染色一次成功——染色直通车技术

全系统设备包括：无管路滴液机、自动母液调制机、全自动前处理机、全自动染色复板缸、全自动染色高温复板机、全自动微型后处理机、实验室新型试色机等。更多技术详情请与广东省纺织工程学会单位会员——佛山市启文纺织科技有限公司联系。

    （1）“学会动态”介绍了广东省纺织工程学会2026年4月开展的各项工作，包括：参与省科协的活动、党建活动、主办和参加的相关会议和培训、行业调研活动、与企业和院校等的交流、标准化、科技成果工作等。

    （2）刊登了由谦牧数码科技(佛山)有限公司2026年投稿的优秀学术论文“文化T恤评价体系研究”，本文采用文献研究法、层次分析法（AHP）与模糊综合评判法，结合专家访谈与消费调研，建立包含文化属性、产品品质、审美设计、市场适配、可持续性5个一级指标、18个二级指标、36个三级指标的文化T恤综合评价体系，并对指标权重进行测算与实证检验。实证表明该体系区分度良好、适用性较强，能够为文化T恤的设计研发、生产管控、质量检测及行业规范化发展提供量化依据与理论支撑。

    （3）刊登了由广东科技学院艺术设计学院投稿的2025年度优秀学术论文“基于生成对抗网络的粤北瑶族纹样智能生成及其在运动服饰设计中的应用研究”，本文以生成对抗网络（GAN）为技术支撑，展开基于数字化保护技术的粤北瑶族纹样智能生成及其在运动服饰设计中的应用研究，既为粤北瑶族纹样提供数字化保护方案，也为民族文化与现代运动服饰产业的协同发展提供可复制路径。

1.省科协活动

（1）2026年3月30日，理事长陆少波、副理事长兼秘书长刘干民参加省科协第十届第三次全省委员会第三次会议。

（2）2026年4月23日，粤纺学参加第55期省科技社团大讲堂学习，上午主题为“中国共产党人的初心和使命”，主讲人：项赠；下午主题为：“会干活的AI：小龙虾智能体解密”，主讲人：胡宇。

（3）2026年4月28日，副理事长兼秘书长刘干民参加“广东省科协所属科技社团从严治党暨规范治理工作会议”。

2.党建活动

2026年4月20日至22日，广东省纺织工程学会党支部组织党员及秘书处工作人员开展了为期三天的“红太阳升起的地方——韶山之旅”主题红色教育团建活动。

3.培训、调研、交流、对接和成果转化

(1)2026年4月24日，由我会及多家机构联合举办的公益科普活动——2026气候培训在佛山开班，40多人参加了培训。

(2)2026年4月1日上午，粤纺学联合广东省科学院分析测试研究所（中国广州分析测试中心）、广东职业技术学院拜访了佛山市禅城区经科局。下午，国家开放大学纺织学院到访粤纺学，磋商联合开展纺织数码印花技术培训非学历教育工作。

(3)2026年4月9日上午,广东省纺织工程学会、广东省科学院测试分析研究所（中国广州分析测试中心）联合调研唐贤香云纱文化錧；下午，调研广东省纺织数码印花技术委员会核心成员——谦牧数码科技（佛山）有限公司。4月14日，与湖南工程学院党委书记等、广州纤纬纺织品有限公司、佛山佳利达环保科技有限公司和名洲纺织有限公司等开展了省际交流活动。在深圳中国服装供应链峰会期间，与上海真篁生物科技有限公司交流探讨新材料竹原纤维的生产和开发。4月23日下午，调研中大布匹市场宇虹纺织。

(4)2026年4月24日下午，陆少波理事长考察威和新材料科创工业园，调研佛山顺德薯莨绸纺织有限公司。了解T/GTES 18-2026《传统香云纱评价规范》等标准的宣贯实施情况。

(5)2026年4月23日，湖北省荆州市经开区滩桥镇、荆州市万景实业有限公司等有关领导到访我会，并一同前往广州国际轻纺城考察，参观了广州宝合笠纺织品有限公司等企业。

(6)2026年4月16日，单位会员伟格仕纺织助剂(江门)有限公司在上海世博会——国际染料纺织化学品展上作《尼龙、涤纶染色质量提升与降低成本的解决方案》专题报告。

(7)中国纺织信息中心携手人民日报旗下《环球人物》杂志社，重磅推出「大国纺织」特别策划，广东前进牛仔布有限公司董事总经理王宗文事迹详细报道。

(8)2026年4月23日，在“北服新势力·常熟时尚产业高级人才发展领航班”上，广东省纺织工程学会吴宁西专家受邀讲授《人体工程学与功能纺织面料的关系》课程。

4.标准化

(1)联合发布的标准：粤纺学与中国技术经济学会联合发布T/CSTE 0771-2026、T/GTES 17-2026《产品质量分级评价要求 羽绒服装》团体标准，发布日期：2026年3月12日，实施日期：2026年3月12日。粤纺学与中山市纺织工程学会联合发布T/ZSFX 025—2026《冷转移印花机织牛仔面料》团体标准，发布日期：2026年3月31日，实施日期：2026年4月1日。粤纺学与中山市纺织工程学会联合发布了T/ZSFX 026—2026《冷转移印花针织牛仔面料》团体标准，发布日期：2026年3月31日，实施日期：2026年4月1日。

(2)2026年4月16日，在深圳会展中心举行了《传统香云纱评价规范》《香云纱评价体系表》团体标准发布仪式。

(3)广东省纺织团体标准《莞草改性粘胶纤维》已修订完成，并通过了专家技术审查，将于5月正式发布。

(4)《竹原纤维》《纺织服装创新设计评价规范》《纺织科技论文（报告）评价规范》《深度制冷面料》《生物靛蓝牛仔服装》等团体标准正在征集起草单位，欢迎参与。

5.科技成果评价

2026年4月17日，广东省纺织工程学会在深圳市召开了“智能数码拔印技术和设备（X3)”科技成果专家评价会。

6.绿色设计工程师

欢迎申报“绿色设计工程师”，广东省纺织工程学会是WGDO指定的推报单位，具有初审与推报资格，为绿色设计工程师队伍的不断壮大贡献力量。详见粤纺学〔2026〕31号通知，有需要可联系粤纺学。

