu)劣的劃分。在實(shí)驗(yàn)開(kāi)始前，需確保評(píng)價(jià)人員對(duì)織物光澤的認(rèn)知保持一致，能夠給出合理的織物光澤語(yǔ)言描述。本文實(shí)驗(yàn)參照已有的研究成果，采用織物光澤主觀評(píng)價(jià)表將語(yǔ)言描述與量化等級(jí)相結(jié)合[7]?？椢锕鉂芍饔^評(píng)價(jià)表如表1所示。

實(shí)驗(yàn)光源采用D65標(biāo)準(zhǔn)光源，主觀評(píng)價(jià)實(shí)驗(yàn)在溫濕度適宜且密閉的房間內(nèi)進(jìn)行，保證實(shí)驗(yàn)環(huán)境無(wú)干擾。評(píng)價(jià)人員視角在織物試樣正上方，記錄人員根據(jù)表1記錄織物光澤主觀評(píng)價(jià)結(jié)果。為確保數(shù)據(jù)的有效性，評(píng)價(jià)人員一般為3位，且一個(gè)試樣重復(fù)實(shí)驗(yàn)3次取平均值，最后剔除明顯的誤差數(shù)據(jù)，然后取平均值作為最終結(jié)果。

表1 織物光澤主觀評(píng)價(jià)等級(jí)Tab.1 Subjective evaluation level of fabric gloss

1.2 客觀評(píng)價(jià)法

1.2.1 光譜成像系統(tǒng)簡(jiǎn)介

實(shí)驗(yàn)儀器采用可見(jiàn)光譜成像系統(tǒng)，主要部分包括GaiaField-V10E-AZ4高光譜相機(jī)、150 W鹵素光源、光源控制器、步進(jìn)載物臺(tái)控制器、計(jì)算機(jī)、暗箱及控制軟件等。其中光譜儀的分辨率為2.8 nm，采樣間隔為0.55 nm，光譜范圍為350 ～1 000 nm。系統(tǒng)整體結(jié)構(gòu)如圖1所示。

1—鹵素光源；2—光源控制器；3—高光譜相機(jī)模塊；4—步進(jìn)電動(dòng)機(jī)載物臺(tái)；5—臺(tái)式計(jì)算機(jī)。圖1 光譜成像系統(tǒng)Fig.1 Hyper spectral imaging system

1.2.2 檢測(cè)原理及過(guò)程

光譜成像系統(tǒng)可用于采集均勻光照條件下試樣表面的光譜信息，光譜信息反映試樣表面反射率信息。本文提出的織物光澤性能評(píng)價(jià)方法通過(guò)高光譜相機(jī)采集試樣的連續(xù)波段的光譜信息，并在此基礎(chǔ)上進(jìn)行進(jìn)一步的研究。光譜數(shù)據(jù)采集具體過(guò)程如下：

1)將長(zhǎng)寬均為20 cm的試樣放入載物臺(tái)中間，并確保試樣表面平整。

2)相機(jī)調(diào)焦并確定相機(jī)參數(shù)，在設(shè)定參數(shù)下采集原始數(shù)據(jù)。

3)進(jìn)行黑白校正，消除暗電流以及光源光照強(qiáng)度的分布不均勻可能產(chǎn)生的噪聲，校正公式為

式中：Rc為校正后的光譜數(shù)據(jù)；Rr為掃描標(biāo)準(zhǔn)反射白板得到白板數(shù)據(jù)；Rd為暗環(huán)境下的暗場(chǎng)數(shù)據(jù)；Rw為原始的光譜數(shù)據(jù)。

