本发明涉及纺织品脱毛检测，具体来说，涉及一种耐久性易吸水毛巾的脱毛率测试方法及系统。
背景技术：
1、毛巾，作为一种常见的纺织品，是由纺织纤维和纱线制成的、柔软而具有一定力学性质和厚度的产品。通常用于个人卫生或清洁用途，毛巾的品质直接影响着其使用效果和用户体验。在日常使用中，毛巾经常遇到脱毛的问题，这种脱毛现象不仅会影响毛巾的外观和手感，还可能减少其吸水性和耐用性，从而直接影响毛巾的整体质量。
2、因此，对毛巾的脱毛检测显得尤为重要。通过对毛巾样本进行详细的脱毛率测试和分析，可以更好地了解不同材料、编织方法和处理技术对毛巾脱毛性能的影响。这种测试通常包括在特定条件下对毛巾进行重复摩擦或清洗，以模拟日常使用过程中的磨损情况，并精确测量脱落的纤维量。
3、现有技术中，在对毛巾进行脱毛率测试时，不便于通过模拟日常使用过程中的磨损情况来计算毛巾的脱毛率，从而降低了测量脱落的纤维量的效率，并且不便于短时间内对多个样本进行大量模拟，降低了测试效率，同时不便于评估关键脱毛因素和脱毛严重程度，进而降低了产品设计和质量改进效率。
4、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、针对现有技术的不足，本发明提出一种耐久性易吸水毛巾的脱毛率测试方法及系统，解决了上述背景技术中提出现有的在对毛巾进行脱毛率测试时，不便于通过模拟日常使用过程中的磨损情况来计算毛巾的脱毛率，从而降低了测量脱落的纤维量的效率，并且不便于短时间内对多个样本进行大量模拟，降低了测试效率，同时不便于评估关键脱毛因素和脱毛严重程度，进而降低了产品设计和质量改进效率的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：
3、根据本发明的一个方面，提供了一种耐久性易吸水毛巾的脱毛率测试方法，该耐久性易吸水毛巾的脱毛率测试方法包括以下步骤：
4、s1、准备测试所需的若干耐久性易吸水毛巾的毛巾样本，记录每个毛巾样本的初始参数；
5、s2、通过计算机辅助设计软件构建毛巾样本测试三维数字模型，并将记录的每个毛巾样本的初始参数输入至毛巾样本测试三维数字模型中；
6、s3、在毛巾样本测试三维数字模型中模拟毛巾在洗涤和使用过程中的脱毛情况，并使用计算机图形学技术生成毛巾样本脱毛图像；
7、s4、将生成的毛巾样本脱毛图像进行预处理，得到毛巾样本脱毛特征图像；
8、s5、通过分析算法将得到的毛巾样本脱毛特征图像与数据库中对应的毛巾脱毛特征图像进行分类，识别出毛巾样本脱毛的关键因素参数；
9、s6、通过比对算法将识别出的毛巾样本脱毛的关键因素参数与已知的各种影响毛巾脱毛的因素参数进行对比，评估毛巾样本脱毛的严重程度；
10、s7、基于评估结果，并结合毛巾样本的实际脱毛数据，计算每个毛巾样本的脱毛率。
11、进一步的，所述在毛巾样本测试三维数字模型中模拟毛巾在洗涤和使用过程中的脱毛情况，并使用计算机图形学技术生成毛巾样本脱毛图像包括以下步骤：
12、s31、在计算机辅助设计软件中加载毛巾样本的纤维结构优化工具和脱毛模拟工具；
13、s32、根据毛巾样本的生产参数，对毛巾样本测试三维数字模型进行模拟分析，并检查在预设的洗涤和使用条件下毛巾样本的纤维结构是否稳定；
14、s33、如果模拟分析结果显示毛巾样本纤维结构在预设的洗涤和使用条件下不稳定，则使用纤维结构优化工具调整毛巾样本测试三维数字模型中的纤维布局或材料属性；
15、s34、优化完成后，重新进行模拟分析，并检查毛巾样本纤维结构是否满足预设的洗涤和使用条件，若不满足条件，则重复步骤s33至步骤s34，直至毛巾样本纤维结构满足预设的洗涤和使用条件；
16、s35、使用脱毛模拟工具对优化后的毛巾样本测试三维数字模型进行脱毛检测，若检测结果显示脱毛情况符合预设的标准，则将优化后的毛巾样本测试三维数字模型保存并导出，得到模拟毛巾样本在洗涤和使用过程中的脱毛情况的优化模型；
17、s36、基于得到的模拟毛巾样本在洗涤和使用过程中的脱毛情况的优化模型，利用图形学软件模拟毛巾样本在预设的洗涤和使用条件下的脱毛效果，并根据模拟结果，生成毛巾样本脱毛图像。
