一种基于大数据传统服装设计的组合预制系统的制作方法

1.本发明涉及传统服饰设计技术领域，更具体地说，本发明涉及一种基于大数据传统服装设计的组合预制系统。


背景技术：

2.组合预制是指依据消费者的需求服饰设计师将传统服饰的领口、袖口、腰部下摆等元素进行设计，设计过程中需要考虑传统服饰的面料、款式、颜色等等。
3.中国传统服饰内容丰富又蕴含着雄厚的文化底蕴，在传统服饰设计中，许多服装款式设计是从传统服饰中发展过来的，需要设计师经过提炼和概括并进行设计性的改造增加到运用设计中，提升传统服饰设计特点和美感。随着信息化技术在服装设计中应用越来越广泛，服装设计过程越来越精细，消费者的消费观念的转变使得传统批量生产的服装已经不能满足消费者的个性化追求，消费者对个性化服装的定制需求也越来越高，通过提升个性化定制质量使得服装更加贴合消费者体型，提升服装舒适度是服装设计师共同面对的问题。
4.在现有的传统服饰设计中，设计师需要对消费者进行体型测量后依据消费者的偏好和要求对传统服饰进行设计，由于传统服饰设计从面料、款式等，设计师需要考虑的元素众多，容易在设计时出现传统服饰设计与消费者的需求有偏差，可能导致消费者不喜欢，使得设计师重新返工设计，延长了设计周期，也降低了消费者的满意度。


技术实现要素：

5.为了克服现有技术的上述缺陷，本发明的实施例提供一种基于大数据传统服装设计的组合预制系统，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：一种基于大数据传统服装设计的组合预制系统，包括所述服饰数据采集模块用于对目标消费者的传统服装的款式及面料进行数据采集，建立三维服饰整体模型及三维运动模型；
7.所述服饰数据分析模块用于分别对目标消费者的传统服饰的面料、款式数据进行获取，并基于获取的数据分别建立传统服饰面料系数、传统服饰款式系数，并分别评估传统服饰虚拟穿着的合适性，所述传统服饰款式系数包括如下内容：
8.a20、获取传统服饰的款式种类数、消费者偏好款式占比、加工时长，形成传统服饰款式系数，具体包括如下内容：
9.a201、在传统服饰款式设计时，记录款式种类数kz、目标消费者款式偏好占比pz及加工时长js，其中款式偏好占比、加工时长去若干数据中的最大值；
10.a202、将款式种类数kz、目标消费者款式偏好占比pz及加工时长js进行归一化处理，综合总成传统服饰款式系数kp，传统服饰款式系数kp符合如下表达式：
11.其中，其中0≤β1≤1，0≤β1≤1，且β1+β2＝1，β1及β1为权
重，p1为常数修正系数，由传统服饰设计师按照实际情况修正；
12.所述服饰数据优化模块用于获取建立的传统服饰款式系数、传统服饰面料系数并进行关联，形成服饰设计系数，将服饰设计系数与对应的阈值进行对比，判断是否超出阈值，如果超出阈值则形成提示信息，由预警模块向外部发出预警；
13.所述服饰参数拟合模块用于获取传统服饰在虚拟穿着过程中三维运动模型，利用三维人体测量技术实现目标消费者的虚拟试衣，获得款式、面料最终参数，得到服饰舒适系数；
14.所述服饰综合权重模块用于获取服饰舒适系数及服饰设计系数关联后进行判断是否超出阈值，如果超出阈值，则通过预警模块发出提示信息。
15.优选的，所述服饰数据采集模块中建立三维传统服饰整体模型及三维运动模型的具体内容包括如下：
16.s101、通过摄像头扫描装置对目标消费者的体型进行人体跟踪扫描并转换为服装尺寸，获得目标消费者服饰扫描数据；
17.s102、接收目标消费者服饰扫描数据，对目标挑选的传统服饰款式及面料进行建模，形成三维服饰整体模型；