原始光譜數(shù)據(jù)為raw后綴的光譜數(shù)據(jù)文件，需要通過(guò)反射率數(shù)據(jù)處理軟件ENVI進(jìn)行后續(xù)的處理，才能得到試樣光譜圖像的光譜反射率數(shù)據(jù)。選擇ENVI 4.8作為軟件平臺(tái)，首先通過(guò)ENVI 4.8以多波段反射率數(shù)據(jù)的方式打開(kāi)原始光譜數(shù)據(jù)，再通過(guò)ROI工具選取興趣區(qū)域，并將多波段光譜數(shù)據(jù)導(dǎo)出為txt文件，最終獲得試樣的光譜反射率數(shù)據(jù)。人眼可見(jiàn)光范圍為380～780 nm，因此僅保留可見(jiàn)光波段的光譜數(shù)據(jù)留于后續(xù)分析和處理。本文光譜數(shù)據(jù)采集的流程如圖2所示。

圖2 光譜數(shù)據(jù)采集及校正流程圖Fig.2 Flow chart of spectral image acquisition and calibration

1.2.3 評(píng)價(jià)特征構(gòu)建

反射率表示織物表面對(duì)光的反射能力，通過(guò)反射率表征織物的光澤性能。這種方法簡(jiǎn)單易行，但并未考慮織物顏色對(duì)光澤的影響，只能片面描述織物的光澤性能。劉哲等[8]通過(guò)構(gòu)建反映織物外觀的圖像灰度特征來(lái)建立織物外觀的綜合評(píng)價(jià)模型。因此，通過(guò)對(duì)光譜數(shù)據(jù)的分析，將光譜數(shù)據(jù)經(jīng)過(guò)色度空間變換得到CIELab色度空間，并構(gòu)建反映織物光澤性能的評(píng)價(jià)特征來(lái)建立織物光澤評(píng)價(jià)模型。Lab色度空間由3個(gè)要素組成：L反映亮度信息；a和b是2個(gè)顏色通道，均反映顏色信息[9]。基于CIELab色度空間亮度信息和顏色信息分量相互獨(dú)立的特點(diǎn)，本文提出4個(gè)描述織物光澤性能的評(píng)價(jià)特征。

1)亮度平均值Lq：織物圖像中所有像素點(diǎn)的亮度值L的平均值，描述織物表面的反射光強(qiáng)度，計(jì)算公式為

式中：Lij表示第i行第j列像素點(diǎn)的亮度值；m表示像素點(diǎn)的行數(shù)；n表示像素點(diǎn)的列數(shù)。

2)亮度極差值Ld：織物圖像亮度最大值與最小值之間的差值，描述圖像反射光強(qiáng)度的變化范圍，反映亮度變化的劇烈程度。

Ld=Lmax-Lmin

式中：Lmax表示圖像所有像素點(diǎn)亮度值最大值前3位的平均值；Lmin表示圖像所有像素點(diǎn)亮度值最小值前3位的平均值。公式為

式中：maxi表示第i大的亮度值；mini表示第i小的亮度值；ni表示相應(yīng)的亮度值的個(gè)數(shù)。

3)亮度均勻度Lu：織物像素點(diǎn)亮度值的均方差，衡量織物亮度的分布均勻程度。公式為

4)顏色均方差Cu：織物圖像像素點(diǎn)顏色信息值的均方差，反映織物表面的顏色信息。公式為

式中：aq、bq表示所有像素點(diǎn)的顏色空間信息的平均值；aij、bij表示Lij對(duì)應(yīng)第i行第j列像素點(diǎn)的顏色空間信息的值。

1.2.4 織物光澤的模糊綜合評(píng)價(jià)

考慮到構(gòu)建織物光澤的評(píng)價(jià)特征的選取時(shí)可能產(chǎn)生的不確定性、不全面性，利用模糊綜合評(píng)價(jià)將不完全信息、不全面信息轉(zhuǎn)化為模糊概念，提高評(píng)價(jià)結(jié)果的準(zhǔn)確性[10]。

根據(jù)上述評(píng)價(jià)特征，織物光澤的模糊綜合評(píng)價(jià)過(guò)程如下：

1)根據(jù)構(gòu)建的織物試樣的評(píng)價(jià)特征，即選擇亮度平均值Lq、亮度極差值Ld、亮度均勻度Lu、顏色均方差Cu作為模糊綜合評(píng)價(jià)模型的評(píng)價(jià)特征集{X1,X2,X3,X4}。

