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。
