專利名稱：基于點模型的服裝面料平整度等級評定方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種紡織品性能測試領(lǐng)域，具體地說，是一種基于點模型的、評定服裝面料平整度等級的客觀評級方法。
背景技術(shù)：
棉織物具有透氣、吸濕和穿著舒適等優(yōu)越性能，廣泛應用于內(nèi)衣、襯衫、西褲和床單、被罩等的加工中。但是棉織物彈性較差，穿著或洗滌過程中容易起皺。近年來，隨著水洗機的普及，越來越多的消費者要求免燙整理后的純棉服裝具有良好的水洗平整性能。因此，在棉織物的后整理及制衣過程中，對面料平整性能的檢驗和預測的研究越來越引起服裝加工企業(yè)的重視。
服裝面料的平整度等級是評定其平整性能的重要指標。目前，對于服裝面料平整度等級的評估方式主要采用標樣對照法(美國AATCC-124標準)，是對服裝面料定性化的總體視覺印象。由于樣卡價格昂貴，評定環(huán)境苛刻，實際生產(chǎn)中難以普及。此外，評價過程中，人眼存在的盲斑、心理因素對視覺效果的影響、環(huán)境對視覺的影響、人眼視覺效果的多義性和容錯性等等都是人工視覺檢測中不可避免的影響因素。因此主觀評定服裝面料平整度等級的結(jié)果往往具有不確定性和不唯一性。
近年來，隨著計算機圖像處理技術(shù)的成熟，G.Stylios、X.Bu、Youngjoo Na、嚴灝景、黃秀寶、汪黎明和楊曉波等人以三維實體的平面圖像為研究基礎(chǔ)，應用圖像處理技術(shù)對服裝面料的平整度等級進行客觀評定的研究取得了一定進展。但是圖像數(shù)據(jù)易受面料色彩、花型、乃至組織結(jié)構(gòu)等影響。在圖像的重建、復原、增強、壓縮和特征提取等過程中還可能出現(xiàn)圖像失真與有用數(shù)據(jù)的丟失。此外，利用圖像處理技術(shù)區(qū)分平整度等級值接近的面料時，評級準確性有所降低。
最近，基于光學三角原理的激光掃描技術(shù)在三維非接觸式測量中得到了廣泛應用。J.Amirbayat、M.J.Alagha、B.Xu、Jie Su、Christopher N.Turner、Amirbayat J.、Tae Jin Kang和范金土、呂東風、劉富等人利用三維激光掃描技術(shù)均較為準確地獲得了面料的三維輪廓，客觀評定了服裝面料的平整度等級。激光掃描法不受面料顏色和花紋的影響，測量準確率高。但是，激光測量時需掃描、采集并處理多幅圖像，既耗時，又難以實現(xiàn)實時測量。此外，激光測量時易受面料表面漫反射及傾角的影響，對于激光光源照射不到的位置還出現(xiàn)掃描盲點，且不能清晰地區(qū)分平整度等級為3至3.5之間的面料。
隨著掃描獲得的三維模型越來越復雜和精細，點模型技術(shù)成為一個研究熱點。三維掃描生成的點模型就是用幾何體表面密集采樣的離散點來隱式地表示幾何體。每個離散點包含的最基本的信息是掃描獲取的坐標位置。由于點的坐標信息是三維數(shù)據(jù)獲取中最原始、最真實的數(shù)據(jù)，離散點之間不需要顯式地進行拓撲連接，在數(shù)據(jù)處理過程中只需以純粹點的形式進行存儲、處理和傳輸，這樣既使所需的時空代價較低，又避免了數(shù)字幾何處理中為了保證拓撲關(guān)系的正確性而強加的諸多限制和約束條件，數(shù)據(jù)的幾何處理更簡便。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種基于點模型的服裝面料平整度等級評定方法，該方法適用于任何顏色和花紋的服裝面料的平整度等級，且準確度達96％左右。