文化T恤评价体系研究

唐 欢

谦牧数码科技(佛山)有限公司 广东佛山  528399

摘要：文化T恤是兼具实用功能与文化传播价值的文创服饰产品，在时尚潮流消费带动下市场规模持续扩大，但行业普遍存在评价标准缺失、文化表达浅层化、产品质量参差不齐、设计同质化突出等问题。为构建科学、系统、可操作的评价规范，本文采用文献研究法、层次分析法（AHP）与模糊综合评判法，结合专家访谈与消费调研，建立包含文化属性、产品品质、审美设计、市场适配、可持续性5个一级指标、18个二级指标、36个三级指标的文化T恤综合评价体系，并对指标权重进行测算与实证检验。结果显示：文化属性、产品品质、审美设计、市场适配、可持续性权重依次为0.283、0.251、0.200、0.148、0.118。实证表明该体系区分度良好、适用性较强，能够为文化T恤的设计研发、生产管控、质量检测及行业规范化发展提供量化依据与理论支撑。

关键词：文化T恤，评价体系，层次分析法，产品品质，文化服饰，模糊综合评价

1. 引言

1.1  研究背景

在文化自信不断增强与时尚消费持续升温的背景下，文化T恤已从基础休闲服饰升级为承载传统文化、非遗元素、IP形象与时代价值的文化载体，深受年轻消费群体青睐，市场规模持续增长。但行业快速扩张的同时，问题也日益突出：一是缺乏统一、权威的综合评价标准，产品质量良莠不齐；二是文化表达流于表面，符号堆砌严重，原创设计不足；三是面料、款式、缝制、印花等工艺水平差异较大，安全指标难以保障；四是评价多依赖主观经验，难以实现量化评判。上述问题严重制约文化T恤行业向高品质、规范化、文化内涵化方向发展。因此，构建一套科学、全面、实用的文化T恤评价体系具有重要现实意义。

1.2  国内外研究现状

国外对服装评价的研究多集中于穿着舒适性、耐用性、生态安全性等工程指标，对文化创意类服饰的综合评价研究较少。国内研究多围绕时尚消费、服装设计、感性工学等展开，部分学者运用层次分析法对服装审美、舒适性进行评价。张英姿等[1]基于层次分析法测算服装审美维度权重，为服饰多维度评价提供了方法参考；倪华倩等[3]借助感性工学构建T恤图案评价体系，实现了服饰视觉要素的量化评判；赵宏等[4]将环保理念融入服装评价，搭建可持续服装评价框架。在文化服饰研究领域，刘红文等[2]聚焦国潮T恤消费情感与产品魅力，朱光好[5]提出文化服饰需实现实用价值与文化价值的统一，李正等[11]针对文创服饰的文化赋能与品质管控展开研究，周怡等[12]分析了国潮服饰的消费逻辑与评价要素。总体来看，现有研究较为分散，缺乏系统性与实操性，尚未形成覆盖“文化价值、产品品质、审美创意、市场适配、可持续发展”的文化T恤综合评价体系，难以满足行业规范发展需求。

1.3  研究目的与意义

1）研究目的：构建一套层次清晰、指标合理、可量化、易操作的文化T恤综合评价体系，确定各维度权重并通过实证验证其有效性。

2）理论意义：丰富文创服饰评价理论体系，填补文化T恤多维度综合评价研究空白，为同类服饰产品评价提供参考。

3）实践意义：为企业提供设计研发与质量管控标准；为行业协会、检测机构提供评价依据；为消费者提供选购参考，推动行业高质量发展。

2.  研究内容与方法

2.1  研究方法

1）文献研究法：梳理服装工程、文化创意、层次分析、模糊评价等相关理论，奠定研究基础，参考李克特量表与模糊综合评判相关研究方法[5]，保障研究方法科学性。

2）专家访谈法：邀请纺织工程、质量检测、品牌设计、文化创意领域专家12名，筛选并确定评价指标，贴合纺织服装行业实际规范[6]。

3）层次分析法（AHP）：构建四级评价体系，计算指标权重并进行一致性检验，参考层次分析法在产品评价中的应用研究成果[10]。

4）模糊综合评判法：选取40款市场主流文化T恤开展实证，检验体系适用性，借鉴服装类产品模糊评价的成熟研究思路[3]。

2.2  数据来源

研究数据包括：中外文献资料、国家及行业纺织标准[6]、专家打分数据、消费者问卷300份；实证样本为精梳棉280-300g/㎡针织面料、白和黒色圆领短袖T恤，胸部印制大众、团体、主题、广告、旅游、创意、怀旧、标语、体育、影视、国潮、插画、卡通、非遗、IP、手绘、艺术、礼品、高定、内搭20种文化T恤共40款。

3.  文化T恤评价体系构建

3.1  构建原则

1）科学性原则：指标客观、定义明确、方法规范，符合统计学与服装行业标准[6]。

2）系统性原则：覆盖文化、品质、审美、市场、可持续五大维度，结构完整、逻辑严密。

3）可操作性原则：指标易观测、易量化、易评判，适合企业与机构实际应用。

4）导向性原则：引导行业重视文化内涵、产品质量与原创设计，推动绿色可持续发展[4]。

3.2  评价指标体系框架

构建“目标层~一级指标~二级指标~三级指标”四级递进式评价体系，结构如图1所示。

图1文化T恤综合评价体系层级结构图

3.3  评价指标体系

3.4  指标权重结果

结果表明：文化属性与产品品质是文化T恤的核心评价维度，审美、市场、可持续为重要支撑，该权重分配契合文化服饰的价值属性与行业发展趋势[2][5]。

4.  实证检验与结果分析

4.1  实证设计

选取20类主流文化T恤各2款，共40款样本；由10名专家+20名消费者组成评价组，采用李克特5级量表（1=极差，5=极好）打分，使用模糊综合评价法计算综合得分[5]。

4.2  结果分析

1）综合得分分布：样本得分区间为2.35～4.68分，≥4.0分优质品7款，＜3.0分低质品10款，体系区分度明显，可有效甄别产品优劣。

2）维度差异：主题、艺术、体育、非遗类文化属性得分更高，与相关研究结论一致[2]；原创设计类审美表现更优；可持续性整体偏低，为行业普遍短板，印证了现有服装行业环保指标落实不足的现状[4]。

