袁志磊，徐平華，丁雪梅，吳雄英，4，徐明慧

［1.上海海關，上海 200135；2.浙江理工大學服裝學院，浙江杭州 310018；3.浙江省服裝工程技術研究中心，浙江杭州 310018；4.東華大學服裝與藝術設計學院，上海 200051；5.現代服裝設計與技術教育部重點實驗室（東華大學），上海 200051］

在衣物洗護過程中，織物在潤濕狀態(tài)下受到機械力及洗滌劑的物理化學復合作用易發(fā)生縮皺變形，降低衣物外觀美感和服用性能［1］。其中，面料、里料與縫線性能失配造成洗后縫紉外觀質量下降［2］?？p紉平整度的準確評估對選料用料、服裝加工工藝、品質控制等至關重要［3-5］。

GB/T 13771—2009《紡織品 評定織物經洗滌后接縫外觀平整度的試驗方法》規(guī)定采用目光比對方式評價織物縫紉平整度等級；對服裝部位的測試均采用對應的樣照參照評估，但人工評級耗時費力、精度低、速度慢、專業(yè)性強［6］。客觀評級主要采用圖像處理、三維掃描及數學建模等技術評價縫紉平整度等級［7-8］，在精準性、普適性和主客觀一致性等方面存在一定的缺陷。

衣物護理相關評價指標（如洗后外觀平整度、褶裥保持性等）與縫紉平整度評估現狀類似［9］，因此本文以縫紉平整度評價為例，在回顧和總結國內外方法標準和相關研究的基礎上，探析評級中存在的主要問題和技術難點，并結合當前機器視覺和人工智能技術的發(fā)展，提出該領域研究的未來發(fā)展方向。

1 主觀評級

1.1 織物洗后接縫外觀平整度

針對織物洗滌后接縫外觀平整度的評價，國內外制定了相關的測試方法標準，包括GB/T 13771—2009、ISO 7770—2009Textiles-Test method for assess?ing the smoothness appearance of seams in fabrics after cleansing、AATCC 88B—2018tTest Method for Seam Smoothness in Fabrics after Home Laundering等。上述標準原理基本相同，分為試樣處理、平衡、人工評級3 個階段。

圖1為主觀評級場景示意圖。

圖1 主觀評級場景示意圖

AATCC 88B 最早由AATCC RA61 委員會于1962年制定，雖然經過多次修訂，但是評級方式變動較?。?］。其余相關標準類似，即在規(guī)定的照明條件下，參照標準樣照，對經約定洗滌方式處理后的試樣進行目測比對；對3 名觀測者評級結果進行均值修約后得出接縫外觀平整度評定等級［10］。主觀評級場景示意圖規(guī)定了照明條件、標樣/試樣放置方式、觀測位置等必備條件。

標準中采用的標準樣照或立體標準樣板分為單針跡和雙針劑2 種形式。AATCC 88B—2018t 提供了如圖2a、圖2b 所示的2 種標準樣照，GB/T 13771—2009、ISO 7770—2009 另增2 類立體標準樣板，如圖2c、圖2d 所示。縫跡共分為5 級，1 級最皺，5 級最優(yōu)，加上0.5 級為1 檔，一共為5 級9 檔。由3 名觀測者對3塊試樣均值修約至最接近0.5 級檔作為最終評級結果。其中AATCC 88B—2018t修約至0.1級。

圖2 縫跡標準樣照和標準樣板

1.2 服裝縫紉平整度

服裝是由面輔料、配件等材料綜合加工而成，其縫制工藝、材料種類、色彩花型多樣，僅對織物洗后接縫外觀平整度進行評估與服裝存在差距。為此，國內制定相關標準以適應不同類型服裝的縫紉外觀質量評定。

肖平等［6］對部分涉及縫紉平整度的國家、行業(yè)標準內容、特點和缺陷做了相關總結。表1 對測試方法、部位和技術要求進行總結。由表1 可知，不同類型的服裝對縫紉平整度測試部位、技術要求不盡相同，參照的標準樣照也存在較大差異，如襯衫、西服、大衣、夾克衫等服裝產品標準要求測試洗滌后的縫紉平整度，而絲綢服裝、羽絨服、風衣等服裝產品標準僅要求測試洗滌前的縫紉平整度。