18.s103、通过渲染技术对目标消费者的传统服装进行渲染，将三维图像数据化，建立目标消费者的三维运动模型；
19.s104、获取三维传统服饰整体模型及三维运动模型建立初步三维服装仿真模型，采集目标消费者的体型数据、服饰的面料数据及实际穿着过程中的折旧参数传输至初步三维服饰仿真模型中；
20.s105、通过深度学习的方式进行反复测试，多次测试之后完成目标消费者的传统服饰数字孪生模型的构建。
21.优选的，所述服饰数据分析模块中形成传统服饰面料系数的步骤具体如下：
22.a10、获取传统服饰的面料原始数据，建立传统服饰面料系数，包括如下内容：
23.a101、通过检测仪器对传统服饰面料进行检测，获取传统服饰面料克重gz、面料针织密度zm及面料成分含量ch，其中，对传统服饰面料检测时，通过多次检测去除异常数据后获得平均值；
24.a102、将获取传统服饰的面料克重gz、面料针织密度zm及面料成分含量ch进行汇总，形成传统服饰面料系数mp，传统服饰面料系数mp的计算方法如下：
25.其中0≤α≤1，α为权重，p1为常数修正系数，由传统服饰设计师按照实际情况修正；
26.a103、获取传统服饰面料系数mp与预设传统服饰面料系数阈值进行对比，判断是否超出预设传统服饰面料系数阈值，如果超出预设传统服饰面料系数阈值，则形成提示信息，通过预警模块发出提示。
27.优选的，所述服饰数据优化模块中形成服饰设计系数的具体获取步骤包括如下内容：
28.s301、将传统服饰款式系数mp、传统服饰面料系数fp进行归一化处理后，通过计算综合形成服饰设计系数fs，服饰设计系数fs符合如下表达式：
29.其中ω1为传统服饰款式系数的影响因子，ω2为传统服饰面料系数的影响因子，δfs表示预设服饰设计系数，p3表示为修正系数，具体值依据传统服饰设计师依据实际经验进行修正。
30.s302、将服饰设计系数与预设服饰设计系数阈值进行匹配对比，判断服饰设计系数是否超出预设服饰设计系数阈值，如果超出预设服饰设计系数阈值，则通过预警模块向外部发出预警。
31.优选的，所述服饰参数拟合模块中得到服饰舒适系数包括如下内容：
32.s401、通过建立传统服饰数字孪生模型，对传统服饰的面料、款式的穿着状态进行模拟；
33.s402、获取模拟传统服饰穿着状态，确定服饰舒适系数fd，并基于服饰舒适系数fd及实际参数值进行多次模拟后，从传统服饰数字孪生模型重新获得相应的传统服饰参数，并计算出模拟的服饰设计系数；
34.s403、将模拟出的服饰设计系数标记为服饰舒适系数fd，确定服饰舒适系数与服饰设计系数fs的影响因子；
35.s404、判断服饰舒适系数是否低于预设服饰舒适系数阈值，如果符合预设服饰舒适系数阈值内，则说明建立的传统服饰数字孪生模型符合目标消费者实际需求。
36.优选的，所述其中服饰舒适系数符合如下公式：
37.其中，0≤μ≤1，wd表示传统服饰的相对温度，sd表示传统服饰的相对湿度，tq表示传统服饰的透气指数，为μ为服饰舒适系数与服饰设计系数的影响因子，具体由传统服饰设计师依据实际情况进行调整。
38.优选的，所述服饰综合权重模块具体包括如下内容：
39.s501、获取服饰舒适系数fd及服饰设计系数fs进行归一化处理后，并进行综合，获得服饰综合权重指数zq；
40.s502、获取计算的zq(e，f)的结果与预设阈值相比，如果超出预设阈值，则形成提示信息，通过预警模块向外部发出，提醒传统服饰设计师进行针对性修改。
41.优选的，所述服饰综合权重指数zq的评估方法如下：
42.随着传统服饰设计时间的方向延伸，将设计时间等距划分，分别标记为i＝1、2、3...n-1，n，分别获得若干个服装舒适系数fd
n-1
、fdn及fs
n-1
、fsn；
[0043][0044]