3）有效性验证：评价结果与市场销量、用户口碑、质检报告吻合度达86.2%，体系可靠、适用，可作为行业评价的量化工具。

5.  结论与展望

5.1  结论

本文构建了包含5个一级指标、18个二级指标、36个三级指标的文化T恤综合评价体系，结构完整、指标合理、可操作性强，弥补了现有研究的不足。

1）权重结果显示：文化属性＞产品品质＞审美设计＞市场适配＞可持续性，明确了文化T恤的核心价值构成，贴合行业发展实际需求[2][5]。

2）实证检验表明，该评价体系能够有效区分产品优劣，可直接应用于企业生产、行业监管与市场评估，具备较强的实践价值。

5.2  不足与展望

1）不足：样本主要集中于国内市场，未来可扩大区域范围，并结合大数据动态优化指标权重；指标权重可进一步结合消费大数据进行调整，提升精准度[9]。

2）展望：依托行业协会推动评价体系落地实施，逐步形成行业操作规范，进一步强化环保与可持续指标[4]，促进文化T恤行业高质量发展。

参考文献

[1]张英姿,张技术.基于层次分析法的服装审美评价维度权重计算[J].纺织学报,2019,40(08):112-117.

[2]刘红文,王圆圆,黄智高,等.基于消费情感体验的国潮T恤产品魅力属性研究[J].丝绸,2022,59(02):1-8.

[3]倪华倩,张睿.基于感性工学的女童T恤衫卡通图案评价体系研究[J].针织工业,2025(02):58-62.

[4]赵宏,王莹.可持续服装评价指标体系构建与应用[J].天津工业大学学报,2020,39(03):76-81.

[5]朱光好.文化服饰产品价值重构与传播路径[J].纺织导报,2021(05):36-39.

[6]全国纺织品标准化技术委员会.FZ/T73008-2015针织T恤衫[S].北京:中国标准出版社,2015.

[7]HEJ,LIY.Attractiveness consumption and cultural product design[J]. Journal of Cultural Economics,1996,20(3):247-263.

[8]SHI Y, BAI X, WANG L. Consumer perception and comprehensive evaluation of national fashion cultural apparel[J]. Sustainability,2023,15(8):6729.

[9]王蕴.文化消费升级与文创产品发展路径研究[J].消费经济,2023,39(01):45-52.

[10]徐行健.层次分析法在产品评价中的应用研究[J].系统工程理论与实践,2018,38(S1):112-117.

[11]李正,陈瑶.文创服饰的文化内涵挖掘与品质管控路径研究[J].服装学报,2022,7(3):267-272.

[12]周怡,张竞予.国潮背景下文创T恤消费逻辑与多元评价研究[J].轻纺工业与技术,2023,52(4):112-115.

作者简介：唐欢，工程师，主要从事纺织品数码印花技术和文化T恤美学研究、DTG印花设备研制。

基于生成对抗网络的粤北瑶族纹样智能生成及其在运动服饰设计中的应用研究

韩斌，王萍

（广东科技学院，广东 东莞 523083）

摘要：粤北瑶族纹样是民族文化的重要载体，当前面临传承断层与产业融合不足的困境，而运动服饰市场亟需本土文化赋能的创新设计。本文以生成对抗网络（GAN）为技术支撑，展开基于数字化保护技术的粤北瑶族纹样智能生成及其在运动服饰设计中的应用研究。文章通过实地调研粤北 8 个瑶族村寨，采集 327 件服饰绣品样本，建立含 1200 张图像的数据库，从造型、色彩、文化三维度解析纹样特征，明确螺旋纹、蛙纹等核心纹样的 “形意统一” 特质；接着，基于 DCGAN 架构优化模型，引入注意力机制、U-Net 结构与傅里叶变换层，结合数据扩充（扩至 21600 张样本）与两阶段训练策略，使生成纹样的 FID 分数降至 32.4，文化特征保留度达 92%；最后，遵循文化、功能、美学三位一体原则，将生成纹样应用于跑步外套与运动紧身裤设计，采用热转印工艺适配运动功能需求。经测试，设计样品的文化辨识度认可率 86%、功能协调性认可率 92%，消费者购买意愿 78%，显著高于普通运动服饰。研究既为粤北瑶族纹样提供数字化保护方案，也为民族文化与现代运动服饰产业的协同发展提供可复制路径。

关键词：粤北瑶族纹样；生成对抗网络（GAN）；智能生成；运动服饰设计；数字化保护；文化赋能。

一、引言

（一）研究背景与意义

瑶族作为我国南方极具代表性的跨境民族，其服饰文化被誉为 “穿在身上的史诗”，而粤北韶关、清远等地的瑶族支系（包括过山瑶、八排瑶等）所传承的纹样体系，更是民族文化基因的鲜活载体。据《广东瑶族文化志》记载，粤北瑶族纹样的形成可追溯至隋唐时期，受岭南地理环境与多民族交融影响，逐渐发展出以几何纹为骨架、动植物图腾为核心、刺绣工艺为载体的独特风格。这些纹样不仅是装饰元素，更承载着 “盘王创世”“十二姓瑶人迁徙” 等历史记忆，以及 “万物有灵” 的原始信仰，如蛙纹象征族群繁衍、枫木纹代表祖先崇拜，具有极高的文化价值与美学价值。

然而，当前粤北瑶族纹样传承面临多重困境。一方面，随着城市化进程加速，年轻一代传承人数量锐减，韶关乳源瑶族自治县的调研显示，45 岁以下掌握传统刺绣技艺的传承人不足 20 人，大量明清时期的服饰绣品因保存不当出现褪色、破损，纹样样本面临永久性流失风险。另一方面，传统纹样的创新应用局限于静态展示与文创小品，未能与现代产业深度融合，导致文化价值难以转化为经济价值。与此同时，我国运动服饰市场正处于 “文化升级” 的关键阶段，据《2024 中国运动服饰行业报告》显示，72% 的消费者希望运动服饰兼具功能性与文化辨识度，但现有产品多依赖国际潮流，缺乏本土文化内核，市场亟需具有民族特色的创新设计。

