基于高光谱测色的织物染色配方智能预测

发布时间：2020-06-11 23:47

【摘要】：织物配色是印染领域至关重要的一个环节,配色的精度决定了印染产品最终的质量。目前,纺织印染领域主要利用织物的三刺激值来进行配方的智能预测,该方法无法解决配色过程中出现的同色异谱问题。高光谱成像系统可以获得织物的光谱信息和位置信息,为实现织物全光谱配色和匀染性评价提供了可能。基于此,本文提出了一种基于高光谱测色的织物染色配方智能预测方案,旨在利用高光谱采集的丰富光谱信息实现对织物配方的准确预测。该方案不仅避免了三刺激值进行织物配色时可能出现的同色异谱问题,而且也能降低不均匀染色样品对配方预测准确性的影响。本文主要研究内容如下:1.研究了基于高光谱测色的织物配色理论。研究KUBELKA-MUNK双常数理论,提出了基于高光谱测色的织物配色方法,在原理上证明了基于高光谱配色的正确性,为配方预测模型的建立提供理论基础。2.设计并完成了染色测色实验。设计了染色实验和测色实验,获得了323块匀染和20块非匀染的样品织物。染色实验主要包括染色布料选取、染料选取、染色仪器选取、染色工艺设计和染料配方设计等内容。在高光谱成像系统上测量了343块样品织物,获取了样品织物的反射率光谱图像。3.研究了基于改进深层神经网络的织物反射率-配方预测模型。利用深层神经网络的原理,提出了深层神经网络的改进算法。利用采集的323块匀染织物的反射率光谱信息建立了基于该算法的反射率-配方预测模型。测试组的预测结果表明:本文提出基于深层神经网络改进算法的模型预测值与真实值最大绝对误差在0.02以内。4.研究了基于改进循环神经网络的织物反射率-配方预测模型以及基于区域相关算法的非匀染织物反射率提取方法。利用残差网络块和多任务学习的原理改进了循环神经网络,利用323块匀染织物的反射率光谱信息建立了该算法的反射率-配方预测模型。提出了区域相关算法,完成对非匀染织物反射率光谱的提取。针对非匀染织物样本进行了模型和算法测试,对比了使用区域相关算法和不使用该算法两种情况。实验结果表明:本文提出基于区域相关算法的非匀染织物反射率提取方法和改进循环神经网络的织物反射率-配方预测模型可实现配方预测值与真实值的最大误差在0.004以内。
【图文】：

高光谱图像,高光谱图像,立方体

图 1.1 高光谱图像立方体图 1.2 光谱图像立方体本实验室课题组在前期研究[7,24]中，分别利用 DataColor 650 和高光谱成像系统对织物进行色差测量，其中 12 对浅色单色织物和 3 对深色单色织物。实验结果表明：浅色织物，两种仪器测出的色差值是非常接近的；对于深色织物，高光谱成像系统测准样和批次样的色差值明显大于 DataColor 650 测出的色差值。实验结果表明高光谱成统对深色织物具有更好的鉴别能力。.2.3 织物智能配色方法的国内外研究概况（1）国外智能配色方法的研究概况颜色的智能配色[25]是很多科研人员一直研究的热点方向。1931 年 CIE 定义标准观、标准照明体及三刺激系统等颜色标准后，美国通用电器公司的 Hardly 发明了记录式光度计进行颜色测量。1939 年美国的 KUBELKA 和 MUNK 提出了著名UBELKA-MUNK 理论[25-27]。KUBELKA-MUNK 理论已经成为配色理论的基础，很多

高光谱图像,立方体,深色织物,高光谱

图 1.1 高光谱图像立方体图 1.2 光谱图像立方体本实验室课题组在前期研究[7,24]中，，分别利用 DataColor 650 和高光谱成像系统对织物进行色差测量，其中 12 对浅色单色织物和 3 对深色单色织物。实验结果表明：浅色织物，两种仪器测出的色差值是非常接近的；对于深色织物，高光谱成像系统测准样和批次样的色差值明显大于 DataColor 650 测出的色差值。实验结果表明高光谱成统对深色织物具有更好的鉴别能力。.2.3 织物智能配色方法的国内外研究概况（1）国外智能配色方法的研究概况颜色的智能配色[25]是很多科研人员一直研究的热点方向。1931 年 CIE 定义标准观、标准照明体及三刺激系统等颜色标准后，美国通用电器公司的 Hardly 发明了记录式光度计进行颜色测量。1939 年美国的 KUBELKA 和 MUNK 提出了著名UBELKA-MUNK 理论[25-27]。KUBELKA-MUNK 理论已经成为配色理论的基础，很多
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP183;TS193.13

【相似文献】