0≤η1≤1，0≤η2≤1，且η1+η2＝1，以zq(e，f)对传统服饰设计可能存在设计偏差进行评估，评估方法如下：
[0045]
其中η1、η2为权重，其具体值由传统服饰设计师调整设置。
[0046]
本发明的技术效果和优点：
[0047]
本技术获取目标消费者体型原始数据并转换为服饰尺寸，通过建立传统服饰数字
孪生模型，能够使得传统服饰设计师在实际制作传统服饰之前对传统服饰进行模拟，提前确定目标消费者的传统服饰需求，由于传统服饰数字孪生模型是基于实际参数建立的，能够对传统服饰的面料、款式进行模拟，传统设计师能够基于服饰综合权重系数判断服饰可能存在的设计偏差，减少设计偏差造成的返工率，提高消费者的满意度。
附图说明
[0048]
图1为本发明的系统结构框图。
[0049]
图2为本发明的系统流程图。
具体实施方式
[0050]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0051]
实施例1
[0052]
请参阅图1-2所示，本实施例提供了一种基于大数据传统服装设计的组合预制系统，包括所述服饰数据采集模块用于对目标消费者的传统服装的款式及面料进行数据采集，建立三维服饰整体模型及三维运动模型；
[0053]
本实施例中，需要具体说明的是所述服饰数据采集模块中建立三维传统服饰整体模型及三维运动模型的具体内容包括如下：
[0054]
s101、通过摄像头扫描装置对目标消费者的体型进行人体跟踪扫描并转换为服装尺寸，获得目标消费者服饰扫描数据；
[0055]
s102、接收目标消费者服饰扫描数据，对目标挑选的传统服饰款式及面料进行建模，形成三维服饰整体模型；
[0056]
s103、通过渲染技术对目标消费者的传统服装进行渲染，将三维图像数据化，建立目标消费者的三维运动模型；
[0057]
s104、获取三维传统服饰整体模型及三维运动模型建立初步三维服装仿真模型，采集目标消费者的体型数据、服饰的面料数据及实际穿着过程中的折旧参数传输至初步三维服饰仿真模型中；
[0058]
s105、通过深度学习的方式进行反复测试，多次测试之后完成目标消费者的传统服饰数字孪生模型的构建。
[0059]
本实施例中，通过获取目标消费者的人体原始数据，在深度学习的辅助下建立数字孪生模型，对目标消费者的传统服饰进行测试，能够在制成成品传统服饰之前，对传统服饰进行模拟穿着，使得传统服饰设计师能够对传统服饰设计有充分的了解，增加目标消费者满意度。
[0060]
所述服饰数据分析模块用于分别对目标消费者的传统服饰的面料、款式数据进行获取，并基于获取的数据分别建立传统服饰面料系数、传统服饰款式系数，并分别评估传统服饰虚拟穿着的合适性；
[0061]
本实施例中，需要具体说明的是所述服饰数据分析模块中形成传统服饰面料系数
及传统服饰款式系数的步骤具体如下：
[0062]
a10、获取传统服饰的面料原始数据，建立传统服饰面料系数，包括如下内容：
[0063]
a101、通过检测仪器对传统服饰面料进行检测，获取传统服饰面料克重gz、面料针织密度zm及面料成分含量ch，其中，对传统服饰面料检测时，通过多次检测去除异常数据后获得平均值；
[0064]
a102、将获取传统服饰的面料克重gz、面料针织密度zm及面料成分含量ch进行汇总，形成传统服饰面料系数mp，传统服饰面料系数mp的计算方法如下：
[0065]
其中0≤α≤1，α为权重，p1为常数修正系数，由传统服饰设计师按照实际情况修正；
[0066]
a103、获取传统服饰面料系数mp与预设传统服饰面料系数阈值进行对比，判断是否超出预设传统服饰面料系数阈值，如果超出预设传统服饰面料系数阈值，则形成提示信息，通过预警模块发出提示。