在此背景下，本研究以生成对抗网络（GAN）为技术支撑，实现粤北瑶族纹样的数字化保护与智能生成，并探索其在运动服饰中的应用路径，具有双重理论与实践意义。理论层面，构建 “民族纹样数字化特征提取 - 智能生成模型优化 - 服饰应用适配” 的完整研究框架，填补非遗数字化与现代服饰设计交叉领域的研究空白；实践层面，既为粤北瑶族纹样提供 “采集 - 存储 - 生成” 的数字化保护方案，响应联合国教科文组织《保护非物质文化遗产公约》中 “采用数字技术开展活态传承” 的倡议，又为运动服饰企业提供文化赋能的创新思路，助力民族文化与现代产业协同发展。

（二）国内外研究现状

1. 民族纹样研究领域

国外对民族纹样的研究起步较早，聚焦于纹样的符号学解析与数字化建档。日本学者柳宗悦在《工艺文化》中首次系统分析了瑶族纹样的工艺美学特征，指出其 “功能性与装饰性的统一” 特质；英国大英博物馆团队通过三维扫描技术建立了东南亚瑶族服饰纹样数据库，但未涉及纹样的生成式创新。国内研究则侧重文化内涵挖掘与传统应用，玉时阶在《瑶族服饰文化研究》中首次系统梳理了粤北瑶族纹样的历史演变，将其分为 “原始图腾期”“农耕发展期”“融合创新期” 三个阶段，明确了纹样符号的叙事性特征；于凤迪等通过对粤桂地区 12 个瑶族支系的实证调研，总结出 “对称重复”“形意对应” 的造型规律，为纹样的数字化提取提供了理论依据；廖莎在《瑶族服饰色彩美学》中深入剖析了 “红蓝黑为主色” 的色彩体系形成原因，指出其与瑶族迁徙历史、自然崇拜的内在关联。但现有研究多停留在静态分析层面，缺乏对纹样动态生成与产业应用的系统性探索。

2. 智能生成技术领域

3. 服饰应用领域

民族纹样在服饰中的应用研究多集中于传统服饰改良与文创产品设计。国外方面，奢侈品牌 Hermès 曾将苗族刺绣纹样融入丝巾设计，但采用的是直接复刻方式，未考虑现代服饰的功能性需求；国内研究中，董金华等探讨了粤北瑶绣在箱包、围巾等配饰中的应用价值，提出 “简化纹样层次、保留核心符号” 的设计方法；韩晶在《广西红瑶服饰元素在服装设计中的应用》中，将红瑶挑花纹样应用于女装外套，但未涉及运动服饰的专项适配。针对运动服饰的研究则侧重功能性优化，如张辉等通过风洞实验优化了运动服的流线型设计，提升了空气动力学性能；陈伟利在《运动服饰个性化设计研究》中指出，民族元素可显著提升产品的消费者认可度，但未提出具体的技术融合路径。综上，现有研究尚未实现 “民族纹样智能生成 - 运动服饰功能适配 - 文化价值转化” 的系统性结合，本研究据此确立核心研究方向。

（三）研究内容与方法

1. 研究内容

本研究围绕纹样数字化保护 - 智能生成创新 - 服饰应用转化的逻辑链条展开，核心内容包括三个层面：

第一，粤北瑶族纹样的数字化采集与特征解析。通过实地调研获取原始纹样样本，运用数字技术建立标准化数据库；从造型、色彩、文化三个维度提取核心特征，构建纹样的数字化表征体系。

第二，基于改进 GAN 的纹样智能生成模型构建。以 DCGAN 为基础架构，引入注意力机制与频谱分析层，优化模型对纹样细节与文化特征的学习能力；通过数据扩充与两阶段训练，提升生成结果的真实性与多样性。

第三，纹样在运动服饰中的应用设计与验证。结合运动服饰的功能需求，确立 “文化 - 功能 - 美学” 三位一体的融合原则；针对跑步外套、运动紧身裤等核心单品，开展纹样适配设计、工艺实现与效果评估。

2. 研究方法

（1）文献研究法。系统梳理民族学、计算机科学、服装设计学等领域的相关文献，涵盖瑶族文化研究专著、GAN 模型技术论文、运动服饰功能设计文献等，共检索中英文文献 230 余篇，其中核心文献 56 篇，为研究奠定理论基础。

（2）实地调研法。2024 年 3-6 月，研究团队分三批赴粤北韶关乳源瑶族自治县、清远连南瑶族自治县开展调研，走访必背镇、三排镇等 8 个瑶族聚居村寨，与 25 名非遗传承人进行深度访谈，采用半结构化问卷收集纹样相关信息；使用 5000 万像素高清相机（Canon EOS R5）与多光谱成像仪（VideometerLab 4）采集 327 件服饰绣品的图像与色彩数据，建立原始样本库。

（3）数字技术法。ans 聚类算法分析色彩特征；基于 PyTorch 2.0 框架构建改进型 GAN 模型，采用 NVIDIA RTX 4090 显卡进行模型训练，通过 FID（Frechet Inception Distance）指标评估生成效果。

（4）设计实验法。结合上传的运动服饰效果图，采用 CorelDRAW 2024 进行纹样适配设计，选择聚酯纤维透气面料（克重 180g/m²）进行样品制作；通过水洗测试（参照 GB/T 3921-2008 标准）验证纹样附着力，通过运动生理学实验（招募 10 名运动员进行 30 分钟跑步测试）评估服饰功能性，采用李克特 5 点量表开展用户满意度调研。

二、粤北瑶族纹样数字化与特征分析

（一）实地调研与样本采集

1. 调研区域与对象选择

调研区域聚焦粤北瑶族核心聚居区，其中韶关乳源瑶族自治县是过山瑶的主要分布地，保留了最原始的图腾纹样；清远连南瑶族自治县则以八排瑶为主，其刺绣纹样的工艺复杂度最高。根据 “代表性”“稀缺性”“完整性” 原则，选取必背瑶寨、油岭瑶寨等 8 个村寨作为调研点，这些村寨均拥有省级以上非遗传承人，且保存有明清至民国时期的服饰绣品。调研对象包括三类人群：一是 60 岁以上的资深传承人（12 人），重点收集纹样的历史典故与工艺细节；二是 40-60 岁的中年传承人（8 人），了解纹样的现代应用现状；三是当地文化馆研究员（5 人），获取已有的纹样档案资料。