2)確定評(píng)語(yǔ)集。評(píng)語(yǔ)集是對(duì)織物試樣光澤性能做出的不同評(píng)價(jià)的一組集合{Y1,Y2,…,Yn}，即對(duì)應(yīng)不同織物試樣的光澤性能。

3)建立模糊關(guān)系矩陣R。模糊關(guān)系矩陣R在模糊綜合評(píng)價(jià)中起著至關(guān)重要的作用。根據(jù)評(píng)價(jià)特征數(shù)據(jù)所對(duì)應(yīng)的量值按從優(yōu)隸屬度指標(biāo)進(jìn)行隸屬度轉(zhuǎn)換，進(jìn)而得到模糊關(guān)系矩陣R。從優(yōu)隸屬度轉(zhuǎn)換公式為

式中：Xij為第i項(xiàng)評(píng)價(jià)特征對(duì)于第j項(xiàng)評(píng)語(yǔ)所對(duì)應(yīng)的量值；maxXi為第i項(xiàng)評(píng)價(jià)特征中最大值；minXi為第i項(xiàng)評(píng)價(jià)特征中最小值；rij表示評(píng)價(jià)特征Xi對(duì)于評(píng)語(yǔ)Yj的隸屬度。

4)確定權(quán)重向量W。根據(jù)各評(píng)價(jià)特征對(duì)織物試樣光澤性能的重要程度，確定評(píng)價(jià)特征的權(quán)值向量。權(quán)重值直接影響模糊綜合評(píng)價(jià)結(jié)果的準(zhǔn)確性，故需要對(duì)確定權(quán)值的方法進(jìn)行討論。

在模糊綜合評(píng)價(jià)方法中，比較常見(jiàn)的權(quán)值確定方法為：變異系數(shù)法、層次分析法、專(zhuān)家經(jīng)驗(yàn)法、熵權(quán)法等[11]。變異系數(shù)法(簡(jiǎn)稱(chēng)為COV)，是直接利用各項(xiàng)評(píng)價(jià)特征所包含的信息，通過(guò)計(jì)算數(shù)學(xué)指標(biāo)變異系數(shù)和標(biāo)準(zhǔn)差的比值來(lái)確定各評(píng)價(jià)特征的權(quán)值；層次分析法又稱(chēng)APH層次分析法(簡(jiǎn)稱(chēng)為APH)，是通過(guò)將復(fù)雜的評(píng)價(jià)對(duì)象分解為有序的遞階層次整體，對(duì)各評(píng)價(jià)特征進(jìn)行兩兩比較和計(jì)算，最終得到各個(gè)評(píng)價(jià)特征的權(quán)值[12]；專(zhuān)家經(jīng)驗(yàn)法(簡(jiǎn)稱(chēng)為EEM)，是通過(guò)咨詢(xún)權(quán)威專(zhuān)家的意見(jiàn)給出合適權(quán)值，并不斷反饋評(píng)價(jià)信息來(lái)得到一個(gè)較為合理的權(quán)值；熵權(quán)法(簡(jiǎn)稱(chēng)為EWM)，是根據(jù)評(píng)價(jià)特征的信息熵的大小來(lái)判斷變異程度大小，與評(píng)價(jià)特征信息量成正比。在綜合評(píng)價(jià)中，評(píng)價(jià)特征提供的信息量越大，其對(duì)應(yīng)的權(quán)值就越大[13]。

5)根據(jù)建立的模糊關(guān)系矩陣R和權(quán)重向量W計(jì)算模糊綜合評(píng)判向量B。

B=W·R=[b1,b2,…,bm]

