确定表面涂层的纹理参数的方法技术

本发明专利技术涉及一种预测具有已知漆配方(1)的漆的视觉纹理参数(9)的方法。所述漆的视觉纹理参数(9)使用人工神经网络(7)基于漆配方(1)中所用的多种颜色组分确定，并且将描述至少一种光学性质且使用物理模型(3)对已知漆配方(1)确定的至少一个特征变量(5)的值赋予给已知漆配方(1)，并且传输到人工神经网络(7)以作为输入信号来确定视觉纹理参数(9)。确定且赋予给已知漆配方的值描述了漆配方(1)的多种颜色组分中的至少一些的至少一种光学性质。为了训练神经网络(7)，使用具有各已知漆配方的颜色原样，并且对于各颜色原样，测量其各视觉纹理参数并赋予对相应的各漆配方确定的至少一个特征变量的值，所述值描述了各漆配方的至少一种光学性质。

【技术实现步骤摘要】
【国外来华专利技术】确定表面涂层的纹理参数的方法本专利技术涉及一种确定和/或预测漆的纹理参数的方法，以及用于在运算单元上执行所述方法的计算机程序。包含所谓的效应颜料的漆涂饰广泛存在于汽车工业中。金属效应颜料和干涉颜料是效应颜料的实例。它们赋予漆额外的性质，例如亮度和色调的角度依赖性变化。这意味着所述漆的亮度或色调根据漆的观察角度而变化。效应颜料导致视觉上可察觉的颗粒性或颗粒度(也称为粗度)和闪光效应[“ColoristikfürLackanwendungen(FarbeundLackEdition)”，Tasso等，合订版-2012年3月14日]。这些效应也称为视觉纹理。目前有两种技术用于表征效应漆。第一种技术使用光源来照明特定漆表面并测量不同角度的光谱反射。可由获得的结果和光源的辐射函数计算色度值，例如CIEL*a*b*[ASTME2194“StandardTestMethodforMultiangleColorMeasurementofMetalFlakePigmentedMaterials”，ASTME2539“StandardTestMethodforMultiangleColorMeasurementofInterferencePigments”]。在第二种技术的情况下，在限定的光照条件下和限定的角度下拍摄漆表面。然后可由图像计算描述视觉纹理的纹理参数。如Byk-Gardner公司[“BeurteilungvonEffektlackierungen,DenGesamtfarbeindruckobjektivmessen”(效应涂饰的评价—整体颜色印象的客观测量)，Byk-GardnerGmbH，JOT1.2009，第49卷第1期，第50-52页]所介绍的那样，纹理参数的实例为纹理值G漫射或Gdiff(颗粒度或粗度)、Si(闪光强度)和Sa(闪光面积)。Byk-Gardner的纹理值由灰阶图像确定。还可针对彩色图像的不同颜色通道(例如，针对红色通道、绿色通道和蓝色通道)单独确定纹理值。在颜色配方计算中，尝试通过计算所需的着色剂浓度而借助可用着色剂的混合物再现颜色原样。颜色配方计算中必要的先决条件是预测相应颜色配方的光谱反射。就本公开内容而言，颜色或漆配方是指具有限定的各着色剂浓度的不同着色剂和/或颜色组分的特定组合物。这意味着颜色或漆配方定义了一种事项列表—也就是说包含其各组分(即其各颜色组分)的漆的定量组成。一种常用的方法是基于物理模型(例如Kubelka-Munk方程)计算反射光谱。在该方法中，基于已知的着色剂汇编的实际应用，借助物理模型为每种着色剂确定光学常数。这些光学常数是依赖于模型的，并且表征了所讨论的着色剂。光学常数的实例是Kubelka-Munk方程的参数K和S，其描述了吸收(参数K)和散射(参数S)。在确定要使用的所有着色剂的光学常数时，可使用物理模型来计算任何所需颜色配方的光谱反射。例如，为了混合漆(例如车辆的着色漆)，通常使用颜色配方，所述颜色配方指明了各颜色组分彼此的混合比例，以便生成具有所需颜色效应的漆。例如，为了复制效应漆，例如金属漆，不仅要求光谱反射性质，而且还要求客观纹理参数如颗粒度或粗度作为相应初始色调的光学性质的描述。为了基于公式数据预测该类效应漆的视觉纹理参数，如上所述，传统上使用基于回归的方法。在该类方法中，对漆配方计算特征参数如漆中存在的颜料类型的浓度(例如金属效应颜料和干涉颜料的颜料浓度)，由物理模型预测的光谱反射或由物理模型的各光学常数导出的变量。这些参数的线性组合然后形成用于预测视觉纹理参数的统计模型。如Kirchner，Ravi的“Predictingandmeasurementtheperceivedtextureofcarpaintts”，Proceedingsofthe3rdinternationalconferenceonAppearance“PredictingPerceptions”，Edinburgh，2012年4月17-19日所述，通过回归分析确定线性组合的系数。预测效应涂饰的视觉纹理参数的另一种方式是使用人工神经网络。就此而言使用的一个神经网络是基于被称为反向传播的学习过程。神经网络的神经元分层排列。这些包括具有输入神经元的层(输入层)、具有输出神经元的层(输出层)以及一个或多个内层。输出神经元是待预测的漆配方的视觉纹理参数，换言之，是上述参数Si、Sa和Gdiff。为了预测效应漆配方的光谱反射，如已经提到的那样，使用物理模型。在第一种已知的解决方案中，用于神经网络的输入参数或输入神经元是在所考虑的特定漆配方中使用的着色剂或颜色组分的浓度，以及由物理模型预测的反射光谱。然而，使用待使用的着色剂的浓度作为输入参数具有许多缺点：●漆系列中着色剂的数量非常高，因此神经网络输入层中的神经元数量非常大。精确预测纹理参数需要大量的训练数据。●在漆系列发生任何变化的情况下，神经网络必须重新定义、重新训练和重新测试。这意味着相当大的管理工作和费用。●在漆系列中添加其他着色剂的工作和成本很高：在新着色剂的情况下，必须生产大量的混合物作为训练神经网络的基础。由美国专利US6,714,924B1已知一种用于颜色匹配的方法和装置，其中使用了神经网络。此处，颜色标准的颜色由色值表示，其中所用神经网络的输入信号与漆基底有关。此外，在神经网络的输入层的输入节点和神经网络的输出层的输出节点之间提供加权联系。此处，初始加权联系确定了输入层的漆基底对各输出颜色组分的相应贡献。由US2009/0157212A1已知一种用于确定包含效应颜料的漆配方的方法和系统。所述系统包括粗糙度测量仪，所述仪器必须放置在涂漆表面(例如车辆的涂漆表面)附近，其中技术人员将显示图像与涂漆表面进行比较以确定效应颜料的粗糙度。针对该背景提出了一种确定或预测具有已知漆配方的漆的视觉纹理参数的方法，其中基于已用于或待用于漆配方中的多种颜色组分借助人工神经网络来确定或预测漆的视觉纹理参数，其中借助已知漆配方的物理模型来确定描述至少一种光学性质的至少一个特征变量的值，将其赋予给该已知漆配方，并且作为用于确定或预测视觉纹理参数的输入信号传输到人工神经网络，其中确定并赋予给该已知漆配方的值描述了漆配方的多种颜色组分中的至少一些的至少一种光学性质，其中使用各自具有已知漆配方的颜色原样(Farbvorlagen)来训练神经网络，测量每个颜色原样的各视觉纹理参数，并将赋予其至少一个特征变量的值，所述特征变量针对相应各漆配方确定或计算并且描述了各漆配方的至少一种光学性质。在本说明书的上下文中，短语“作为至少一个输入信号传输到神经网络”的“至少一个[…]特征变量的值”旨在表示不仅特征变量本身的值，而且表示基于特征变量的该值确定的变量可用作输入信号且提供给神经网络。“已知的漆配方”意指其中包含和使用具有颜色组分的已知浓度的颜色配方。在下文中，术语“特征变量的值”和“特征变量”是彼此同义地使用的。这意味着在下文中，“所述至少一个特征变量的值”和“所述至少一个特征变量”应同义地理解。“视觉纹理参数的值”和“视觉纹理参数”也是如此。本专利技术的实施方案由说明书和从属权利要求知悉。所提出的方法特别用于借助于基于称为反向传播的学习过程的本文档来自技高网...