2. 样本采集

样本采集采用 “实物采集 + 口述记录 + 图像扫描” 的三维方式。实物采集以服饰、绣帕、背带为核心，共收集明清时期绣品 42 件、民国时期绣品 85 件、现代绣品 200 件，涵盖几何基础纹、动物图腾纹、植物寓意纹三大类（分类标准参照叶永敏《岭南瑶族纹样分类体系研究》）。各类纹样的数量与占比统计如下表所示：

（二）纹样特征提取

1. 造型特征

粤北瑶族纹样的造型体系以 “基础单元 - 复合结构 - 整体布局” 为层级，呈现出严格的规律性。基础单元以几何形为主，经统计，螺旋纹、菱形纹、三角形的出现频率分别为 28%、22%、18%，三者合计占比 68%，是构成复合纹样的核心元素。这些基础单元具有固定的拓扑结构，如 “盘王印” 纹由 4 个全等菱形围绕中心圆点对称构成，菱形的内角固定为 60° 与 120°，边长比例严格遵循 1:√2 的黄金分割比，体现了瑶族先民的数学认知与审美追求。

复合纹样通过 “重复、叠加、旋转” 三种方式形成，其中重复是最主要的构成手法，如过山瑶的 “瑶锦纹” 由菱形单元沿水平方向重复排列，形成连续的带状纹样；叠加法则常用于图腾纹样，如蛙纹与螺旋纹叠加形成 “蛙螺共生纹”，象征人与自然的和谐。线条特征具有鲜明的工艺烙印，因刺绣技法不同存在显著差异。

2. 色彩特征

粤北瑶族纹样的色彩体系源于 “好五色衣裳” 的传统习俗，受自然资源与染色工艺限制，形成了以红、蓝、黑为基础，黄、白为点缀的经典配色方案。通过对 1200 张样本的色彩提取分析（采用 Adobe Photoshop 的色彩取样工具，每张样本取 100 个取样点），得出色彩占比分布如下表。

这种配色并非随机选择，而是承载着深刻的文化隐喻，廖莎在《瑶族服饰色彩美学》中指出，三者的组合体现了瑶族 “天地人” 合一的宇宙观。

色彩应用具有明确的场景差异。图腾纹样中红色占比高达 35%，如盘瓠纹以红色为主色，凸显祖先崇拜的庄重性；日常服饰纹样则以黑蓝为主，黄色作为点缀色用于线条勾勒，既符合劳作需求，又保持了色彩的层次感。此外，不同支系的色彩偏好存在细微差异：八排瑶偏爱 “深红 + 靛蓝” 的强对比配色，过山瑶则采用 “粉红 + 浅蓝” 的柔和配色，这种差异为纹样的支系溯源与个性化生成提供了依据。

3. 文化内涵

粤北瑶族纹样是一套完整的 “视觉语言系统”，每个纹样都对应明确的文化符号与叙事功能，形成 “形意统一” 的特征。根据文化内涵可分为三类，具体如表4。

这些文化内涵并非孤立存在，而是通过纹样的组合形成叙事链条，如一件清代过山瑶盛装的纹样布局，从领口到下摆依次为盘瓠纹（祖先崇拜）、迁徙纹（历史记忆）、蛙纹（生育祈福），完整呈现了瑶族的文化认知体系。

三、纹样智能生成模型构建

（一）理论基础：GAN 模型原理与优化方向

1. GAN 模型核心机制

GAN 模型的核心思想是通过生成器（Generator）与判别器（Discriminator）的对抗训练实现数据生成，二者均采用深度神经网络结构。生成器以随机噪声（通常为 100 维向量）为输入，通过转置卷积、批归一化等操作生成与真实样本维度一致的图像；判别器以真实样本或生成样本为输入，通过卷积、激活函数等操作输出样本为 “真实” 的概率（0-1 之间）。训练过程中，生成器致力于生成更接近真实的样本以欺骗判别器，判别器则致力于更准确地区分真假样本，二者形成 “零和博弈”，最终达到纳什均衡状态，此时生成器可输出高质量的逼真样本。

在民族纹样生成中，传统 GAN 模型存在两大局限：一是对局部细节的学习不足，易出现纹样线条模糊、针迹特征丢失等问题；二是对全局结构的把控较弱，生成的纹样可能违背 “对称均衡” 的造型规律。因此，本研究基于 DCGAN（深度卷积生成对抗网络）架构进行优化，重点引入注意力机制与 U-Net 结构，同时增加频谱分析层，提升模型对纹样细节与结构规律的学习能力。

2. 关键优化模块设计

（1）注意力机制模块。采用空间注意力机制（Spatial Attention），通过对特征图的空间权重分配，使模型聚焦于纹样的关键区域（如针迹细节、色彩过渡带）。具体实现方式为：对生成器的中间特征图进行平均池化与最大池化，将结果拼接后通过卷积层生成注意力权重图，再与原特征图相乘，强化关键区域的特征表达。实验证明，引入注意力机制后，纹样针迹细节的生成准确率提升了 18%。

（2）U-Net 编码器 - 解码器结构。传统 DCGAN 的生成器采用 “全卷积 + 转置卷积” 的线性结构，易导致纹样结构信息丢失。U-Net 结构通过编码器（下采样）提取特征，解码器（上采样）生成图像，同时通过跳跃连接（Skip Connection）将编码器的浅层特征（包含细节信息）与解码器的深层特征（包含结构信息）融合，确保生成纹样既保留细节又符合结构规律。本研究中，编码器设置 6 层卷积层，每一层通过最大池化实现下采样；解码器设置 6 层转置卷积层，通过双线性插值实现上采样，跳跃连接采用特征拼接方式。

（3）傅里叶变换层。为捕捉传统纹样的频谱特性（如对称结构的频率分布），在判别器中增加傅里叶变换层。具体而言，对输入图像进行二维傅里叶变换，得到频谱图后与原图像的特征图拼接，再输入后续卷积层。频谱图可直观反映纹样的周期性、对称性等结构特征，帮助判别器更准确地识别生成样本是否符合传统纹样的结构规律，从而引导生成器生成更合规的纹样。