18、进一步的，所述如果模拟分析结果显示毛巾样本纤维结构在预设的洗涤和使用条件下不稳定，则使用纤维结构优化工具调整毛巾样本测试三维数字模型中的纤维布局或材料属性包括以下步骤：
19、s331、在纤维结构优化工具中运行优化算法；
20、s332、根据毛巾样本的纤维布局或材料属性，确定设计变量集合的大小，并在设计变量集合中随机选择一组纤维布局或材料属性作为初始设计；
21、s333、对于每一组设计参数，随机调整设计变量，并更新每组设计参数；
22、s334、使用模拟分析工具评估每组设计的毛巾样本在洗涤和使用条件下的性能，通过比较设计的毛巾样本在洗涤和使用条件下的性能与预设的洗涤和使用条件下的性能差异，计算性能适应度；
23、s335、根据计算的性能适应度评估每组设计的优劣；
24、s336、找出性能最佳的设计，并记录该设计的性能适应度和对应的设计参数；
25、s337、对其他设计参数按照性能最佳的设计参数进行调整；
26、s338、重复步骤s333至步骤s336，不断对设计参数进行优化，若设计参数的优化达到预设的洗涤和使用条件时，则终止优化过程。
27、进一步的，所述将生成的毛巾样本脱毛图像进行预处理，得到毛巾样本脱毛特征图像包括以下步骤：
28、s41、通过高斯滤波器对获取的毛巾样本脱毛图像进行噪声去除；
29、s42、对去除噪声后的毛巾样本脱毛图像进行亮度和色彩偏差的校正；
30、s43、通过图像处理技术处理校正后的毛巾样本脱毛图像，得到对比度和清晰度增强后的毛巾样本脱毛图像；
31、s44、从得到的对比度和清晰度增强后的毛巾样本脱毛图像中提取图像序列，并对图像序列中的每帧图像进行灰度化处理，得到灰度图像；
32、s45、采用sobel算子计算灰度图像中每个像素点的边缘梯度；
33、s46、采用局部梯度均值法对边缘梯度进行局部筛选及增强，并设置阈值对边缘梯度进行过滤，得到突出脱毛区域的梯度图像；
34、s47、通过欧式距离计算脱毛区域的有序特征向量来表示毛巾样本的脱毛特征；
35、s48、对得到的突出脱毛区域的梯度图像进行细化及二值化处理，并将梯度值大于阈值的像素点标记为边缘点；
36、s49、将相邻的边缘点连接成连通域，得到最终的边缘图像作为毛巾样本脱毛特征图像。
37、进一步的，所述通过分析算法将得到的毛巾样本脱毛特征图像与数据库中对应的毛巾脱毛特征图像进行分类，识别出毛巾样本脱毛的关键因素参数包括以下步骤：
38、s51、获取毛巾样本脱毛特征图像，并使用标准化方法对毛巾样本脱毛特征图像进行标准化处理，计算得到毛巾样本脱毛特征图像中各特征规范化后的值；
39、s52、根据每个毛巾样本脱毛特征的重要性对标准化处理后的特征赋予相应的权重；
40、s53、通过加权后的特征值，找出各毛巾样本脱毛特征的理想最优值和最劣值，分别构成理想的毛巾样本脱毛状态和非理想的毛巾样本脱毛状态；
41、s54、对于每个毛巾样本脱毛特征，计算其与理想的毛巾样本脱毛状态及非理想的毛巾样本脱毛状态的灰色关联系数；
42、s55、通过灰色关联系数，分别计算出每个毛巾样本脱毛特征与理想的毛巾样本脱毛状态及非理想的毛巾样本脱毛状态的灰色关联度；
43、s56、利用灰色关联度，构建理想的毛巾样本脱毛状态的相对贴近度，以评估各毛巾样本脱毛特征的优劣，并识别毛巾样本脱毛的关键因素参数。
44、进一步的，所述分别计算出每个毛巾样本脱毛特征与理想的毛巾样本脱毛状态及非理想的毛巾样本脱毛状态的灰色关联度的公式包括：
45、；
46、；
47、其中， r表示毛巾样本脱毛特征的总和；
48、 w表示灰色关联度；
49、 l表示第 n个健康指标的 l个属性；
50、表示为第 n个毛巾样本脱毛特征与理想的毛巾样本脱毛状态的灰色关联度；
51、表示为第 n个毛巾样本脱毛特征与非理想的毛巾样本脱毛状态的灰色关联度。
52、进一步的，所述通过比对算法将识别出的毛巾样本脱毛的关键因素参数与已知的各种影响毛巾脱毛的因素参数进行对比，评估毛巾样本脱毛的严重程度包括以下步骤：
53、s61、确定影响毛巾样本脱毛的关键因素参数，并设定初始搜索范围；
54、s62、预设评估时长初始值，并预设迭代次数作为评估过程的终止条件；