[0067]
本实施例中，通过将传统服饰的面料克重、面料针织密度及面料成分含量进行汇总，确定传统服饰面料系数，通过传统服饰面料系数mp与预设传统服饰面料系数阈值进行对比，如果超出阈值则可以判断出传统服饰面料设计不符合目标消费者需求。
[0068]
a20、获取传统服饰的款式种类数、消费者偏好款式占比、加工时长，形成传统服饰款式系数，具体包括如下内容：
[0069]
a201、在传统服饰款式设计时，记录款式种类数kz、目标消费者款式偏好占比pz及加工时长js，其中款式偏好占比、加工时长去若干数据中的最大值；
[0070]
a202、将款式种类数kz、目标消费者款式偏好占比pz及加工时长js进行归一化处理，综合总成传统服饰款式系数kp，传统服饰款式系数kp符合如下表达式：
[0071]
其中，其中0≤β1≤1，0≤β1≤1，且β1+β2＝1，β1及β1为权重，p1为常数修正系数，由传统服饰设计师按照实际情况修正；
[0072]
本实施例中，通过将款式种类数、目标消费者款式偏好占比及加工时长进行综合后获得传统服饰款式系数，能够设计师能够通过传统服饰的款式整体性判断，降低了传统服饰设计师判断难度。
[0073]
所述服饰数据优化模块用于获取建立的传统服饰款式系数、传统服饰面料系数并进行关联，形成服饰设计系数，将服饰设计系数与对应的阈值进行对比，判断是否超出阈值，如果超出阈值则形成提示信息，由预警模块向外部发出预警；
[0074]
本实施例中，需要具体说明的是所述服饰数据优化模块中形成服饰设计系数的具体获取步骤包括如下内容：
[0075]
s301、将传统服饰款式系数mp、传统服饰面料系数fp进行归一化处理后，通过计算综合形成服饰设计系数fs，服饰设计系数fs符合如下表达式：
[0076]
其中ω1为传统服饰款式系数的影响因子，ω2为传统服饰面料系数的影响因子，δfs表示预设服饰设计系数，p3表示为修正系数，具体值依据传统
服饰设计师依据实际经验进行修正。
[0077]
s302、将服饰设计系数与预设服饰设计系数阈值进行匹配对比，判断服饰设计系数是否超出预设服饰设计系数阈值，如果超出预设服饰设计系数阈值，则通过预警模块向外部发出预警。
[0078]
本实施例中，通过将传统服饰款式系数、传统服饰面料系数进行整体性的判断，形成服饰设计系数，如果服饰设计系数超出阈值，则可以判断出两个子因素中至少有一个是不符合目标消费者的需求，即产生需求偏差，通过产生的需求偏差进行快速溯源，确定导致服饰设计系数超出阈值的原因并针对性的调整，提高需求者的满意度。
[0079]
所述服饰参数拟合模块用于获取传统服饰在虚拟穿着过程中三维运动模型，利用三维人体测量技术实现目标消费者的虚拟试衣，获得款式、面料最终参数，得到服饰舒适系数；
[0080]
本实施例中，需要具体说明的是所述服饰参数拟合模块中得到服饰舒适系数包括如下内容：
[0081]
s401、通过建立传统服饰数字孪生模型，对传统服饰的面料、款式的穿着状态进行模拟；
[0082]
s402、获取模拟传统服饰穿着状态，确定服饰舒适系数fd，并基于服饰舒适系数fd及实际参数值进行多次模拟后，从传统服饰数字孪生模型重新获得相应的传统服饰参数，并计算出模拟的服饰设计系数；
[0083]
s403、将模拟出的服饰设计系数标记为服饰舒适系数fd，确定服饰舒适系数与服饰设计系数fs的影响因子；
[0084]
其中服饰舒适系数符合如下公式：
[0085]
其中，0≤μ≤1，wd表示传统服饰的相对温度，sd表示传统服饰的相对湿度，tq表示传统服饰的透气指数，为μ为服饰舒适系数与服饰设计系数的影响因子，具体由传统服饰设计师依据实际情况进行调整。
