服装作为衣、食、住、行的首位,从古至今都起着防护、美观的重要作用,而在物质文化获得极大满足的今天,服装的外观质量在一定程度上反映了个人气质与品味。因此,服装行业对服装的外观质量检测越来越重视。而织物缝纫平整度作为服装外观质量检测的重要指标,其相关研究引起了越来越多的关注。目前,学者们多采用二维图像技术以及三维激光扫描技术评价织物缝纫平整度,但由于织物种类和环境因素对图像数据的提取影响较大,现存方法的实验数据存在部分失真,导致评价结果的精度较低。针对这一现状,本文运用卷积神经网络来客观评价织物缝纫平整度,利用大量带标签的织物缝纫图像来训练卷积神经网络模型,并对训练好的模型进行测试。最后,利用三维激光扫描技术来对比模型的可行性及准确性,该模型可有效地降低样本的颜色等特性对分类结果的影响。具体研究内容及结果如下:(1)构建一个包括10种常见服装织物的样本库,包括棉、麻、丝、毛、涤纶等,将这10种织物进行裁剪整烫、缝纫和抽褶操作,制作样本缝条。使用佳能数码摄像机采集样本的二维图像数据,共获取1200个图像,裁剪处理后,将其按照5:1的比例,分为1000个训练样本以及200个测试样本。利用主观评价法对训练样本进行标签制作,输入带标签的图像数据来训练卷积神经网络模型,并使用测试样本来测试模型分类结果,得到其分类准确率为96.7%。(2)采用三维点云处理技术客观评价织物缝纫平整度,使用REVscan手持式激光三维扫描仪获取200个样本的三维点云数据,并运用Geomagic Studio 12逆向工程软件对其进行三维曲面重建、去噪、裁剪等预处理,通过MATLAB计算预处理之后点云数据的均值、粗糙度、扭曲度、均偏移和峰度5个特征值,利用SPSS软件将其与主观评分进行相关性和回归分析,得到了粗糙度与主观评分显著相关,相关系数为0.897,并获取了回归模型Y=7.146X-3.042,其中Y为主观评分,X为三维点云数据特征值中的粗糙度。选取200个织物样本检验此回归方程的准确率为91%。(3)对比分析了卷积神经网络模型与三维点云数据技术这两种方法的优缺点,得到卷积神经网络模型可以更加有效地对缝纫平整度等级进行分类,不仅分类精度比三维点云数据处理方法高出了 5.7%,而且其样本数据的采集更加简单快速,分类结果受织物种类影响较小且模型的适用范围较广。