為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案是基于點模型的服裝面料平整度等級評定方法，包括以下具體步驟1.數(shù)據(jù)點集由三維非接觸式高精度掃描儀獲取服裝面料的點模型；2.數(shù)據(jù)分析a.從數(shù)據(jù)分布的集中或離散趨勢、數(shù)據(jù)分布的形態(tài)等方面對點集中各點Z方向上的坐標數(shù)據(jù)進行分析；b.從點集中篩選出反映面料起伏特性的特征點，并構(gòu)造特征點的鄰域；c.重建極大波峰處的曲面；d.采用離散微分幾何中的曲面理論，分析特征點處的曲率值；3.評級模型利用神經(jīng)網(wǎng)絡(luò)模塊，建立評價面料平整度等級的評級模型。
所述的點模型是各采樣點坐標值精確到小數(shù)點后面八位的三維數(shù)據(jù)點的集合。
所述的坐標數(shù)據(jù)的分析是指數(shù)理統(tǒng)計中的四分位差、平均差、標準差和峰度，其中a.四分位差Rd
Rd＝QU-QL(1)四分位差Rd是上四分位數(shù)QU和下四分位數(shù)QL的差值，反映處在有序數(shù)據(jù)中間位置上的50％的數(shù)據(jù)的離差值，是數(shù)據(jù)離散程度的測量值；b.平均差RaRa=1NΣi=1n|Zi-Z-|---(2)]]>式中Zi——點云中任意一點Z方向的坐標值，mm； ——點云中所有散亂點在Z方向的統(tǒng)計平均值，mm；N——點云中散亂點的數(shù)量；平均差Ra的大小反映了散亂點云中各點與點云中面的偏離程度，度量了點云數(shù)據(jù)在高度方向分布的離中趨勢。平均差越大，數(shù)據(jù)的綜合離散程度較大；c.標準差RqRq=1NΣi=1n(Zi-Z-)2---(3)]]>標準差Rq反映的是散亂點在Z方向上的絕對離散程度，比平均差Ra更突出了各點的變化對統(tǒng)計量的影響；d.峰度RkRk=1NΣi=1n(Zi-Z-)4Rq4---(4)]]>峰度Rk是度量數(shù)據(jù)分布的低峰或高峰形態(tài)偏離正態(tài)分布程度的測度。
所述的特征點的篩選過程中采用小球模型。
所述的重建極大波峰處的曲面是提取點模型中十個極大波峰點的高度信息，取其平均值，記作 所述的極大波峰處的曲面是最小二乘曲面，其曲面函數(shù)形式為
z＝a0+a1x+a2y+a3x2+a4xy+a5y2(5)所述的曲面理論是基于離散微分幾何的曲面理論。設(shè)點模型中各點的z＝f(x，y)是其對應的x、y坐標的函數(shù)，即x=x(u,v)y=y(u,v)z=z(u,v)]]>若ru＝(xu，yu，zu)和rv＝(xv，yv，zv)分別表示曲面的u向和v向切矢，令E＝ru2，F(xiàn)＝rurv，G＝rv2，并記曲面上曲線的弧長為s，有(ds)2＝E(du)2+2Fdudv+G(dv)2(6)式中的E、F和G是曲面u向和v向切矢的連續(xù)函數(shù)。
設(shè)曲面P點處曲線的單位主法矢為m，曲面的單位法矢為n，兩者的夾角為φ，曲率k，并令L＝-runu＝nruu，M=-12(runu+rvnu)=nruv,]]>N＝-rvnv＝nrvv，有kcosφ(ds)2＝L(du)2+2Mdudv+N(dv)2(7)式中的L、M和N也是曲面u向和v向切矢的連續(xù)函數(shù)。則曲面在P點處的曲率值H為H=EN+GL-2FM2(EG-F2)---(8)]]>所述的曲率信息是指點模型中十個極大波峰點的曲率信息，取其平均值，記作 所述的神經(jīng)網(wǎng)絡(luò)模塊是基于多層前向網(wǎng)絡(luò)BP學習算法的。
本發(fā)明的有益效果本發(fā)明采用點模型的分析方法，建立了適用于任何顏色和花紋的服裝面料平整度等級的評級系統(tǒng)，且能正確區(qū)分各等級，系統(tǒng)準確度達96％左右。