[0086]
s404、判断服饰舒适系数是否低于预设服饰舒适系数阈值，如果符合预设服饰舒适系数阈值内，则说明建立的传统服饰数字孪生模型符合目标消费者实际需求。
[0087]
本实施例中，通过实际输入的参数建立传统服饰数字孪生模型，获取传统服饰舒适系数，确定服饰设计系数与传统服饰舒适系数的影响因子，确定传统服饰数字孪生模型的可靠性，如果传统服饰舒适系数不在阈值内，则通过建立的传统服饰数字孪生模型进行调整，提高目标消费者的传统服饰舒适性。
[0088]
所述服饰综合权重模块用于获取服饰舒适系数及服饰设计系数关联后进行判断是否超出阈值，如果超出阈值，则通过预警模块发出提示信息。
[0089]
本实施例中，需要具体说明的是所述服饰综合权重模块具体包括如下内容：
[0090]
s501、获取服饰舒适系数fd及服饰设计系数fs进行归一化处理后，并进行综合，获得服饰综合权重指数zq，依据传统服饰数字孪生模型，对服饰综合权重指数zq的评估方法如下：
[0091]
随着传统服饰设计时间的方向延伸，将设计时间等距划分，分别标记为i＝1、2、3...n-1，n，分别获得若干个服装舒适系数fd
n-1
、fdn及fs
n-1
、fsn；
[0092]
0≤η1≤1，0≤η2≤1，且η1+η2＝1，以zq(e，f)对传统服饰设计可能存在设计偏差进行评估，评估方法如下：
[0093]
其中η1、η2为权重，其具体值由传统服饰设计师调整设置。
[0094]
本步骤中，获取zq(e，f)的结果对传统服饰设计设计偏差进行评估，在建立传统服饰孪生数字模型的房主下，判断目标消费者的传统服饰设计偏差进行量化处理，形成服饰综合权重指数，对传统服饰设计进行评估。
[0095]
s502、获取计算的zq(e，f)的结果与预设阈值相比，如果超出预设阈值，则形成提示信息，通过预警模块向外部发出，提醒传统服饰设计师进行针对性修改。
[0096]
实施例2
[0097]
请参阅图1-2所示，本实施例提供了一种基于大数据传统服装设计的组合预制方法，包括如下内容：
[0098]
s10、对目标消费者的传统服装的款式及面料进行数据采集，建立三维服饰整体模型及三维运动模型；
[0099]
s20、分别对目标消费者的传统服饰的面料、款式数据进行获取，并基于获取的数据分别建立传统服饰面料系数、传统服饰款式系数，并分别评估传统服饰虚拟穿着的合适性；
[0100]
s30、获取建立的传统服饰款式系数、传统服饰面料系数并进行关联，形成服饰设计系数，将服饰设计系数与对应的阈值进行对比，判断是否超出阈值，如果超出阈值则形成提示信息，由预警模块向外部发出预警；
[0101]
s40、获取传统服饰在虚拟穿着过程中三维运动模型，利用三维人体测量技术实现目标消费者的虚拟试衣，获得款式、面料最终参数，得到服饰舒适系数；
[0102]
s50、获取服饰舒适系数及服饰设计系数关联后进行判断是否超出阈值，如果超出阈值，则通过预警模块发出提示信息。
[0103]
综上所述，本技术中获取目标消费者体型原始数据并转换为服饰尺寸，通过建立传统服饰数字孪生模型，能够使得传统服饰设计师在实际制作传统服饰之前对传统服饰进行模拟，提前确定目标消费者的传统服饰需求，由于传统服饰数字孪生模型是基于实际参数建立的，能够对传统服饰的面料、款式进行模拟，传统设计师能够基于服饰综合权重系数判断服饰可能存在的设计偏差，减少设计偏差造成的返工率，提高消费者的满意度。
[0104]
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
[0105]