表1 服裝縫紉平整度測試方法與技術要求

2 客觀評級

縫紉平整度客觀評級從技術手段上分為接觸式測量法和非接觸式測量法2 種評級方法［11］。研究思路大致如圖3 所示，一般分為4 個階段：信息采集、預處理、特征提取和綜合評級。

圖3 縫紉平整度客觀評價研究思路

2.1 接觸式測量法

接觸式測量主要通過傳感器對織物或服裝縫跡處高低起伏形態(tài)進行測量，獲得高度、傾斜度、曲率、長度變化等信息，綜合計算縫紉平整度［12］。其中，褶皺系數［13］是將試樣拉伸至褶皺消失時的長度與初始樣長度的變化率；縫縮率［14］表征縫制或洗滌前后縫跡長度變化量，按照下列公式進行計算：

式中：l0為織物縫紉前的長度；l為織物縫紉后的長度。

2.2 圖像分析法

利用成像設備采集試樣表面圖像后進行預處理、特征提取和等級分類。

圖像預處理是將采集圖像的有效信息與干擾信息進行分離。干擾信息主要包括成像噪聲、面料色斑或灰點、表面色彩、圖案或組織紋理等。其中噪聲、色斑或簡單的紋理等利用濾波或偏微分方程等技術容易濾除［15］，但復雜紋樣或色彩較難去除［16］。

在特征提取和篩選方面，縫紉褶皺形貌特征是等級分類的重要評判依據。早期由于成像技術的制約，僅利用褶皺形成的光影與褶皺之間的投影比（投影曲線長度與接縫長度比值）［17］間接表征縫紉平整度。隨著成像質量的提升，縫紉平整度逐步轉向褶皺自身形態(tài)的評估。一般將褶皺轉換至單通道圖像進行特征提取。從空間域入手提取形態(tài)參數，如褶皺數、曲率或構造特征，如灰度共生矩陣析出的能量、熵、對比度、表面粗糙度等［18-19］，或利用分形幾何技術［20］提取分形參數；從頻率域入手，利用傅里葉變換、Gabor 變換、小波變換等方式提取頻率域特征。相關研究所采用的概率神經網絡模型［21］、haar 小波技術［22］、模糊識別模型［23］、BP 神經網絡［24］及粗糙集-BP神經網絡［25］、殘差卷積神經網絡［26］等方法提取了較為有效的特征指標。如利用Gabor 濾波器提取的總熵值，其與主觀評級結果之間呈現良好的二次方多項式關系［27］。相關研究對上述部分特征與主觀評級結果之間的關聯度進行了具體比較分析［28］。

在等級評定方面，將提取的若干項特征值作為輸入信息，利用聚類分析、回歸分析、模式識別、人工神經網絡或支持向量機等方式進行分類［21-23］。對于花型或顏色干擾弱的樣本，上述研究方法得出的結論顯示能夠有效區(qū)分縫紉平整度等級，但對于花色干擾的織物，由于在預處理階段較難將目標和背景分離，輸入圖像混雜過多干擾信息，至今基于圖像分析的評級方法尚未成為通用可行的解決手段。

2.3 三維形態(tài)分析法

三維重建的優(yōu)勢在于能夠直觀獲得縫跡處褶皺的空間形貌，有效規(guī)避顏色和紋理的影響。主要包括三維掃描和重建、預處理、特征提取、等級分類［29-31］。

三維形貌的獲取一般利用激光掃描、光柵投影、光度立體視覺、雙目或者多目立體視覺法獲得表面點云信息，重建出褶皺形貌。隨著便攜式商用三維掃描儀的出現，對褶皺形貌的獲取更加方便，但是時間代價以及硬件成本較高。光度立體視覺基于多角度光影變化重建形貌、雙目或者多目成像則基于織物圖像自身特征匹配后重建形態(tài)，利用多幅圖像信息構建三維空間形貌，在一定程度上減少了信息采集階段的成本［9］。

三維空間形貌特征包括平均長度、體積、表面積、扭曲程度等［32］。如利用褶皺輪廓曲率與主觀評級、抽皺量構成關聯度，則不同面料的關系曲線分布形態(tài)存在差異［33］，說明不同材質的面料，其縫紉平整度主觀認知與當前提出的特征之間還存在一定的差異。

