导读:本文包含了色织物论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:疵点,色织,织物,淀粉酶,局部,退浆,联合机。
色织物论文文献综述
周祥,瞿建新[1]（2019）在《彩棉色织物设计与生产实践》一文中研究指出采用9.7 tex×2彩棉/白棉75/25股线生产色织彩格面料,产品无需染色。介绍了产品设计方案和织物规格,以及络筒、倍捻、整经、浆纱、织造工序的具体工艺参数。通过优化彩棉纱的生产工艺,解决了其织造难度大的技术问题,织机生产效率达到89%,可使企业取得较好的经济效益。(本文来源于《上海纺织科技》期刊2019年10期）
申珊玉[2]（2019）在《淀粉浆料的酶解性能及色织物酶退浆工艺研究》一文中研究指出浆纱是在纺织生产工序中至关重要的一环,淀粉、聚乙烯醇(PVA)以及聚丙烯酸类浆料是目前常用的主要浆料,淀粉和聚乙烯醇的混合浆料大量应用于高密纯棉织物的浆纱过程中。生产实践发现,采用酶退浆方式进行退浆的织物退浆效果较差,织物上的浆料很难被退除干净。围绕这一问题,本课题系统地探究了淀粉品种、辅助浆料等对浆液酶解性能的影响,根据发现的问题针对性的提出了解决方案,从提高浆液酶解性能和织物退浆效率两方面进行实验,为织物酶退浆工艺提供理论依据。首先,分析比较了几种不同品种淀粉之间的酶解性能差异,对比了常压调浆和高压调浆工艺对淀粉酶解的影响。以5种淀粉(蜡质玉米淀粉、普通玉米淀粉、高直链玉米淀粉、马铃薯淀粉、木薯淀粉)为研究对象,将淀粉充分糊化,加入α-淀粉酶反应,通过淀粉分解率和DE值表征淀粉的酶解程度。结果表明高直链玉米淀粉最难水解,普通玉米淀粉次之,马铃薯淀粉、木薯淀粉和蜡质玉米淀粉的分解率较高。同时还探究了常压调浆和高压调浆两种工艺对淀粉的酶解性能影响,结果表明两种调浆工艺对浆液淀粉分解率的影响较小。其次,从工厂取样3种常用的淀粉浆料(1#:磷酸酯玉米淀粉、2#:接枝淀粉、3#:木薯淀粉)作为研究对象,与普通玉米淀粉进行对比,比较几种淀粉浆料之间的酶解效率,结果表明接枝淀粉效果最好、磷酸酯淀粉次之、木薯淀粉较差。另从工厂取样两种聚丙烯酸类浆料、两种聚乙烯醇浆料和蜡片,探究了辅助浆料对淀粉酶解效率的影响,并通过F检验法对数据进行分析,结果表明在浆液中添加聚丙烯酸类浆料和PVA对淀粉的酶解效率影响较小,添加蜡片对淀粉的水解程度有负面影响。在此基础上,在浆液中分别添加CaCl_2、糖化酶和脂肪酶以期提高混合浆液中淀粉的酶解效率,结果表明CaCl_2、糖化酶、脂肪酶对混合浆液的淀粉分解率和DE值都有一定的提高。最后,从工厂随机取样不同规格、不同上浆工艺的色织物,对采样的织物进行残存浆料定性分析,结果表明所有取样的退浆织物都有浆料残留,淀粉退浆率较低、PVA退浆率较高。在此基础上,本实验针对织物上淀粉浆料的去除提出解决方案,在退浆液中分别添加CaCl_2、糖化酶和脂肪酶辅助退浆,结果表明糖化酶、氯化钙对织物的淀粉退浆效率和PVA退浆效率都有一定提高、脂肪酶对织物的退浆效果作用不明显。同时对织物进行预处理,探究预处理对织物退浆性能的影响,结果表明预处理工序使织物的淀粉退浆率下降、PVA退浆率提高;最后对退浆温度进行探究,结果表明温度对织物退浆效果影响较大,提高温度能使织物退浆效果改善,退浆温度为100℃时,织物退浆率能达95%以上。(本文来源于《江南大学》期刊2019-06-30）
罗俊丽,路凯[3]（2019）在《基于卷积神经网络和迁移学习的色织物疵点检测》一文中研究指出针对色织物疵点检测准确率较低的问题,提出一种基于卷积神经网络的疵点识别方法。首先对织物图像进行预处理,然后将无疵点织物和5类疵点织物图像样本输入到残差网络模型进行训练和测试,最终总识别率为91.53%。以残差网络模型为例,研究了迁移学习在织物疵点识别中的应用。将ImageNet数据集上预训练的图像特征迁移到织物疵点识别任务上,并在两个大小不同的数据集上比较迁移学习的效果。结果显示,当数据集较小时,通过迁移学习可以提升模型的识别率。(本文来源于《上海纺织科技》期刊2019年06期）