本技术一种基于大数据传统服装设计的组合预制系统的其他实施例或具体实施方式可参照上述方法实施例，此处不在赘述。
[0106]
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于大数据传统服装设计的组合预制系统，其特征在于：包括所述服饰数据采集模块用于对目标消费者的传统服装的款式及面料进行数据采集，建立三维服饰整体模型及三维运动模型；所述服饰数据分析模块用于分别对目标消费者的传统服饰的面料、款式数据进行获取，并基于获取的数据分别建立传统服饰面料系数、传统服饰款式系数，并分别评估传统服饰虚拟穿着的合适性，所述传统服饰款式系数包括如下内容：a20、获取传统服饰的款式种类数、消费者偏好款式占比、加工时长，形成传统服饰款式系数，具体包括如下内容：a201、在传统服饰款式设计时，记录款式种类数kz、目标消费者款式偏好占比pz及加工时长js，其中款式偏好占比、加工时长去若干数据中的最大值；a202、将款式种类数kz、目标消费者款式偏好占比pz及加工时长js进行归一化处理，综合总成传统服饰款式系数kp，传统服饰款式系数kp符合如下表达式：其中，其中0≤β1≤1，0≤β1≤1，且β1+β2＝1，β1及β1为权重，p1为常数修正系数，由传统服饰设计师按照实际情况修正；所述服饰数据优化模块用于获取建立的传统服饰款式系数、传统服饰面料系数并进行关联，形成服饰设计系数，将服饰设计系数与对应的阈值进行对比，判断是否超出阈值，如果超出阈值则形成提示信息，由预警模块向外部发出预警；所述服饰参数拟合模块用于获取传统服饰在虚拟穿着过程中三维运动模型，利用三维人体测量技术实现目标消费者的虚拟试衣，获得款式、面料最终参数，得到服饰舒适系数；所述服饰综合权重模块用于获取服饰舒适系数及服饰设计系数关联后进行判断是否超出阈值，如果超出阈值，则通过预警模块发出提示信息。2.根据权利要求1所述的一种基于大数据传统服装设计的组合预制系统，其特征在于：所述服饰数据采集模块中建立三维传统服饰整体模型及三维运动模型的具体内容包括如下：s101、通过摄像头扫描装置对目标消费者的体型进行人体跟踪扫描并转换为服装尺寸，获得目标消费者服饰扫描数据；s102、接收目标消费者服饰扫描数据，对目标挑选的传统服饰款式及面料进行建模，形成三维服饰整体模型；s103、通过渲染技术对目标消费者的传统服装进行渲染，将三维图像数据化，建立目标消费者的三维运动模型；s104、获取三维传统服饰整体模型及三维运动模型建立初步三维服装仿真模型，采集目标消费者的体型数据、服饰的面料数据及实际穿着过程中的折旧参数传输至初步三维服饰仿真模型中；s105、通过深度学习的方式进行反复测试，多次测试之后完成目标消费者的传统服饰数字孪生模型的构建。3.根据权利要求1所述的一种基于大数据传统服装设计的组合预制系统，其特征在于：所述服饰数据分析模块中形成传统服饰面料系数的步骤具体如下：
a10、获取传统服饰的面料原始数据，建立传统服饰面料系数，包括如下内容：a101、通过检测仪器对传统服饰面料进行检测，获取传统服饰面料克重gz、面料针织密度zm及面料成分含量ch，其中，对传统服饰面料检测时，通过多次检测去除异常数据后获得平均值；a102、将获取传统服饰的面料克重gz、面料针织密度zm及面料成分含量ch进行汇总，形成传统服饰面料系数mp，传统服饰面料系数mp的计算方法如下：其中0≤α≤1，α为权重，p1为常数修正系数，由传统服饰设计师按照实际情况修正；a103、获取传统服饰面料系数mp与预设传统服饰面料系数阈值进行对比，判断是否超出预设传统服饰面料系数阈值，如果超出预设传统服饰面料系数阈值，则形成提示信息，通过预警模块发出提示。4.