圖1是基于點模型的服裝面料平整度評級系統(tǒng)的總流程圖；圖2是不同主觀評級值的面料的點模型分布圖；圖3是點模型下Z值分布的峰度曲線圖；圖4是特征點的鄰域構(gòu)造；圖5是擬合曲面的切矢圖；圖6是曲線和曲面的單位主法矢圖；圖7是不同主觀評級值的試樣的幾何特征量的分布圖；圖8是不同主觀評級值的試樣的特征點及其鄰域圖；圖9是不同主觀評級值的試樣的極大波峰點平均高度及其平均曲率值分布圖；圖10是BP網(wǎng)絡(luò)誤差曲線圖。
具體實施例方式
下面結(jié)合附圖與實施例對本發(fā)明作進一步的描述。
本發(fā)明的點模型是用模型表面密集采樣的離散點來隱式地表示模型的表面，不存放或維護任何拓撲信息。圖1是基于點模型的服裝面料平整度評級系統(tǒng)總流程圖。
圖2是6個由三維非接觸式高精度掃描儀獲取的服裝面料的點模型分布圖，其平整度等級主觀評級值分別為1、2、3、3.5、4和5級。
采用點模型的分析方法評價服裝面料平整度等級值包括以下5個步驟a.從數(shù)據(jù)分布的集中或離散趨勢、數(shù)據(jù)分布的形態(tài)等方面對點集中各點Z方向上的坐標數(shù)據(jù)進行分析；b.從點集中篩選出反映面料起伏特性的特征點，并構(gòu)造特征點的鄰域；c.重建極大波峰處的曲面；d.采用離散微分幾何中的曲面理論，分析特征點處的曲率值；e.利用神經(jīng)網(wǎng)絡(luò)模塊，建立評價面料平整度等級的評級模型。
其中(一)點模型是各采樣點坐標值精確到小數(shù)點后面八位的三維數(shù)據(jù)點的集合。
(二)坐標數(shù)據(jù)的分析是指數(shù)理統(tǒng)計中的四分位差、平均差、標準差和峰度，其中a.四分位差Rd
Rd＝QU-QL(1)四分位差Rd是上四分位數(shù)QU和下四分位數(shù)QL的差值，反映處在有序數(shù)據(jù)中間位置上的50％的數(shù)據(jù)的離差值，是數(shù)據(jù)離散程度的測量值；b.平均差RaRa=1NΣi=1n|Zi-Z-|---(2)]]>式中Zi——點云中任意一點Z方向的坐標值，mm； ——點云中所有散亂點在Z方向的統(tǒng)計平均值，mm；N——點云中散亂點的數(shù)量；平均差Ra的大小反映了散亂點云中各點與點云中面的偏離程度，度量了點云數(shù)據(jù)在高度方向分布的離中趨勢。平均差越大，數(shù)據(jù)的綜合離散程度較大；c.標準差RqRq=1NΣi=1n(Zi-Z-)2---(3)]]>標準差Rq反映的是散亂點在Z方向上的絕對離散程度。標準差越大，表明點云的離散程度越大，即點云高低越參差不齊，分布范圍越廣；標準差越小，表明點云的離散程度越小，即點云高低越整齊集中，分布范圍越小。標準差比平均差反應更靈敏，更突出了離散點Z值的變化對統(tǒng)計量的影響；d.峰度RkRk=1NΣi=1n(Zi-Z-)4Rq4---(4)]]>峰度Rk是度量數(shù)據(jù)分布的低峰或高峰形態(tài)偏離正態(tài)分布程度的測度。當峰度為3時，數(shù)據(jù)的峰度與正態(tài)分布相一致；峰度值小于3時，表示數(shù)據(jù)為低峰態(tài)分布；峰度值大于3時，表示數(shù)據(jù)為高峰態(tài)分布，如圖3所示。
(三)特征點的篩選過程中采用小球模型。
由于點模型中的點之間不存在任何拓撲信息，對特征點的分析只能依靠分析其局部區(qū)域。所以，以各掃描數(shù)據(jù)點P為中心，構(gòu)造一個半徑為r的球，落入小球內(nèi)的點構(gòu)成該點鄰域的點集(如圖4所示)，判斷球內(nèi)各點的Z坐標值。若P的Z坐標值是點集的極大或極小值，則P點是一個特征點，計算特征點集中各點與該點的Euclidean距離，并依據(jù)距離值的大小進行排序。排序形成的特征點P的點序列命名為PP1P2LLPm，其中P距離P最近，Pm距離P最遠。和特征點距離越近的點對將要擬合的曲面的影響越大。