王晨煜,景军锋,张缓缓,苏泽斌[4]（2019）在《基于滚动引导滤波与FT算法的色织物疵点检测》一文中研究指出针对色织物疵点检测纹理背景对检测结果影响大的问题,提出一种滚动引导滤波和频率调谐显着性相结合的色织物疵点检测算法。采用滚动引导滤波在保留疵点区域的同时抑制色织物的纹理背景;应用频率调谐视觉显着性算法得到全分辨率的显着图;使用迭代阈值分割将显着图二值化,并运用形态学运算去除孤立的像素点,疵点检测效果较好。认为:该算法能够有效抑制织物的纹理,对疵点区域精准分割。(本文来源于《棉纺织技术》期刊2019年06期）
黄海松,张松松,仝子萱,姚立国[5]（2019）在《双频FTP在色织物疵点检测中的应用》一文中研究指出通过双频FTP解决由单频条纹引起的2π相位模糊问题。由于在色织物检测的傅里叶变换轮廓术FTP中,只能获得单个变形的条纹图案,为了同时捕获两个不同频率的条纹图案、提高检测精度,将双频技术引入到色织物表面检测的FTP中。具有不同频率的两个区域的光栅结构被投影到被检测蜡染布的表面上,应用双频技术提取出没有相位模糊的实相。经过计算机模拟仿真与实验验证,得出该方法能够成功解决蜡染布疵点检测中的2π相位模糊问题。(本文来源于《激光杂志》期刊2019年05期）
肇亚芳[6]（2019）在《色织物仿样设计的方法探讨》一文中研究指出论述了色织物仿样设计的几种方法,对于花筘产品的外观条格型的仿制易采用方程法进行,讲解了方程法的应用技巧,给纺织品设计人员提供了参考。(本文来源于《辽宁丝绸》期刊2019年02期）
曹振军,景军锋,苏泽斌,张缓缓[7]（2019）在《基于树莓派的深度学习色织物疵点检测研究》一文中研究指出研究基于树莓派的深度学习色织物疵点检测效果。设计了一种基于树莓派的深度学习疵点检测系统。采用多线程并发执行思路,将系统任务划分为图像采集、图像处理和人工交互叁个线程;采用改进的Inception-v3模型图像处理算法,实现了织物图像疵点检测和分类;通过人工交互界面,实时显示系统的运行数据,根据色织物疵点报警停车。结果表明:该系统实现了色织物疵点检测和分类,平均准确率达94%。认为:该织物疵点检测方法可达到工业现场在线检测的要求。(本文来源于《棉纺织技术》期刊2019年01期）
李明,景军锋,李鹏飞[8]（2018）在《应用GAN和Faster R-CNN的色织物缺陷识别》一文中研究指出为解决色织物缺陷检测时传统人工的误检率、漏检率较高问题,给出一种应用生成对抗网络(GAN,generative adversarial net)和Faster R-CNN相结合的缺陷识别算法.针对织物图像采集过程中存在缺陷样本分布不均,现有色织物缺陷样本多样性贫乏,先对缺陷织物进行GAN训练,生成与缺陷样本相似的织物图像来扩充样本;再根据候选框生成算法提取缺陷位置,深度卷积神经网络学习其区域和边缘特征;最后,利用Softmax分类器对织物缺陷进行分类,非极大值抑制算法调整优化缺陷位置.实验结果表明,应用GAN和Faster R-CNN的缺陷识别算法,可提高色织物图像库中的缺陷图像检测效率,并能准确获取缺陷位置和类别.(本文来源于《西安工程大学学报》期刊2018年06期）
李鹏飞,闫亚娣,张凯兵,王珍,朱丹妮[9]（2018）在《基于AdaBoost局部二值模式特征的色织物纹理分类》一文中研究指出针对织物纹理在人工视觉分类中存在的分类准确率不高,效率低的问题,给出一种基于AdaBoost算法的色织物纹理图像分类方法.该方法首先对采集的织物图像进行人工标记;然后,提取所有图像的局部二值模式(local binary pattern,LBP)特征建立训练集;最后,基于AdaBoost算法对提取的色织物特征学习分类模型实现纹理图像的分类.实验结果表明,选择LBP28算子和弱分类器的个数为30时,基于AdaBoost分类算法对复杂色织物的纹理分类具有较高的识别率,其中对于梭织类和斜纹类织物分类准确率可达到100%,证实此方法的有效性.(本文来源于《西安工程大学学报》期刊2018年06期）
闫亚娣,张凯兵,李鹏飞,王珍,朱丹妮[10]（2019）在《基于可控高斯核的色织物疵点检测方法》一文中研究指出针对复杂色织物背景与疵点对比度不明显而导致疵点难以检测的问题,提出了一种基于局部可控高斯核的织物疵点检测方法。该方法将输入的RGB色织物图像转换到CIEL*a*b颜色空间,分别在L、A和B颜色通道下,提取各个通道下的图像梯度特征进行奇异值分解,以构造具有结构自适应的调制因子。利用获得的调制因子调制高斯核函数的形状和大小,提取每个像素局部邻域内的可控高斯核特征构成特征矩阵,以表征色织物图像的局部结构。利用矩阵余弦相似性度量核特征矩阵之间的相似性,建立织物疵点的映射图。实验结果表明,提出的疵点检测方法能有效表征色织物的奇异性结构,相比于其他方法,该方法对不同纹理类型的色织物疵点具有较好的检测性能。(本文来源于《计算机工程与应用》期刊2019年21期）