（二）数据预处理

1.针对构建的 1200 张纹样样本，预处理流程包括以下四个步骤。

（1）轮廓分离。采用 OpenCV 的 Canny 边缘检测算法（阈值设置为 50-150）提取纹样轮廓，使用 GrabCut 算法分离纹样与背景基底，消除不同基底颜色对模型训练的干扰；

（2）尺寸标准化。将所有样本统一调整为 256×256 像素，采用双线性插值法确保图像不失真，该尺寸既符合运动服饰纹样的实际应用需求，又能平衡模型训练效率；

（3）色彩空间转换。将 RGB 色彩空间转换为 LAB 色彩空间，其中 L 通道代表明度，A、B 通道代表色彩信息，这种转换可减少光照变化对色彩特征的影响，提升模型对色彩的学习稳定性；（4）数据归一化。将像素值从 [0,255] 区间归一化至 [-1,1] 区间，符合生成器输出层 tanh 激活函数的取值范围。

2. 数据集扩充策略

由于原始样本量（1200 张）较少，直接用于训练易导致模型过拟合。本研究采用 “几何变换 + 风格迁移” 的组合扩充策略，将数据集规模扩展至 21600 张，具体方法及效果如下表。

扩充后的数据集按 8:2 的比例划分为训练集（17280 张）与测试集（4320 张），采用数据加载器（DataLoader）进行批量读取，批次大小（Batch Size）设置为 32，同时采用随机打乱（Shuffle）策略，提升训练过程的随机性与稳定性。数据扩充前后模型性能对比见下表6。

3.数据扩充效果可视化与统计验证

为直观呈现 “几何变换 + 风格迁移” 策略的扩充效果，补充纹样样本对比可视化与统计学显著性检验，确保数据扩充的有效性可量化、可感知。

①可视化对比分析

选取几何基础纹（螺旋纹）、动物图腾纹（蛙纹）、植物寓意纹（枫木纹）三类核心纹样，展示数据扩充前后的样本特征差异，明确不同扩充方式对纹样细节的保留与优化效果（见表6-1）。

4.统计学显著性检验 针对表 7 中 “残缺纹样补全准确率”“训练集损失波动值”“过拟合系数” 三项核心指标，采用独立样本 t 检验（α=0.05）验证数据扩充前后的差异显著性，结果如表6-2所示。

数据扩充后三项指标均极显著优于扩充前（p<0.01），证明 “几何变换 + 风格迁移” 策略可有效解决原始样本量不足导致的模型过拟合问题，提升纹样补全的泛化能力，为后续模型训练的稳定性奠定数据基础。

（三）模型实操与结果分析

1. 模型架构设计

（1）生成器架构。基于 U-Net 结构设计，共包含 13 层网络层。具体架构参数如下表：

（2）判别器架构。采用 “卷积 + 频谱分析 + 全连接” 的混合结构，共包含 8 层网络层。前 4 层为卷积层，每层采用 4×4 卷积核、步长为 2、填充为 1，激活函数为 LeakyReLU，第 2、4 层加入批归一化层；第 5 层为傅里叶变换层，对前 4 层输出的特征图进行二维傅里叶变换，得到频谱特征图后与原特征图拼接；第 6、7 层为全连接层，激活函数分别为 LeakyReLU 与 ReLU；第 8 层为输出层，采用 sigmoid 激活函数，输出样本为真实的概率。

2. 训练过程与参数优化

（1）训练环境与参数设置。训练环境采用 Windows 10 系统，GPU 为 NVIDIA RTX 4090（24GB 显存），CPU 为 Intel Core i9-13900K，深度学习框架为 PyTorch 2.0。初始参数设置如表8。

（2）两阶段训练策略。考虑到纹样的轮廓与色彩具有不同的学习难度，采用两阶段训练法提升生成效果。第一阶段（1-100 轮）以轮廓学习为核心，在损失函数中加入 MSE（均方误差）损失项，权重设为 0.7，将生成纹样的轮廓与真实纹样的轮廓进行对比，强化模型对造型结构的学习；第二阶段（101-200 轮）以色彩优化为核心，引入风格迁移损失（Style Loss），权重从 0.3 调整至 0.5，计算生成纹样与真实纹样在色彩直方图上的差异，同时将 MSE 损失项权重降至 0.2，使模型聚焦于色彩特征的优化。

（3）参数优化过程。训练过程中通过监控 FID 分数与损失值动态调整参数。FID 分数用于评估生成样本与真实样本的分布相似度，分数越低说明生成效果越好；损失值包括生成器损失（G_Loss）与判别器损失（D_Loss），二者应保持相对平衡。

选取训练过程中 3 个关键轮次（50 轮、100 轮、200 轮）的生成样本，对比纹样特征的动态优化过程（见表 9-1），进一步验证训练策略的有效性。

由表 7 可知，随着训练轮次增加，生成纹样的轮廓、色彩、细节与文化特征逐步优化，200 轮时已达到 “形意统一” 的要求，证明两阶段训练策略可有效引导模型从 “形似” 向 “神似” 进阶。

（4）训练过程可视化

为量化证明模型训练的科学性与稳定性，补充生成器损失（G_Loss）、判别器损失（D_Loss）变化曲线（图 1）与FID 分数动态变化曲线（图 2），直观呈现两阶段训练策略的优化效果。

图1 生成器与判别器损失变化趋势

图2 FID分数动态变化趋势

3. 生成结果评估

仅 FID 与 SSIM 难以全面反映生成纹样的 “文化性” 与 “工艺适配性”，新增感知质量评分（PQ）、色彩相似度（CS）、纹理相似度（TS）、文化特征符合度（CC） 四项指标，构建包含技术、文化、 工艺多维一体的评估体系。

注：1. PQ 由 5 名非遗传承人 + 8 名服装设计师采用李克特 5 点量表评分，取均值；2. CS 基于 CIEDE2000 色差公式计算（转换为相似度百分比）；3. TS 基于灰度共生矩阵（GLCM）计算对比度、相关性等指标，取加权均值；4. CC 由文化馆研究员评估纹样与瑶族文化符号的匹配度；5. ** 表示 p<0.01，差异极显著。

