一种新型木材仿珍染色的计算机配色方法技术

本发明专利技术是一种新型木材仿珍染色的计算机配色方法，首先确定了影响针叶材木材和阔叶材木材染色效果的主要解剖因子，并将其作为计算机配色参考影响数据。利用RBF神经网络建立了配方预测模型，并用一种基于隐层节点的方法改进了RBF神经网络模型，此模型的改进有效的解决了原来模型熟练速度较慢的问题，速度几乎可以达到在线训练的标准。最后将模糊神经网络引入到预测模型，并根据木材特点提出了一种改进的隶属度函数，建立了基于改进隶属度函数的模糊神经网络预测模型。此模型运行速度快，且参数设置容易，不需要过多的设置条件，大大节省了时间，并且计算误差小，最大误差也只有1.25％，说明模型具有较高的范化能力。

【技术实现步骤摘要】

本专利技术涉及一种新型木材仿珍染色的计算机配色方法，属于木材染色技术类。
技术介绍
木材颜色是决定消费者印象的重要因素之一，为了提高木制品的装饰作用和产品价值，实现人工林木材的高效利用，需要通过染色技术改良劣质材。木材染色中的一个重要环节就是配色。采用人工配色，其对配色人员的素质要求高，既费时又难以适应现代工业生产的要求，且成本高、准确性差。在确定工艺的情况下，将计算机智能配色的方法用于木材染色配色过程中，可以加快染料配方生成的速度，极大地提高工作效率，节约成本。计算机配色技术发展大都是为了纺织业的配色而研制的，现有的计算机染色依据模型很难从根本上解决木材染色的配色问题。且由于木材的各项异性的特点，也给工业的利用造成障碍，显然，对于常规的计算机染色技术是无法有效应用到木材中的。
技术实现思路
首先确定了影响针叶材木材染色效果的主要解剖因子—管胞比量、木射线比量、树脂道比量和晚材管胞长度等因子；影响阔叶材木材染色效果的主要解剖因子—木材的早材导管直径、早材纤维长度、导管比量、木纤维比量和木射线比量。利用RBF神经网络建立了配方预测模型，并用一种基于隐层节点的方法改进了RBF神经网络模型，此模型的改进有效的解决了原来模型熟练速度较慢的问题，速度几乎可以达到在线训练的标准。最后将模糊神经网络引入到预测模型，并根据木材特点提出了一种改进的隶属度函数，建立了基于改进隶属度函数的模糊神经网络预测模型。此模型运行速度快，且参数设置容易，不需要过多的设置条件，大大节省了时间，并且计算误差小，最大误差也只有1.25％，说明模型具有较高的范化能力。本专利技术技术特点：(1)本专利技术运用工艺摸索的先验知识，利用神经元网络、模糊算法等智能算法，建立木材仿珍贵材染色智能配色模型，侧重利用数据融合手段对原有算法进行改进。并利用多模型数据融合技术将上述模型进行融合，结合多模型信息，建立最终的木材专有配色模型，以期使木材染色配方输出在模型的指导下更快速、准确率更高、智能化更强大。(2)从木材特征角度和染色配方特性分析木材染色效果变化规律，利用变化规律模型和原有模型的结合，使配色系统具有智能预测功能。本专利技术的研究对于木材染色效率的提高、染色工业化进程的加快、科技木试验周期的缩短都具有重要的现实意义。具体实施方式(1)从木材特征角度建立木材染色智能配色模型。首先确定影响针叶材木材染色效果的主要解剖因子—管胞比量、木射线比量、树脂道比量和晚材管胞长度等因子；影响阔叶材木材染色效果的主要解剖因子—木材的早材导管直径、早材纤维长度、导管比量、木纤维比量和木射线比量，之后利用模糊—神经元网络建立智能配色模型。(2)改进RBF神经网络运用基于隐层改进的RBF神经网络，对参数的确定方面进行改进。(3)改进模糊神经网络的隶属度函数根据木材的特点，运用改进隶属度函数，建立基于改进隶属度函数的模糊神经网络预测模型。本文档来自技高网...

【技术保护点】
一种新型木材仿珍染色的计算机配色方法，首先确定了影响针叶材木材和阔叶材木材染色效果的主要解剖因子，并将其作为计算机配色参考影响数据。利用RBF神经网络建立了配方预测模型，并用一种基于隐层节点的方法改进了RBF神经网络模型，最后将模糊神经网络引入到预测模型，并根据木材特点提出了一种改进的隶属度函数，建立了基于改进隶属度函数的模糊神经网络预测模型。

【技术特征摘要】
1.一种新型木材仿珍染色的计算机配色方法，首先确定了影响针叶材木材和阔叶材木材染色效果的
主要解剖因子，并将其作为计算机配色参考影响数据。利用RBF神经网络建立了配方预测模型，并用一种
基于隐层节点的方法改进了RBF神经网络模型，最后将模糊神经网络引入到预测模型，并根据木材特点提
出了一种改进的隶属度函数，建立了基于改进隶属度函数的模糊神经网络预测模型。
2.根据权利...

【专利技术属性】
技术研发人员：李滨，郭明辉，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：黑龙江;23