色织物论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
浆纱是在纺织生产工序中至关重要的一环,淀粉、聚乙烯醇(PVA)以及聚丙烯酸类浆料是目前常用的主要浆料,淀粉和聚乙烯醇的混合浆料大量应用于高密纯棉织物的浆纱过程中。生产实践发现,采用酶退浆方式进行退浆的织物退浆效果较差,织物上的浆料很难被退除干净。围绕这一问题,本课题系统地探究了淀粉品种、辅助浆料等对浆液酶解性能的影响,根据发现的问题针对性的提出了解决方案,从提高浆液酶解性能和织物退浆效率两方面进行实验,为织物酶退浆工艺提供理论依据。首先,分析比较了几种不同品种淀粉之间的酶解性能差异,对比了常压调浆和高压调浆工艺对淀粉酶解的影响。以5种淀粉(蜡质玉米淀粉、普通玉米淀粉、高直链玉米淀粉、马铃薯淀粉、木薯淀粉)为研究对象,将淀粉充分糊化,加入α-淀粉酶反应,通过淀粉分解率和DE值表征淀粉的酶解程度。结果表明高直链玉米淀粉最难水解,普通玉米淀粉次之,马铃薯淀粉、木薯淀粉和蜡质玉米淀粉的分解率较高。同时还探究了常压调浆和高压调浆两种工艺对淀粉的酶解性能影响,结果表明两种调浆工艺对浆液淀粉分解率的影响较小。其次,从工厂取样3种常用的淀粉浆料(1#:磷酸酯玉米淀粉、2#:接枝淀粉、3#:木薯淀粉)作为研究对象,与普通玉米淀粉进行对比,比较几种淀粉浆料之间的酶解效率,结果表明接枝淀粉效果最好、磷酸酯淀粉次之、木薯淀粉较差。另从工厂取样两种聚丙烯酸类浆料、两种聚乙烯醇浆料和蜡片,探究了辅助浆料对淀粉酶解效率的影响,并通过F检验法对数据进行分析,结果表明在浆液中添加聚丙烯酸类浆料和PVA对淀粉的酶解效率影响较小,添加蜡片对淀粉的水解程度有负面影响。在此基础上,在浆液中分别添加CaCl_2、糖化酶和脂肪酶以期提高混合浆液中淀粉的酶解效率,结果表明CaCl_2、糖化酶、脂肪酶对混合浆液的淀粉分解率和DE值都有一定的提高。最后,从工厂随机取样不同规格、不同上浆工艺的色织物,对采样的织物进行残存浆料定性分析,结果表明所有取样的退浆织物都有浆料残留,淀粉退浆率较低、PVA退浆率较高。在此基础上,本实验针对织物上淀粉浆料的去除提出解决方案,在退浆液中分别添加CaCl_2、糖化酶和脂肪酶辅助退浆,结果表明糖化酶、氯化钙对织物的淀粉退浆效率和PVA退浆效率都有一定提高、脂肪酶对织物的退浆效果作用不明显。同时对织物进行预处理,探究预处理对织物退浆性能的影响,结果表明预处理工序使织物的淀粉退浆率下降、PVA退浆率提高;最后对退浆温度进行探究,结果表明温度对织物退浆效果影响较大,提高温度能使织物退浆效果改善,退浆温度为100℃时,织物退浆率能达95%以上。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
色织物论文参考文献
[1].周祥,瞿建新.彩棉色织物设计与生产实践[J].上海纺织科技.2019
[2].申珊玉.淀粉浆料的酶解性能及色织物酶退浆工艺研究[D].江南大学.2019
[3].罗俊丽,路凯.基于卷积神经网络和迁移学习的色织物疵点检测[J].上海纺织科技.2019
[4].王晨煜,景军锋,张缓缓,苏泽斌.基于滚动引导滤波与FT算法的色织物疵点检测[J].棉纺织技术.2019
[5].黄海松,张松松,仝子萱,姚立国.双频FTP在色织物疵点检测中的应用[J].激光杂志.2019
[6].肇亚芳.色织物仿样设计的方法探讨[J].辽宁丝绸.2019
[7].曹振军,景军锋,苏泽斌,张缓缓.基于树莓派的深度学习色织物疵点检测研究[J].棉纺织技术.2019
[8].李明,景军锋,李鹏飞.应用GAN和FasterR-CNN的色织物缺陷识别[J].西安工程大学学报.2018
[9].李鹏飞,闫亚娣,张凯兵,王珍,朱丹妮.基于AdaBoost局部二值模式特征的色织物纹理分类[J].西安工程大学学报.2018
[10].闫亚娣,张凯兵,李鹏飞,王珍,朱丹妮.基于可控高斯核的色织物疵点检测方法[J].计算机工程与应用.2019
论文知识图