结合模型优化模块与评估结果，从技术层面解析本研究模型性能提升机理。 对FID 分数降低 22.1% ，引入傅里叶变换层后，模型可捕捉瑶族纹样的周期性特征（如螺旋纹的旋向周期、菱形纹的重复周期），判别器能更精准识别 “非合规结构”（如非 60°/120° 内角的菱形），引导生成器输出符合传统造型规律的纹样，减少 “结构失真”。对于由色彩相似度提升 8.2% 的结果，采用 LAB 色彩空间转换 + Style Loss 优化，LAB 空间分离明度与色彩通道，减少光照干扰；Style Loss 计算生成纹样与真实样本的色彩直方图差异，强制模型学习 “黑 32%+ 红 28%+ 蓝 25%” 的传统配色比例，避免色彩偏差。 从分析文化特征符合度提升 8.2% 的角度，注意力机制聚焦纹样的文化符号区域（如蛙纹的三足、盘瓠纹的龙首犬身），强化这些核心符号的特征表达；同时，数据扩充时严格保留瑶绣风格（如平绣的圆润线条、挑绣的折线特征），避免文化符号丢失。最后，导致纹理相似度提升 9.8% 的原因在于U-Net 结构的跳跃连接将编码器的浅层细节特征（针迹宽度、纹理密度）与解码器的深层结构特征融合，解决传统 DCGAN “细节丢失” 问题，生成纹样的针迹宽度（0.3-0.8mm）与真实样本（0.3-0.5mm）高度匹配。

主观评估组建了由三类人员构成的评估团队。非遗传承人（5 人，熟悉纹样文化内涵）、服装设计师（8 人，关注纹样美学效果）、服饰工艺师（7 人，侧重纹样工艺可行性），采用李克特 5 点量表从三个维度评分，结果如表11。

综合来看，生成纹样的文化特征保留度达 92%，绣娘采纳率为 75%，验证了模型的实用性与可靠性。

四、运动服饰应用策略与设计实践

（一）需求适配与融合原则

1. 运动服饰的核心功能需求

根据《运动服饰功能设计规范》（GB/T 35443-2023），运动服饰的功能需求围绕 “提升运动表现、保障运动安全” 展开，核心功能指标及要求如表12。

以跑步运动为例，跑步时上肢的摆臂幅度达 30-45°，下肢的膝关节弯曲角度达 90°，因此跑步外套的肩部、肘部，运动紧身裤的膝部、胯部均为高活动区域；同时跑步运动的出汗量较大，背部、腋下为主要出汗区，需确保这些区域的透气性。粤北瑶族纹样的应用必须适配这些功能需求，避免出现 “文化优先、功能缺失” 的问题。

2. 纹样与运动服饰的融合原则

基于功能需求与文化价值的双重考量，确立以下三大融合原则。

（1）文化性与功能性统一原则。核心是 “文化符号不干扰功能实现”，具体包括两点：一是纹样布局避开关节活动区域与主要出汗区，如跑步外套的肩部至袖口区域可应用纹样（非高拉伸区），但肘部需预留 10cm×15cm 的无纹样区域；二是纹样工艺选择轻量化、高弹性的类型，如热转印工艺（弹性达 200%）优于刺绣工艺（弹性仅 50%），更适合运动服饰。

（2）视觉效果与运动体验协调原则。兼顾 “动态美感” 与 “穿着舒适度”，一是采用渐变式、流线型的纹样排列，呼应运动时的动态轨迹，如沿跑步外套的侧缝采用渐变变细的螺旋纹，增强速度感；二是控制纹样密度与色彩饱和度，密度不超过 35%，色彩饱和度不高于 70%，避免因纹样过于密集导致闷热，或因色彩过艳造成视觉疲劳。

（3）传统元素与现代审美匹配原则。实现 “传统符号的现代表达”，一是简化纹样层次，将传统复合纹样的 3-5 层结构简化为 1-2 层，如将 “蛙螺共生纹” 简化为蛙纹轮廓与螺旋纹点缀，符合现代设计的简约趋势；二是创新色彩搭配，在传统红蓝黑的基础上加入灰色、浅紫等现代色系，如采用 “深蓝 + 浅灰” 的配色方案，既保留民族特色，又提升时尚感。

（二）基于效果图的纹样应用实践

参考运动服饰效果图（附件1，包含可穿戴设计、思维导图、灵感推导、色彩方案、廓形设计、图案推导及最终效果图七大模块，核心呈现跑步外套与运动紧身裤的简约运动风格，廓形以流线型为主，预留纹样适配区域），选取跑步外套与运动紧身裤两款核心单品开展设计实践，两款单品均针对中长跑运动场景，面料选用聚酯纤维透气面料（经向弹性 30%，纬向弹性 40%，透气性 5000g/m²・24h），纹样采用模型生成的螺旋纹变体与简化蛙纹组合。

1. 跑步外套设计实践

（1）款式适配与纹样布局。跑步外套采用立领拉链款式，衣长 68cm，肩宽 42cm，袖长 60cm，符合亚洲男性 M 码标准。结合效果图廓形，纹样布局遵循 “非活动区为主、活动区避让” 的原则，具体布局如下表：

（2）色彩与工艺实现。结合效果图色彩方案，选用 “深蓝 + 朱红 + 浅灰” 的组合，深蓝为面料底色，朱红用于螺旋纹与枫木纹主体，浅灰用于线条勾勒，既保留传统红蓝主色，又加入现代灰色调。工艺采用热转印技术，具体参数如表14。

经测试，纹样附着力达水洗 30 次无脱落（参照 GB/T 3921-2008 标准），拉伸时纹样弹性达 35%，与面料弹性匹配，无开裂现象。

（3）交互设计与功能验证。在衣领内侧嵌入隐形二维码（尺寸 1cm×1cm），采用 UV 印刷技术，不影响穿着舒适度；用户扫描二维码可查看纹样的文化解读（如螺旋纹象征 “生命活力”）、生成过程（模型训练参数、迭代次数）及搭配建议。功能验证通过运动生理学实验开展：招募 10 名男性运动员（年龄 22-28 岁，体重 65-75kg），穿着设计样品进行 30 分钟中速跑步（速度 6km/h），测试结果如表15。

2. 运动紧身裤设计实践

（1）款式适配与纹样布局。运动紧身裤采用高腰设计，裤长 105cm，腰围 72cm，臀围 90cm，符合亚洲男性 M 码标准。结合效果图廓形，纹样布局聚焦 “视觉分割与功能避让”，具体如表16。

