The present invention discloses a coating color matching method and system based on large data learning. The process of the paint matching method includes obtaining the reflectivity R of the target color block by a spectrophotometer, the K/S value (K/S) of the calculated target color block (K/S), and the three stimulus value [X of the target color block, Y, Z], and eventually the three stimulus value [X, Y, Z] of the target color block. Enter a machine learning model which is pre trained based on large data learning. The machine learning model is trained to include the three stimulus value [X, Y, Z] and the corresponding formula of the color block, and finally get the formula and output of the target color block. The invention can effectively solve the problem of long time consuming, high cost and poor effect in color matching industry. By introducing machine learning method, the system can obtain satisfactory color matching results in continuous evolutionary learning, with high intelligence, high scalability and high precision.
【技术实现步骤摘要】
一种基于大数据学习的涂料配色方法及系统
本专利技术涉及涂料行业中的涂料配色技术,具体涉及一种基于大数据学习的涂料配色方法及系统。
技术介绍
计算机配色通过利用颜色学理论精确地描述色料的颜色属性,能够为具体生产实践提供指导,简化配色过程。计算机配色可以广泛应用于涂料、纺织、成衣和汽车等涉及颜色的行业领域。计算机配色技术始于20世纪30年代,CIE(国际照明委员)创立了三刺激值色度学系统,Hardy成功设计出自动记录式反射率多角度分光光度计;1931年Kubelka-Munk提出光线在不透明介质中被吸收和散射的理论,也就是现时期大多数计算机配色系统的理论基础——Kubelka-Munk理论,简称K-M理论,K-M理论联系了物体的反射率R与吸收系数K和散射系数S的关系,为实现计算机配色奠定了基础。20世纪40年代是计算机配色技术发展时期,由美国氨氰公司的Park和联合王国涂料研究所的Duncann设计完成了最早的配色系统。尽管该系统的配色效率很低,但它的出现标志着实现计算机配色新时代的到来。20世纪50年代是计算机测色配色发展史上一个重要时期。1958年美国安装了由Davidson和Hemnmendinger开发的第一台模拟专用配色计算机,标志着计算机测配色系统的正式建立。20世纪60年代是计算机测色配色的兴起时期。这个时期,E.I.DuPontdeNemours和帝国化工(ICI)相继宣布为客户提供计算机配色服务,使计算机配色蓬勃兴起。目前,在工业发达国家,与着色有关的行业如纺织印染、染料颜料制造业、涂料、塑料着色加工及油墨等行业普遍采用计算机配色系统作为产品 ...
【技术保护点】
1.一种基于大数据学习的涂料配色方法,其特征在于实施步骤包括:1)通过分光光度计检测获取目标色块的反射率R;2)根据目标色块的反射率R计算目标色块的K/S值(K/S),其中K/S值是指吸收系数与散射系数的比值,K为吸收系数,S为散射系数;3)根据目标色块的K/S值(K/S)计算目标色块的三刺激值[X,Y,Z];4)将目标色块的三刺激值[X,Y,Z]输入预先基于大数据学习完成训练的机器学习模型,所述机器学习模型完成训练后包含色块的三刺激值[X,Y,Z]及其对应的配方之间的映射,最终得到目标色块所对应的配方并输出。
【技术特征摘要】
1.一种基于大数据学习的涂料配色方法,其特征在于实施步骤包括:1)通过分光光度计检测获取目标色块的反射率R;2)根据目标色块的反射率R计算目标色块的K/S值(K/S),其中K/S值是指吸收系数与散射系数的比值,K为吸收系数,S为散射系数;3)根据目标色块的K/S值(K/S)计算目标色块的三刺激值[X,Y,Z];4)将目标色块的三刺激值[X,Y,Z]输入预先基于大数据学习完成训练的机器学习模型,所述机器学习模型完成训练后包含色块的三刺激值[X,Y,Z]及其对应的配方之间的映射,最终得到目标色块所对应的配方并输出。2.根据权利要求1所述的基于大数据学习的涂料配色方法,其特征在于,步骤2)中计算目标色块的K/S值的函数表达式如式(1)所示;式(1)中,K/S表示目标色块的K/S值,R表示目标色块的反射率。3.根据权利要求1所述的基于大数据学习的涂料配色方法,其特征在于,步骤3)中计算目标色块的三刺激值[X,Y,Z]的函数表达式如式(2)所示;式(2)中,X,Y,Z表示目标色块的三刺激值,E表示CIE-1931中广谱能量分布常量,表示CIE-XYZ系统中标准色度观察者光谱刺激值X且为一个常量数据,表示CIE-XYZ系统中标准色度观察者光谱刺激值Y且为一个常量数据,表示CIE-XYZ系统中标准色度观察者光谱刺激值Z且为一个常量数据,R表示色块目标的反射率,(K/S)表示目标色块的K/S值,Δλ表示可见光波长范围内的采样的间隔。4.根据权利要求1或2或3所述的基于大数据学习的涂料配色方法,其特征在于,步骤3)中的机器学习模型为支持向量机SVM,且其训练步骤包括:S1)针对100%浓度的色漆获取其覆盖率I并进行分类;S2)初始化不同浓度的n种配方,且每一种配方中不同覆盖率分类的色漆具有不同梯度的浓度取值范围;S3)遍历选择一个配方作为当前配方i;S4)根据当前配方i制作黑白底卡样卡i,通过分光光度计检测获取黑白底卡样卡i的反射率R0,R1,其中R0表示黑底卡上的反射率,R1表示白底卡上的反射率;根据黑白底卡样卡i的反射率R0,R1计算黑白底卡样卡i的反射率Ri,根据黑白底卡样卡i的反射率Ri计算样卡i的K/S值(K/S)i;根据黑白底卡样卡i的K/S值(K/S)i计算器对应的三刺激值[X,Y,Z];S5)将所有配方i的浓度[C0,C1,C2]及其对应的三刺激值[X,Y,Z]建立一一对应关系,并将这些数据分为训练集和...
【专利技术属性】
技术研发人员:吴鹏,洪铁,
申请(专利权)人:魔金真彩网络科技长沙有限公司,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。