【技术保护点】
一种预测具有已知漆配方(1)的漆的视觉纹理参数(9)的方法，其中所述漆的视觉纹理参数(9)借助人工神经网络(7)基于漆配方(1)中使用的多种颜色组分确定，其中将描述至少一种光学性质且借助物理模型(3)对已知漆配方(1)确定的至少一个特征变量(5)的值赋予给已知漆配方(1)，并且传输到人工神经网络(7)以作为输入信号来确定视觉纹理参数(9)，其中确定且赋予给已知漆配方的值描述了漆配方(1)的多种颜色组分中的至少一些的至少一种光学性质，其中使用各自具有已知漆配方的颜色原样来训练神经网络(7)，并且对于各颜色原样，测量其相应的视觉纹理参数并赋予至少一个特征变量的值，所述值是针对相应的各漆配方确定的并且描述了各漆配方的至少一种光学性质。

【技术特征摘要】
【国外来华专利技术】2015.10.29 DE 102015118551.2;2015.10.29 US 62/247,1.一种预测具有已知漆配方(1)的漆的视觉纹理参数(9)的方法，其中所述漆的视觉纹理参数(9)借助人工神经网络(7)基于漆配方(1)中使用的多种颜色组分确定，其中将描述至少一种光学性质且借助物理模型(3)对已知漆配方(1)确定的至少一个特征变量(5)的值赋予给已知漆配方(1)，并且传输到人工神经网络(7)以作为输入信号来确定视觉纹理参数(9)，其中确定且赋予给已知漆配方的值描述了漆配方(1)的多种颜色组分中的至少一些的至少一种光学性质，其中使用各自具有已知漆配方的颜色原样来训练神经网络(7)，并且对于各颜色原样，测量其相应的视觉纹理参数并赋予至少一个特征变量的值，所述值是针对相应的各漆配方确定的并且描述了各漆配方的至少一种光学性质。2.如权利要求1所述的方法，其中所用的输入信号包括借助物理模型(3)计算的漆的散射分量和/或吸收分量和/或光谱反射。3.如权利要求1或2所述的方法，其中在漆的漆配方的一种或多种颜色组分被修改、替换或移除的情况下，确定漆的视觉纹理参数(9)而不重新训练神经网络(7)，其中将对漆的新的已知漆配方确定的描述至少一种光学性质的至少一个特征变量(5)的新值赋予给该新的已知漆配方，并且传输到神经网络(7)以作为输入信号来确定视觉纹理参数(9)，其中描述至少一种光学性质的至少一个特征变量(5)的新值描述了新的已知漆配方的多种颜色组分中的至少一些的至少一种光学性质。4.如前述权利要求中任一项所述的方法，其中对于各已知的漆配方，至少一个特征变量的各值借助物理模型(3)基...

【专利技术属性】
技术研发人员：G·比绍夫，M·施米茨，D·R·鲍曼，
申请(专利权)人：巴斯夫涂料有限公司，
类型：发明
国别省市：德国,DE