式中，[b1,b2,…,bm]是模糊綜合評(píng)價(jià)的評(píng)判向量。在評(píng)判向量[b1,b2,…,bm]中，根據(jù)評(píng)判結(jié)果大小為各織物試樣賦以參數(shù)值c1,c2,…,cm利用參數(shù)加權(quán)平均公式對(duì)織物試樣的光澤進(jìn)行評(píng)級(jí)，計(jì)算公式如下：

式中：Ci為各織物試樣所對(duì)應(yīng)的評(píng)價(jià)結(jié)果；t為待定系數(shù)，一般可取t=1，2。

2 實(shí)驗(yàn)與分析

選擇純棉織物作為實(shí)驗(yàn)對(duì)象，在實(shí)驗(yàn)開(kāi)始之前對(duì)所有試樣進(jìn)行低溫熨燙處理確保表面平整。在預(yù)處理后，將織物裁剪成長(zhǎng)寬均為20 cm的試樣在標(biāo)準(zhǔn)實(shí)驗(yàn)環(huán)境下靜置24 h后備用，織物試樣參數(shù)見(jiàn)表2。

表2 織物試樣參數(shù)Tab.2 Fabric sample parameters

2.1 主觀評(píng)價(jià)實(shí)驗(yàn)

根據(jù)人類(lèi)視覺(jué)對(duì)織物光澤強(qiáng)弱的語(yǔ)言描述，將織物光澤分為8類(lèi)，通過(guò)表1將語(yǔ)言描述與量化等級(jí)建立對(duì)應(yīng)關(guān)系。在主觀評(píng)價(jià)實(shí)驗(yàn)中，3位評(píng)價(jià)人員對(duì)織物試樣進(jìn)行有關(guān)光澤性能的定性描述，然后根據(jù)描述按表1中的對(duì)應(yīng)關(guān)系對(duì)每個(gè)試樣進(jìn)行評(píng)級(jí)，主觀評(píng)價(jià)實(shí)驗(yàn)結(jié)果見(jiàn)表3。

表3 主觀評(píng)價(jià)光澤等級(jí)實(shí)驗(yàn)數(shù)據(jù)Tab.3 Subjective evaluation experimental data of luster 級(jí)

2.2 客觀評(píng)價(jià)實(shí)驗(yàn)

2.2.1 光譜成像評(píng)價(jià)實(shí)驗(yàn)

通過(guò)本文提出的基于光譜成像技術(shù)的織物光澤性能評(píng)價(jià)方法，按照上述流程采集8種純棉織物表面多波段光譜反射率數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)處理后得到有關(guān)織物光澤的評(píng)價(jià)特征，其數(shù)據(jù)見(jiàn)表4。

表4 評(píng)價(jià)特征數(shù)據(jù)Tab.4 Evaluation characteristic data

織物試樣確定評(píng)語(yǔ)集{Y1,Y2,…,Y8}，分別對(duì)應(yīng)8個(gè)試樣的織物光澤性能。根據(jù)模糊綜合評(píng)價(jià)的評(píng)價(jià)特征集{X1,X2,X3,X4}，其中X1為亮度平均值，X2亮度極差值，X3為亮度均勻度，X4為顏色均勻度，對(duì)評(píng)價(jià)特征數(shù)據(jù)根據(jù)從優(yōu)隸屬度公式轉(zhuǎn)換后可建立模糊關(guān)系矩陣：

通過(guò)不同權(quán)值確定方法得到的評(píng)價(jià)特征所對(duì)應(yīng)的權(quán)重向量W見(jiàn)表5，Wi為權(quán)重W的元素。

表5 不同權(quán)值方法確定的權(quán)值Tab.5 Weight determined by different methods

顯然，對(duì)織物光澤性能的模糊綜合評(píng)價(jià)結(jié)果向量B為

最后，根據(jù)結(jié)果高低，賦予各評(píng)語(yǔ)參數(shù)值，其參數(shù)賦值公式如下所示：

取待定系數(shù)t=1，根據(jù)加權(quán)平均公式對(duì)織物光澤進(jìn)行評(píng)價(jià)，結(jié)果見(jiàn)表6。

表6 織物光澤評(píng)價(jià)結(jié)果Tab.6 Evaluation results of fabric gloss

2.2.2 對(duì)比度光澤實(shí)驗(yàn)