3 存在的問題

3.1 學習人工評級機制

客觀評級方法的研究逐步成熟，但人工評級至今仍在應用，尚未被有效替代。其原因需要從人工評級的優(yōu)勢和缺陷2方面進行分析。

諾貝爾醫(yī)學獎獲得者David 等［34］研究得出，哺乳類動物的可視皮層呈分級結構，神經-中樞-大腦的反饋是一個不斷迭代、抽象的過程。這種對檢測積累的“有限樣本”自我比對、自動學習的能力應當得到重視。但人工評價同樣存在嚴重缺陷，即效率低、分辨精度低、重復性差?，F有標準中規(guī)定的測試條件較為苛刻，尤其對于紡織服裝企業(yè)而言，投入成本大。此外，高度依賴經驗，對評級人員要求較高。也正因為如此，需要了解和學習人工評級機制，研究可以實現主客觀高度一致的客觀評級方法。

3.2 客觀評級的時間損耗

當前客觀檢測方法的研究以二維圖像和三維空間信息分析和評價為主。

三維形貌的重建，如利用三維激光或光柵式掃描儀對樣本進行掃描，由于需要逐點或逐行掃描，單一樣品掃描時間過長，加之需要尺寸標定耗費大量時間［33］，超出商用檢測時間的容忍度，原則上應當短于人工評級耗時。基于多幅圖像信息的重建，依據不同算法的復雜度，其時間損耗差異較大，目前重建時間仍有提速的必要。對于單幅圖像而言，在花型和色彩干擾弱的情況下，一般處理和分析耗時能夠滿足商用檢測需求，但是對于復雜紋理和色彩干擾，預處理時間會延長。

3.3 表面干擾信息的濾除

織物組織結構紋理、色彩和花型、表面臟污或其他信息是縫紉平整度客觀評價中的主要干擾信息。利用三維重建方式有效規(guī)避該影響，但是速度過慢，仍需提升效率。對于二維圖像而言，優(yōu)勢是處理速度快，但缺點是對于表面干擾信息的有效濾除仍存在較大障礙［22］。

由于圖像處理是將織物表面信息映射成平面圖像，褶皺與干擾信息混雜，如何有效分離較為關鍵。改進途徑包括對成像設備進行優(yōu)化或從特征形貌角度進行分離，但相關研究表明目前尚未能有效解決此類問題，而這一問題影響到紡織品表面性能的檢測，如起毛起球評級、疵點檢測、織物洗后外觀平整度評級［9］等，成為當前的共性問題。

3.4 樣本庫

一方面，當前現有的標準樣本過少?，F有標準提及的標準立體樣板或樣照是人工評級時的參照樣，數量有限。另一方面，標準樣的種類需求豐富，不僅需要對織物縫紉平整度進行評判，還需要對服裝不同部位甚至整件服裝進行綜合評價［35-37］。此外，現有部分標準中的描述不明確，存在一定的操作難度。如“男西服外觀起皺樣照”是服裝整體樣照，而縫紉平整度是對服裝局部進行評價，服裝整體樣照不利于檢測人員對局部縫紉外觀質量進行判斷；在連衣裙、牛仔服、人造毛皮服裝等服裝產品標準中對縫紉平整度沒有具體的等級要求，僅憑檢測人員主觀判斷是否縫制平伏、線路順直，缺乏判斷標準，檢測人員難以把握，建議將不小于4 級作為縫制平伏的判斷標準；在部分服裝產品標準（例如FZ/T 81010—2018、FZ/T 81007—2012、FZ/T 81008—2020 等）中，對測試部位的標注不夠明確，僅說明為主要表面部位，如何判斷為主要表面部位可能會導致不同檢測人員判定結果出現差異。因此，需要構建基于一定數量且公認的樣本訓練庫進行訓練和測試，使現有各類客觀評級方法與人工評級保持一致。

4 發(fā)展趨勢

4.1 高速檢測與高精度評級

織物外觀性能的評估速度因技術的迭代逐步提升，最終測評表現應最大限度地優(yōu)于人工檢測速度。從當前客觀評級技術手段來看，盡管三維重建精度越來越高，但掃描速度遠未達到商用評級需求。利用二維圖像信息重建，從算法復雜度來看同樣需要耗費一定的時間。對于純色織物，二維圖像免去了干擾信息的濾除，可略過三維重建，因此速度上有優(yōu)勢，基本能滿足當前的測試需求。因此，如何有效、快速濾除表面干擾信息，成為制約縫紉外觀平整度評級速度的關鍵，也是今后需要重點解決的難點之一。