(四)重建極大波峰處的曲面是由于影響服裝面料平整度等級值的往往是該區(qū)域內(nèi)的幾個最大波峰褶皺程度，故本發(fā)明只提取點模型中十個極大波峰點的高度信息，取其平均值，記作 (五)極大波峰處的曲面是最小二乘曲面，其曲面函數(shù)形式為z＝a0+a1x+a2y+a3x2+a4xy+a5y2(5)(六)曲面理論是基于離散微分幾何的曲面理論。
點模型中各點的z＝f(x，y)是其對應的x、y坐標的函數(shù)，即x=x(u,v)y=y(u,v)z=z(u,v)]]>若ru＝(xu，yu，zu)和rv＝(xv，yv，zv)分別表示曲面的u向和v向切矢，令E＝ru2，F(xiàn)＝rurv，G＝rv2，并記曲面上曲線的弧長為s，有(ds)2＝E(du)2+2Fdudv+G(dv)2(6)式中的E、F和G是曲面u向和v向切矢的連續(xù)函數(shù)。
設(shè)曲面P點處曲線的單位主法矢為m，曲面的單位法矢為n，兩者的夾角為φ，曲率k，并令L＝-runu＝nruu，M=-12(runu+rvnu)=nruv]]>，N＝-rvnv＝nrvv，有kcosφ(ds)2＝L(du)2+2Mdudv+N(dv)2(7)式中的L、M和N也是曲面u向和v向切矢的連續(xù)函數(shù)。則曲面在P點處的曲率值H為H=EN+GL-2FM2(EG-F2)---(8)]]>可見，曲率H取決于曲面的u向和v向切矢，由曲面的內(nèi)在性質(zhì)決定。本發(fā)明只提取點模型中10個極大波峰點的曲率值，取其平均值，記作 (七)神經(jīng)網(wǎng)絡(luò)模塊是基于多層前向網(wǎng)絡(luò)BP學習算法的。
服裝面料平整度等級的BP訓練網(wǎng)絡(luò)各參數(shù)為網(wǎng)絡(luò)輸入?yún)?shù)(7個)Rd，Ra，Rq，Rk， 和主觀評級值VG隱藏層5學習速率 0.01誤差 0.01最大訓練次數(shù) 500輸出層(1個) 客觀評級值OG訓練樣本 120本發(fā)明利用三維非接觸式掃描儀獲取的高精度服裝面料的點云，引入點模型的概念，將連續(xù)的服裝面料表面離散化，提取反映數(shù)據(jù)集中或離散分布、以及數(shù)據(jù)分布形態(tài)的幾何特征量。然后在點集中篩選出反映服裝面料起伏特性的特征點及其鄰域點，構(gòu)造特征點的最小二乘曲面，結(jié)合離散微分幾何中的曲面理論，建立曲率特征量。最后借助MatLAB的神經(jīng)網(wǎng)絡(luò)模塊，創(chuàng)建一套基于點模型的、客觀評價服裝面料平整度等級的評級模型。本發(fā)明適用于任何顏色和花紋的服裝面料的平整度等級，且精確度達96％左右。
下面根據(jù)圖1～10，給出本發(fā)明方法的一個較好實施例，并結(jié)合對實施例的描述，進一步給出本發(fā)明方法的技術(shù)細節(jié)，以使能更好地說明本發(fā)明的技術(shù)特征和功能特點，但不是用來限制本發(fā)明的權(quán)利以前保護范圍。
首先，按照AATCC-124的規(guī)定，對32塊300×300mm的純棉織物反復洗滌和干燥5次，在三維非接觸式掃描儀上獲取高精度的織物點集，截取褶皺較均勻的50×50mm區(qū)域共120個作為待評級樣本數(shù)據(jù)。部分樣本的掃描數(shù)據(jù)經(jīng)去噪等預處理后的三維點云圖如圖2所示。每個樣本上點的數(shù)量約為16000個。