參考FZ/T 01097—2006進(jìn)行實(shí)驗(yàn)，測(cè)試儀器采用YG268高精度光澤測(cè)試儀。測(cè)試方法如下：

1)將儀器放置在避免陽(yáng)光直射的平臺(tái)上，并校準(zhǔn)儀器；2)在儀器的測(cè)量口上，將平整試樣的測(cè)試面朝外；3)旋轉(zhuǎn)樣品臺(tái)，讀取織物正反射光強(qiáng)度(GS)最大值及其織物正反射光強(qiáng)度與漫反射光強(qiáng)度之差(GR)值；4)根據(jù)測(cè)量值，按下式計(jì)算織物光澤度：

本實(shí)驗(yàn)?zāi)康氖桥c本文提出的方法進(jìn)行對(duì)比，驗(yàn)證該方法的可行性。實(shí)驗(yàn)結(jié)果見(jiàn)表7。

表7 對(duì)比度光澤實(shí)驗(yàn)結(jié)果Tab.7 Contrast gloss experiment results 級(jí)

2.3 分析與驗(yàn)證

2.3.1 結(jié)果分析

為驗(yàn)證本文提出的基于光譜成像技術(shù)的織物光澤評(píng)價(jià)方法的可行性，將得到的主觀評(píng)價(jià)結(jié)果與基于光譜成像技術(shù)的織物光澤評(píng)價(jià)結(jié)果進(jìn)行比較，確定評(píng)價(jià)結(jié)果間的一致性，結(jié)果如圖3所示。圖中，H0為一致性判斷指標(biāo)，當(dāng)H0為1表明在顯著水平為5%時(shí)拒絕原假設(shè)，那么可以認(rèn)為一致性顯著。R2為決定系數(shù)，取值在(0，1)之間，當(dāng)H0成立時(shí)，R2越接近1，表明擬合程度越高，換言之一致性就越好[14]。

圖3 模糊評(píng)價(jià)與主觀評(píng)價(jià)結(jié)果比較Fig.3 Result comparison of fuzzy evaluation and subjective evaluation

由圖3可知，基于光譜技術(shù)的模糊綜合評(píng)價(jià)模型所得到的結(jié)果與主觀評(píng)價(jià)結(jié)果的結(jié)果具有良好的一致性，從主觀層面證明了該方法的一致性。通過(guò)對(duì)不同權(quán)值確定方法的結(jié)果比較可知，COV、APH與EEM均可視為一致性顯著，且COV顯著性最好，EWM不具備一致性，不適合用于確定本模型權(quán)值的確定。圖4示出對(duì)比度光澤實(shí)驗(yàn)與本文方法的結(jié)果比較。

圖4 模糊評(píng)價(jià)與對(duì)比度實(shí)驗(yàn)結(jié)果比較Fig.4 Result comparison of fuzzy evaluation and contrast experiment

由圖4可知，基于光譜成像技術(shù)的織物光澤評(píng)價(jià)結(jié)果與對(duì)比度光澤實(shí)驗(yàn)的評(píng)價(jià)結(jié)果具有良好的一致性，符合行業(yè)測(cè)試標(biāo)準(zhǔn)，從客觀層面驗(yàn)證了該方法的可行性。通過(guò)4種不同的權(quán)值確定方法的比較可知，COV與EEM均可視為一致性顯著，且COV顯著性最好，EWM與APH一致性不顯著，不適合用于確定評(píng)價(jià)模型的權(quán)值。

2.3.2 驗(yàn)證與預(yù)測(cè)

選取部分重復(fù)試樣及不同組織結(jié)構(gòu)的織物作為預(yù)測(cè)試樣，利用上述建立的回歸方程對(duì)織物的光澤性能進(jìn)行預(yù)測(cè)，驗(yàn)證該方法的有效性?？椢飿颖静糠謪?shù)如表8所示。