除了檢測速度，評級精度也是今后需要重點解決的問題。人工評級為5 級9 檔制，精確度為0.5 級，難以區(qū)分不同面料或者不同洗滌、干燥條件之間的差異，使得該指標難以用于評價面料、縫線、工藝或者洗滌程序差異，用途受限。因此，在今后的研究中，輸出結果除了覆蓋人工評級范圍，還需要對每檔之間的弱變化進行細分，給出高于人工評級精度的評價值。此外，樣品庫的褶皺效應信息，也應當根據洗護的實際效果，明確是否需要延展評級范圍，避免出現比標準樣更加褶皺時，強制歸集至1 級，需要更多地考慮褶皺狀態(tài)。

4.2 檢測方法普適性和統一性

目前，客觀評級研究方法較多關注織物洗后縫縮評級，對實際服裝的縫紉平整度評級研究較少，即研究覆蓋面較窄。因此，針對襯衫、西服、大衣、絲綢服裝等整件服裝的縫紉平整度評級有待進一步研究。此外，對于織物的色彩、紋理、花型等干擾因素的濾除，也是今后研究的重點，需要不斷提升客觀評級方法的普適性，并建立相關方法標準。

客觀評級標準的建立將有利于統一各類服裝的縫紉平整度評級方法，目前，在GB/T 2660—2017《襯衫》、GB/T 18132—2016《絲綢服裝》、GB/T 2664—2017《男西服、大衣》等服裝產品標準中，依據服裝款式、材質、縫制工藝等，都各自規(guī)定了一套標準樣照，用于縫紉平整度的人工評價。但是隨著客觀評級技術的發(fā)展，基于大數據下的智能評價模型的建立，可以利用機器自學習機制進行等級判定，不再依賴于檢驗員的經驗和各種標準樣照。

4.3 主客觀高度一致性

人工視覺評級過程可看作一種合理且高效的圖像處理系統，并非糾結于一兩種特征，而是依據多源信息并結合檢測經驗進行綜合判定，具有較強的容錯和智能綜合特性［38］，這是人工檢測目前難以替代的根本原因。在提升主客觀評級的高度一致性方面，需要對人工評級機制進行深入探究［39］，從評價思路、評價特征、特征綜合等方面深入研究和模擬，最大程度地接近主觀評級專家的共性評價邏輯。

隨著人工智能、大數據時代的到來，服裝縫紉平整度的評價，不僅局限于依靠人工主觀、直接測量、圖像分析等測量方法，還要建立大數據下的智能評價模型，在豐富褶皺效應的同時，利用自學習機制智能判定等級，實現與專家主觀評級的高度一致。

4.4 低成本商用評級

紡織品服裝檢測在向智能化、便捷化、精確化方向發(fā)展的同時，檢測成本也必然成為商用研發(fā)考慮的因素之一。檢測儀器的硬件成本主要包括信息采集設備及成像環(huán)境所需的配置。目前采用的手持式三維掃描儀除了掃描速度慢之外，還有價格昂貴的問題，難以商業(yè)推廣。圖像處理和分析技術基于成像結果的分析，絕大多數相機能夠有效分辨織物的褶皺狀態(tài)，成本相對低廉，是今后硬件設計和開發(fā)的首選配件。軟件方面主要取決于設計難度、軟件開發(fā)周期和維護成本等，隨著設備的普及和廣泛使用，其編輯成本將降低。相比較而言，硬件成本更有壓縮空間。

5 結論

（1）服裝縫紉平整度是服裝外觀質量的重要評價指標之一，當前的人工評級法和客觀評級法各具優(yōu)勢，同時也存在一定的缺陷。人工評級法即標樣對照法，綜合了經驗和特征綜合的認知優(yōu)勢，但容易受環(huán)境、生理狀態(tài)或其他外部因素的干擾?？陀^評級法重復性好，圖像分析速度快，但易受織物表面顏色、紋理的影響；三維掃描法所用設備昂貴，耗時較長，且容易出現掃描盲點。整體來看，客觀評級法在干擾信息濾除或重建速度上有待進一步提升。

（2）在今后的研究中，應當結合機器視覺、人工智能、大數據等多種分析技術，利用自學習機制研究多類型織物或者服裝縫紉平整度的精確評級方法，實現主客觀的高度一致。在研究與當前檢測需求相適應的客觀評級方法基礎上，建立可替代主觀評級的客觀評級方法標準，對于提高我國服裝縫紉平整度檢測技術、促進服裝企業(yè)提高產品質量方面具有重要意義。