55、s63、通过将识别出的毛巾样本脱毛的关键因素参数与已知的各种影响毛巾脱毛的因素参数进行对比，并不断比较和分析影响毛巾样本脱毛的各种因素参数，并根据预设的比对策略更新因素参数；
56、s64、通过统计方法，评估在每次毛巾样本脱毛的关键因素参数比对后的脱毛严重程度；
57、s65、基于脱毛严重程度的评估结果，计算每次迭代的适应度得分；
58、s66、将每次迭代后的适应度得分与前一次的得分进行比较，选择对毛巾样本脱毛影响最大的因素参数作为当前的最佳解；
59、s67、增加评估时长初始值，如果已达到预设的最大迭代次数，则终止评估过程；
60、s68、分析评估过程结束后的毛巾样本脱毛情况，并与预设的脱毛严重程度标准进行对比，确定毛巾样本脱毛是否达到严重程度，若是，则需采取相应措施，若不是，则认为脱毛程度可以接受。
61、进一步的，所述通过统计方法，评估在每次毛巾样本脱毛的关键因素参数比对后的脱毛严重程度包括以下步骤：
62、s641、初始化验证轮数为第一轮；
63、s642、将获取到的毛巾样本脱毛的关键因素参数数据集分割成若干子集，在每一轮中，选择一个子集作为测试集，其余所有子集的并集作为训练集；
64、s643、使用训练集上的经过调整的毛巾样本脱毛的关键因素参数训练统计模型，并在测试集上测试统计模型对脱毛严重程度的预测性能；
65、s644、根据毛巾样本脱毛的关键因素参数在测试集上的实际表现，计算统计模型的泛化误差；
66、s645、循环步骤s641至步骤s644，直到每一个子集都被用作过测试集；
67、s645、求得所有轮次中计算出的泛化误差的平均值，作为每次毛巾样本脱毛的关键因素参数比对后的脱毛严重程度的总体评估。
68、进一步的，所述计算统计模型的泛化误差的公式为：
69、；
70、其中， f p表示为第 p个子集的泛化误差；
71、 t p表示为统计模型对第 p个子集的预测值；
72、表示为统计模型对第 p个子集的真实值；
73、 mean表示平均值的计算。
74、根据本发明的另一方面，还提供了一种耐久性易吸水毛巾的脱毛率测试系统，该耐久性易吸水毛巾的脱毛率测试系统包括：
75、测试准备模块，用于准备测试所需的若干耐久性易吸水毛巾的毛巾样本，记录每个毛巾样本的初始参数；
76、三维数字模型构建模块，用于通过计算机辅助设计软件构建毛巾样本测试三维数字模型，并将记录的每个毛巾样本的初始参数输入至毛巾样本测试三维数字模型中；
77、图像生成模块，用于在毛巾样本测试三维数字模型中模拟毛巾在洗涤和使用过程中的脱毛情况，并使用计算机图形学技术生成毛巾样本脱毛图像；
78、图像处理与特征提取模块，用于将生成的毛巾样本脱毛图像进行预处理，得到毛巾样本脱毛特征图像；
79、图像分析与识别模块，用于通过分析算法将得到的毛巾样本脱毛特征图像与数据库中对应的毛巾脱毛特征图像进行分类，识别出毛巾样本脱毛的关键因素参数；
80、数据比对与评估模块，用于通过比对算法将识别出的毛巾样本脱毛的关键因素参数与已知的各种影响毛巾脱毛的因素参数进行对比，评估毛巾样本脱毛的严重程度；
81、脱毛率计算模块，用于基于评估结果，并结合毛巾样本的实际脱毛数据，计算每个毛巾样本的脱毛率；
82、其中，测试准备模块通过三维数字模型构建模块和图像生成模块连接，图像生成模块通过图像处理与特征提取模块和图像分析与识别模块连接，图像分析与识别模块通过数据比对与评估模块和脱毛率计算模块连接。
83、本发明的有益效果为：
84、1、本发明结合计算机辅助设计和计算机图形学技术，使得能更准确地模拟和分析毛巾在实际使用中的脱毛情况，使得测试结果更加贴近实际使用条件，通过生成毛巾样本脱毛的图像，从而提供一种直观的方式来观察和分析脱毛模式，从而有助于更容易地识别和理解脱毛的关键因素，并且利用数字模型进行测试，可以在短时间内对多个样本进行大量模拟，大大提高了测试效率，同时通过与数据库中的脱毛特征图像进行比较和分析，通过评估识别出的关键脱毛因素和脱毛严重程度，进而有助于优化毛巾的设计和生产，提高其耐久性和易吸水性能。