表8 織物試樣參數(shù)Tab.8 Fabric sample parameters

表8中，斜紋組織為二上一下，緞紋組織為五枚二飛經(jīng)面緞紋。通過(guò)結(jié)果分析，選擇一致性最為顯著的COV權(quán)值確定方法所建立的回歸方程進(jìn)行預(yù)測(cè)，回歸方程如下：

y=0.451x+0.293

yc=0.733x+0.814

式中：y為對(duì)比度光澤實(shí)驗(yàn)的實(shí)際值；x為所提出方法的光澤評(píng)價(jià)結(jié)果；yc為主觀評(píng)價(jià)光澤的實(shí)際值。

令y′為對(duì)比度光澤實(shí)驗(yàn)的預(yù)測(cè)值，y′c為光澤主觀評(píng)價(jià)結(jié)果的預(yù)測(cè)值，結(jié)合提出的光譜評(píng)價(jià)方法以及建立的回歸方程，預(yù)測(cè)結(jié)果如表9所示。

通過(guò)對(duì)回歸方程進(jìn)行預(yù)測(cè)研究，由表9數(shù)據(jù)可知，預(yù)測(cè)值與實(shí)際值間的誤差較小，預(yù)測(cè)結(jié)果在接受區(qū)間內(nèi)，因此可認(rèn)為,該方法能有效應(yīng)用于織物光澤性能的測(cè)試和評(píng)價(jià)。

表9 預(yù)測(cè)分析表Tab.9 Predictive analysis table 級(jí)

3 結(jié) 論

本文提出一種基于光譜成像技術(shù)的織物光澤性能客觀評(píng)價(jià)方法，該方法采用光譜成像系統(tǒng)采集織物表面的光譜反射率信息。從原理上分析并構(gòu)建描述織物光澤和顏色的評(píng)價(jià)特征，建立基于評(píng)價(jià)特征的模糊綜合評(píng)價(jià)模型，分析比較模型中不同權(quán)值確定方法的評(píng)價(jià)結(jié)果，最后分別從主客觀層面驗(yàn)證評(píng)價(jià)結(jié)果的一致性，通過(guò)回歸預(yù)測(cè)驗(yàn)證方法的有效性，得出如下結(jié)論。

1)在本文提出的織物光澤模糊綜合評(píng)價(jià)模型中，通過(guò)變異系數(shù)法來(lái)確定權(quán)值，其模糊綜合評(píng)價(jià)結(jié)果顯著性最好，適用于模糊評(píng)價(jià)模型中權(quán)值的確定，專(zhuān)家經(jīng)驗(yàn)法評(píng)價(jià)結(jié)果顯著性次之，層次分析法與熵權(quán)法并不適用于本模型中權(quán)值的確定。所建立的織物光澤模糊綜合評(píng)價(jià)模型能夠?qū)崿F(xiàn)定量分析織物的光澤性能，且能減少由于評(píng)價(jià)特征構(gòu)建的不全面性與不確定性所帶來(lái)的影響，為織物光澤性能提供可靠的評(píng)價(jià)結(jié)果。

2)采用光譜成像技術(shù)對(duì)織物光澤性能進(jìn)行評(píng)價(jià)具有可行性。通過(guò)包含織物表面信息更加豐富的光譜成像技術(shù)對(duì)織物進(jìn)行評(píng)價(jià)，既能反映顏色信息，也能反映表面反射率信息。該方法既符合行業(yè)內(nèi)FZ/T 01097—2006 標(biāo)準(zhǔn)的客觀評(píng)價(jià)結(jié)果，也與主觀評(píng)價(jià)結(jié)果具有一致性，能實(shí)現(xiàn)快速、無(wú)損的織物光澤性能評(píng)價(jià)，具有一定的應(yīng)用價(jià)值，為紡織品光澤性能評(píng)價(jià)方法的研究和發(fā)展提供參考。