根据权利要求1所述的一种基于大数据传统服装设计的组合预制系统，其特征在于：所述服饰数据优化模块中形成服饰设计系数的具体获取步骤包括如下内容：s301、将传统服饰款式系数mp、传统服饰面料系数fp进行归一化处理后，通过计算综合形成服饰设计系数fs，服饰设计系数fs符合如下表达式：其中ω1为传统服饰款式系数的影响因子，ω2为传统服饰面料系数的影响因子，δfs表示预设服饰设计系数，p3表示为修正系数，具体值依据传统服饰设计师依据实际经验进行修正。s302、将服饰设计系数与预设服饰设计系数阈值进行匹配对比，判断服饰设计系数是否超出预设服饰设计系数阈值，如果超出预设服饰设计系数阈值，则通过预警模块向外部发出预警。5.根据权利要求1所述的一种基于大数据传统服装设计的组合预制系统，其特征在于：所述服饰参数拟合模块中得到服饰舒适系数包括如下内容：s401、通过建立传统服饰数字孪生模型，对传统服饰的面料、款式的穿着状态进行模拟；s402、获取模拟传统服饰穿着状态，确定服饰舒适系数fd，并基于服饰舒适系数fd及实际参数值进行多次模拟后，从传统服饰数字孪生模型重新获得相应的传统服饰参数，并计算出模拟的服饰设计系数；s403、将模拟出的服饰设计系数标记为服饰舒适系数fd，确定服饰舒适系数与服饰设计系数fs的影响因子；s404、判断服饰舒适系数是否低于预设服饰舒适系数阈值，如果符合预设服饰舒适系数阈值内，则说明建立的传统服饰数字孪生模型符合目标消费者实际需求。6.根据权利要求5所述的一种基于大数据传统服装设计的组合预制系统，其特征在于：所述服饰舒适系数符合如下公式：其中，0≤μ≤1，wd表示传统服饰的相对温度，sd表示传统服饰
的相对湿度，tq表示传统服饰的透气指数，为μ为服饰舒适系数与服饰设计系数的影响因子，具体由传统服饰设计师依据实际情况进行调整。7.根据权利要求1所述的一种基于大数据传统服装设计的组合预制系统的方法，其特征在于：所述服饰综合权重模块具体包括如下内容：s501、获取服饰舒适系数fd及服饰设计系数fs进行归一化处理后，并进行综合，获得服饰综合权重指数zq；s502、获取计算的zq(e，f)的结果与预设阈值相比，如果超出预设阈值，则形成提示信息，通过预警模块向外部发出，提醒传统服饰设计师进行针对性修改。8.根据权利要求7所述的一种基于大数据传统服装设计的组合预制系统，其特征在于：所述服饰综合权重指数zq的评估方法如下：随着传统服饰设计时间的方向延伸，将设计时间等距划分，分别标记为i＝1、2、3...n-1，n，分别获得若干个服装舒适系数fd
n-1
、fd
n
及fs
n-1
、fs
n
；0≤η1≤1，0≤η2≤1，且η1+η2＝1，以zq(e，f)对传统服饰设计可能存在设计偏差进行评估，评估方法如下：其中η1、η2为权重，其具体值由传统服饰设计师调整设置。

技术总结
本发明公开了一种基于大数据传统服装设计的组合预制系统，具体涉及传统服饰设计技术领域，包括服饰数据采集模块、服饰数据分析模块、服饰数据优化模块、服饰参数拟合模块及服饰综合权重模块，所述服饰数据采集模块用于对目标消费者的传统服装的款式及面料进行数据采集，建立三维服饰整体模型及三维运动模型；本申请获取目标消费者体型原始数据并转换为服饰尺寸，通过建立传统服饰数字孪生模型，能够使得传统服饰设计师在实际制作传统服饰之前对传统服饰进行模拟，提前确定目标消费者的传统服饰需求，传统设计师能够基于服饰综合权重系数判断服饰可能存在的设计偏差，减少设计偏差造成的返工率，提高消费者的满意度。提高消费者的满意度。提高消费者的满意度。


技术研发人员：潘茹
受保护的技术使用者：潘茹
技术研发日：2023.05.15
技术公布日：2023/9/6