1.利用公式(1)～(4)，分別對120個樣本數(shù)據(jù)進行幾何特征量的統(tǒng)計，統(tǒng)計結(jié)果如圖7所示。從圖7a～7d可以看到，當平整度等級較低時，服裝面料點模型下Z方向上坐標值的四分位差Rd、平均差Ta和標準差Rq都較大，而峰度值Rk較小。說明平整度等級較低的服裝面料表面起伏較大，其點模型下的點比較分散。隨著平整度等級的提高，Rd、Ra和Rq顯著下降，Rk逐漸增大。說明隨著平整度等級值的提高，服裝面料的起伏程度逐漸下降，其點模型下的點逐漸趨于正態(tài)分布，甚至呈高峰態(tài)分布。在不考慮平整度等級為3.5級的面料的幾何特征量時，上述4個參數(shù)與主觀平整度評級值之間均符合較好的擬合關(guān)系。
2.在樣本的點模型上提取所有極值點作為特征點，并以各極值點為中心，構(gòu)造極值點鄰域，6個平整度等級主觀評級值不同的點集的極值點及其鄰域如圖8a～8f所示，其中紅色區(qū)域為波峰點及其鄰域，藍色區(qū)域為波谷點及其鄰域。
3.在每個點集上，選取最大10個不相連的波峰，取其高度平均值 結(jié)果如9a所示。
4.提取最大10個極大波峰點及其鄰域點的坐標信息，利用公式(5)，構(gòu)造波峰處的最小二乘曲面；利用公式(6)～(8)，計算出每個極大波峰處的曲率值，取其平均值 結(jié)果如圖9b所示。
圖9a和9b顯示，主觀平均值為1級的織物的波峰較高，極大波峰處的曲率絕對值較大，說明主觀評級值為1級的織物上的褶皺是高而尖銳的褶皺。隨著平整度等級的提高，極大波峰處的高度開始下降。主觀評級值為2級的織物上的褶皺是較高且平坦的大皺，主觀評級值為3級的織物上分布著較低的褶皺，褶皺的尖銳程度較2級織物上的褶皺尖銳、但較1級織物上的褶皺平坦。主觀評級值為3.5級的織物樣本與3級相比，分布著明顯突起、但較平坦的大皺。主觀評級值為4級的織物樣本上的褶皺均為細小的小皺，其褶皺的尖銳程度較3.5級織物的褶皺尖銳，但較2級織物上的褶皺平坦。主觀評級值為5級的織物樣本上雖然篩選出了更多的極值點，但是由于三維非接觸式掃描儀掃描精度極高，誤把大多數(shù)的由織物的織造方式引起的紗線的突起點視為極值點。
5.BP網(wǎng)絡(luò)的訓練誤差曲線如圖10所示。經(jīng)大約120步迭代后，網(wǎng)絡(luò)模型基本收斂，相關(guān)系數(shù)達到0.9684。
權(quán)利要求
1.一種基于點模型的服裝面料平整度等級評定方法，其特征在于，包括以下具體步驟(1)數(shù)據(jù)點集由三維非接觸式高精度掃描儀獲取服裝面料的點模型；(2)數(shù)據(jù)分析a.從數(shù)據(jù)分布的集中或離散趨勢、數(shù)據(jù)分布的形態(tài)等方面對點集中各點Z方向上的坐標數(shù)據(jù)進行分析；b.從點集中篩選出反映面料起伏特性的特征點，并構(gòu)造特征點的鄰域；c.重建極大波峰處的曲面；d.采用離散微分幾何中的曲面理論，分析特征點處的曲率值；(3)評級模型利用神經(jīng)網(wǎng)絡(luò)模塊，建立評價面料平整度等級的評級模型。
2.根據(jù)權(quán)利要求1所述的基于點模型的服裝面料平整度等級評定方法，其特征在于所述的點模型是各采樣點坐標值精確到小數(shù)點后面八位的三維數(shù)據(jù)點的集合。
3.根據(jù)權(quán)利要求1所述的基于點模型的服裝面料平整度等級評定方法，其特征在于所述的坐標數(shù)據(jù)的分析是指數(shù)理統(tǒng)計中的四分位差、平均差、標準差和峰度，其中a.四分位差RdRd＝QU-QL(1)四分位差Rd是上四分位數(shù)QU和下四分位數(shù)QL的差值，反映處在有序數(shù)據(jù)中間位置上的50％的數(shù)據(jù)的離差值，是數(shù)據(jù)離散程度的測量值；b.平均差RaRa=1NΣi=1n|Zi-Z‾|---(2)]]>式中Zi——點云中任意一點Z方向的坐標值，mm； ——點云中所有散亂點在Z方向的統(tǒng)計平均值，mm；N——點云中散亂點的數(shù)量；平均差Ra的大小反映了散亂點云中各點與點云中面的偏離程度，度量了點云數(shù)據(jù)在高度方向分布的離中趨勢。