85、2、本发明通过在毛巾样本测试三维数字模型中模拟毛巾在洗涤和使用过程中的脱毛情况，使得通过使用纤维结构优化工具，能够详细调整毛巾样本的纤维布局和材料属性，实现更高效和精确的结构优化，并且通过模拟分析工具和优化算法，使得能够连续评估并改进毛巾样本的性能，从而不仅提高了毛巾的耐用性，也确保了其在各种使用条件下的稳定性，同时通过不断调整设计参数并评估其性能适应度，进而实现迭代优化，使得能够快速找到最佳的设计方案，确保毛巾样本达到最佳性能状态。
86、3、本发明通过分析算法将得到的毛巾样本脱毛特征图像与数据库中对应的毛巾脱毛特征图像进行分类，使得通过标准化处理和权重分配，能够更准确地分析毛巾样本的脱毛特征，通过构建理想和非理想的毛巾样本脱毛状态，可以全面评估毛巾样本的性能，并且通过计算灰色关联系数和关联度，从而提供一个量化的方式来评估毛巾样本的脱毛特征，同时通过识别与理想或非理想状态相关的特征，进而有效地诊断和解决毛巾脱毛问题，提高产品质量。
87、4、本发明通过比对算法将识别出的毛巾样本脱毛的关键因素参数与已知的各种影响毛巾脱毛的因素参数进行对比，使得通过比较和迭代分析，能够更准确地确定影响毛巾脱毛的关键因素参数，通过不断地比对和分析不同的影响因素，可以深入理解毛巾脱毛的动态过程和复杂因素之间的相互作用，通过统计方法和泛化误差的计算，能够定量地评估毛巾脱毛的严重程度，从而能够高效地找出最影响脱毛的因素，同时通过计算适应度得分和比较不同迭代的结果，能够选择对毛巾样本脱毛影响最大的因素参数作为最佳解，使得优化产品设计和生产，并且通过分析和对比脱毛严重程度，可以有效地管理产品质量风险，进而及时采取措施以防止或减轻严重的脱毛问题。
1.一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，该耐久性易吸水毛巾的脱毛率测试方法包括以下步骤：
2.根据权利要求1所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述在毛巾样本测试三维数字模型中模拟毛巾在洗涤和使用过程中的脱毛情况，并使用计算机图形学技术生成毛巾样本脱毛图像包括以下步骤：
3.根据权利要求2所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述如果模拟分析结果显示毛巾样本纤维结构在预设的洗涤和使用条件下不稳定，则使用纤维结构优化工具调整毛巾样本测试三维数字模型中的纤维布局或材料属性包括以下步骤：
4.根据权利要求1所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述将生成的毛巾样本脱毛图像进行预处理，得到毛巾样本脱毛特征图像包括以下步骤：
5.根据权利要求1所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述通过分析算法将得到的毛巾样本脱毛特征图像与数据库中对应的毛巾脱毛特征图像进行分类，识别出毛巾样本脱毛的关键因素参数包括以下步骤：
6.根据权利要求5所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述分别计算出每个毛巾样本脱毛特征与理想的毛巾样本脱毛状态及非理想的毛巾样本脱毛状态的灰色关联度的公式包括：
7.根据权利要求1所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述通过比对算法将识别出的毛巾样本脱毛的关键因素参数与已知的各种影响毛巾脱毛的因素参数进行对比，评估毛巾样本脱毛的严重程度包括以下步骤：
8.根据权利要求7所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述通过统计方法，评估在每次毛巾样本脱毛的关键因素参数比对后的脱毛严重程度包括以下步骤：
9.根据权利要求8所述的一种耐久性易吸水毛巾的脱毛率测试方法，其特征在于，所述计算统计模型的泛化误差的公式为：
10.一种耐久性易吸水毛巾的脱毛率测试系统，用于实现权利要求1-9中任一项所述的耐久性易吸水毛巾的脱毛率测试方法，其特征在于，该耐久性易吸水毛巾的脱毛率测试系统包括：