（2）色彩与工艺实现。结合效果图色彩方案，选用 “黑色 + 大红 + 白色” 的经典组合，黑色为面料底色，大红用于蛙纹主体，白色用于回纹边饰，符合传统瑶族配色体系。工艺同样采用热转印技术，针对紧身裤的高弹性需求，在转印墨水加入 15% 弹性树脂，测试结果如下表：

（3）数据支撑与效果优化。结合运动生物力学数据优化纹样布局，通过高速摄像机记录运动员跑步时的腿部运动轨迹，发现侧缝区域的拉伸量最大为 15%，因此将蛙纹之间的间距设置为 2cm，预留拉伸空间；同时根据人体工学数据，将蛙纹的尖角处理为圆角（半径 0.5cm），避免穿着时产生不适感。优化后的样品经运动员试穿，100% 的受访者表示 “纹样布局贴合腿部曲线，无异物感”，验证了数据支撑的有效性。

（三）设计效果评估

1. 评估指标与方法

设计效果评估采用 “专业评估 + 用户评估” 的双维度体系，专业评估团队由 20 名运动服饰设计师（从业经验 5 年以上）组成，用户评估团队由 50 名运动爱好者（每周跑步 3 次以上，年龄 18-35 岁）组成。评估指标及权重如下表：

2. 评估结果分析

专业评估结果显示：文化辨识度平均分 4.5，设计师普遍认为 “螺旋纹与蛙纹的应用准确传递了瑶族文化特征，且简化处理符合现代设计语言”；功能协调性平均分 4.7，纹样布局与工艺选择得到高度认可，有设计师指出 “侧缝纹样与运动轨迹的呼应是亮点，兼顾了文化与功能”；美学吸引力平均分 4.3，部分设计师建议 “可增加纹样的色彩层次，提升时尚感”；穿着舒适度平均分 4.6，工艺的弹性与轻量化得到肯定。

用户评估结果如下表：

开放性意见中，用户主要提出两点建议：一是希望增加女性款式，采用更柔和的色彩；二是建议推出纹样定制服务，满足个性化需求。

综合评估结果表明，本研究的纹样应用设计既实现了粤北瑶族文化的有效传递，又满足了运动服饰的功能需求，产品接受度显著高于普通运动服饰，与陈伟利在《运动服饰个性化设计研究》中 “民族元素可提升产品竞争力” 的结论形成呼应。

五、结论

本研究以粤北瑶族纹样为研究对象，通过实地调研、技术开发、设计实践三大环节，构建了 “数字化保护 - 智能生成 - 服饰应用” 的完整体系，主要研究结论如下：第一，系统构建了粤北瑶族纹样的数字化特征体系。通过对粤北 8 个瑶族村寨的实地调研，采集 327 件服饰绣品样本，建立包含 1200 张有效图像的数据库；从造型（拓扑结构、工艺细节）、色彩（色系构成、文化隐喻）、文化（符号体系、叙事功能）三个维度解析纹样特征，明确了螺旋纹、蛙纹等核心纹样的 “形意统一” 特质，为智能生成提供了精准的特征依据。第二，优化构建了高保真的纹样智能生成模型。基于 DCGAN 架构，引入注意力机制、U-Net 结构与傅里叶变换层，通过两阶段训练法与数据扩充策略，使模型 FID 分数降至 32.4，生成纹样的文化特征保留度达 92%，绣娘采纳率为 75%。该模型解决了传统 GAN 在民族纹样生成中 “细节丢失、结构失衡” 的问题，为非遗纹样的数字化生成提供了可复制的技术方案。第三，确立了纹样与运动服饰的融合设计路径。提出 “文化性与功能性统一、视觉效果与运动体验协调、传统元素与现代审美匹配” 三大原则，结合跑步外套与运动紧身裤的设计实践，验证了纹样布局避开关节区、工艺选用热转印、纹样简化适配现代审美的可行性。评估结果显示，设计样品的文化辨识度与功能协调性评分均超过 4.5（满分 5 分），消费者购买意愿达 78%，实现了文化价值与产业价值的协同。

参考文献

[1] 封敏凌,韦永发,邓淑君,等.瑶族服饰元素融合文创设计研究[J].西部皮革,2024,46(07):92-94

[2] 玉时阶.瑶族服饰文化研究 [M]. 北京：民族出版社，2018: 45-68.

[3] 于凤迪，张敏.粤桂瑶族刺绣纹样造型规律实证研究 [J]. 装饰，2022 (3): 112-115.

[4] Goodfellow I, Pouget-Abadie J, Mirza M, et al. Generative Adversarial Nets[C]. Advances in Neural Information Processing Systems, 2014: 2672-2680.

[5] 王晨，李娟.基于 DCGAN 的苗绣纹样生成系统设计 [J]. 计算机工程与应用，2023, 59 (12): 234-240.

[6] 廖莎.瑶族服饰色彩美学 [J]. 美术研究，2021 (2): 78-81.

[7] 董金华.粤北瑶绣元素在现代配饰设计中的应用 [J]. 丝绸，2020, 57 (8): 67-72.

[8] 韩晶.广西红瑶服饰元素在服装设计中的应用 [J]. 化纤与纺织技术，2023, 52 (1): 117-119.

[9] 叶永敏.岭南瑶族纹样分类体系研究 [D]. 广州：华南理工大学，2020.

[10] 陈伟利.运动服饰个性化设计研究 [J]. 服装学报，2022, 7 (4): 321-326.

[11] 《2024 中国运动服饰行业报告》[R]. 北京：艾瑞咨询，2024.

[12] 张辉.运动服空气动力学性能优化设计 [J]. 纺织学报，2023, 44 (5): 108-113.

[13] 柳宗悦.工艺文化 [M]. 南京：译林出版社，2018: 120-135.

[14] He K, Zhang X, Ren S, et al. Deep Residual Learning for Image Recognition[C]. IEEE Conference on Computer Vision and Pattern Recognition, 2016: 770-778.

[15] 《广东瑶族文化志》编纂委员会.广东瑶族文化志 [M]. 广州：广东人民出版社，2019: 89-102.