平均差越大，數(shù)據(jù)的綜合離散程度較大；c.標準差RqRq=1NΣi=11(Zi-Z‾)2---(3)]]>標準差Rq反映的是散亂點在Z方向上的絕對離散程度，比平均差Ra更突出了各點的變化對統(tǒng)計量的影響；d.峰度RkRk=1NΣi=1n(Zi-Z‾)4Rq4---(4)]]>峰度Rk是度量數(shù)據(jù)分布的低峰或高峰形態(tài)偏離正態(tài)分布程度的測度。
4.根據(jù)權(quán)利要求1所述的基于點模型的服裝面料平整度等級評定方法，其特征在于所述的特征點的篩選過程中采用小球模型。
5.根據(jù)權(quán)利要求l所述的基于點模型的服裝面料平整度等級評定方法，其特征在于所述的重建極大波峰處的曲面是提取點模型中十個極大波峰點的高度信息，取其平均值，記作
6.根據(jù)權(quán)利要求1所述的基于點模型的服裝面料平整度等級評定方法，其特征在于所述的極大波峰處的曲面是最小二乘曲面，其曲面函數(shù)形式為z=a0+a1x+a2y+a3x2+a4xy+a5y2(5)
7.根據(jù)權(quán)利要求1所述的基于點模型的服裝面料平整度等級評定方法，其特征在于所述的曲面理論是基于離散微分幾何的曲面理論，點模型中各點的z＝f(x，y)是其對應的x、y坐標的函數(shù)，即x=x(u,v)y=y(u,v)z=z(u,v)]]>若ru＝(xu，yu，zu)和氣＝(xv，yv，zv)分別表示曲面的u向和v向切矢，令E＝ru2，F(xiàn)＝rurv，G＝rv2，并記曲面上曲線的弧長為s，有(ds)2＝E(du)2+2Fdudv+G(dv)2(6)式中的E、F和G是曲面u向和v向切矢的連續(xù)函數(shù)。設(shè)曲面P點處曲線的單位主法矢為m，曲面的單位法矢為n，兩者的夾角為φ，曲率k，并令L＝-runu＝nruu，M=-12(runu+runu)=nruv]]>，N＝-rvnv＝nrvv，有kcosφ(ds)2＝L(du)2+2Mdudv+N(dv)2(7)式中的L、M和N也是曲面u向和v向切矢的連續(xù)函數(shù)。則曲面在P點處的曲率值H為H=EN+GL-2FM2(EG-F2)---(8)]]>
8.根據(jù)權(quán)利要求1所述的基于點模型的服裝面料平整度等級評定方法，其特征在于所述的神經(jīng)網(wǎng)絡(luò)模塊是基于多層前向網(wǎng)絡(luò)BP學習算法的。
全文摘要
本發(fā)明公開了一種基于點模型的服裝面料平整度等級評定方法，包括以下具體步驟1.數(shù)據(jù)點集由三維非接觸式高精度掃描儀獲取服裝面料的點模型；2.數(shù)據(jù)分析a.從數(shù)據(jù)分布的集中或離散趨勢、數(shù)據(jù)分布的形態(tài)等方面對點集中各點Z方向上的坐標數(shù)據(jù)進行分析；b.從點集中篩選出反映面料起伏特性的特征點，并構(gòu)造特征點的鄰域；c.重建極大波峰處的曲面；d.采用離散微分幾何中的曲面理論，分析特征點處的曲率值；3.評級模型利用神經(jīng)網(wǎng)絡(luò)模塊，建立評價面料平整度等級的評級模型。本發(fā)明采用點模型的分析方法，建立了適用于任何顏色和花紋的服裝面料平整度等級的評級系統(tǒng)，且能正確區(qū)分各等級，系統(tǒng)準確率達96％左右。
文檔編號G06F19/00GK1971274SQ20061011935
公開日2007年5月30日 申請日期2006年12月8日 優(yōu)先權(quán)日2006年12月8日
發(fā)明者陳慧敏, 張渭源, 顧洪波, 吳文英, 毛志平 申請人:東華大學