一种毛针织纱智能选色拼毛方法技术

本发明专利技术涉及一种毛针织纱智能拼毛方法，包括以下步骤；步骤一、测定毛针织纱来样反射率；采用光谱光度仪测定毛针织纱来样反射率，测试条件要求包含镜面反射，包含波长为400～700nm的反射率完整数据，反射率波长测定间隔0～10nm。

A Method of Intelligent Colour Selection and Wool Matching for Wool Knitting Yarn

The invention relates to an intelligent wool blending method for wool knitting yarn, which includes the following steps: first, measuring the sample reflectivity of wool knitting yarn; using spectrophotometer to measure the sample reflectivity of wool knitting yarn, the test condition requires that the sample reflectivity includes complete data of reflectivity with wavelength ranging from 400 to 700 nm, and the measurement interval of reflectivity wavelength is 0 to 10 nm.

【技术实现步骤摘要】
一种毛针织纱智能选色拼毛方法
本专利技术涉及一种毛针织纱智能选色拼毛方法，属于纺织配色

技术介绍
在毛针织产品中，散纤维或者毛条先染色后混色的品种越来越多，这种混色品种纱由2种或2种以上的不同颜色、相同或不同的纤维所组成。在混色毛针织纱的生产加工过程中，拼毛是其最关键的生产环节。“拼毛”就是将已染色的不同颜色毛条或者散毛纤维相互搭配，达到所需要的颜色和风格。现有技术一般为工厂里的拼毛人员依靠经验和反复试纺来配色，或者依靠计算机的排列组合方法，穷举所有的可能，往往给出很多配方，根本无法快速精确识别出其真实色，所以生产周期长、生产效率低，难以适应“小批量、多品种、快交货”的市场需求。支持向量机(SVM)模型作为一种已经成熟的识别模型在多个领域都有大量应用，其原理如下：支持向量机(SVM)主要通过支持向量对不同类别样本进行分类决策。其决策依据主要通过非线性核函数算法寻找一个最优分类面(OptimalHyper-plane)，使其两侧样本的分类间隔(Margin)最大。因此SVM算法本身是一种二值分类方法，即不属于这类就属于另外一类的关系。其算法内核为一个对称函数φ映射k:X×X→F，因此对于所有的xi和x，都有k(xi,x)＝{φ(xi),φ(x)}，将输入空间X转化到特征空间F。但其在色纺纱领域的运用处于起步阶段，例如中国公开了一种基于最小二乘支持向量机的色纺纱配色的专利技术，申请号为CN201710188008.9，在该专利中提到将SVM模型运用至色纺纱配色，其主要技术是将标准样的反射率和对应比例关系作为训练样本用于训练SVM模型，通过训练好的SVM模型可以直接得到预测的配方的组成色及比例，存在的明显不足有：(1)该方法用最小二乘支持向量机直接计算比例，建立的是标准样的反射率和对应比例的关系，而SVM模型是一个分类技术，用于按比例分类，相当于一个比例就是一个分类，要有应用价值，必须穷举所有的组成方案和比例作为训练样本，训练样本量太大，可行性并不高；(2)该专利技术同时要求目标样就是由该基准色组成的样本，例如专利中的训练中的标准样，能预报较接近的比例。而实际应用时目标色通常不是由基准色样组成，对未知基准色样的样本缺乏泛化性能。
技术实现思路
本专利技术的目的是为了克服以上问题，提供一种能快速精确配色的毛针织纱智能选色拼毛方法，模拟人工配色中人眼对颜色的经验识别能力，无需穷举所有的组成方案和比例作为训练样本，可减少训练样本量，实现智能配色，本专利技术采用支持向量机(SVM)进行组成单色识别，然后在此基础上进行配色，对未知基准色样的样本具有泛化性能，提高配色效果的符合率。本专利技术的毛针织纱智能选色拼毛方法，包括以下步骤；步骤一、测定毛针织纱来样反射率：采用光谱光度仪测定，毛针织纱来样反射率，测试条件要求包含镜面反射，包含波长为400～700nm的完整数据，反射率波长测定间隔0～10nm；步骤二、SVM识别组成色；先对SVM模型进行训练，将已知颜色组成配方的毛针织纱样品定义为标准样并进行反射率测定，将采集得到的标准样反射率数据进行数据预处理得到特征向量第一数据集，将特征向量第一数据集分为支持向量机模型训练用的训练集和验证集；将采集的来样反射率数据进行数据预处理，预处理形成特征向量第二数据集；对特征向量第二数据集用训练好的SVM模型进行识别，获得来样毛针织纱的组成色的颜色构成；步骤三、运用三刺激值匹配算法或全光谱配色算法计算毛针织纱各组成色的最佳组合比例，即根据步骤二获得的毛针织纱来样组成色得到各组成色的单色反射率，运用单色反射率对步骤一测得的来样反射率进行计算，得到拼毛配方。上述选色拼毛方法，其中，所述SVM模型类型选用为C-SVC，采用RBF核函数，惩罚系数C为3，核函数参数γ为0.0323，RBF核函数公式(1)如下，K(xi，x)＝exp(-γ||xi-x||2)，γ>0……公式(1)。上述选色拼毛方法，其中，所述SVM模型采用将多分类识别转化为二分类识别，其步骤如下，1)识别y1时，含y1为一类，其余y2…ym为一类，判定是否有y1；2)识别y2时，含y2为一类，y1，y3…ym视为一类，判定是否有y2；……m)识别ym时，含ym为一类，y1…ym-1视为一类，判定是否有ym；这样可将多分类识别公式(2)的多个输出方程转化为二分类识别公式(3)的单个输出，f(xi)＝{y1,y2,…ym}，xi＝{x1,x2,…,xl}，y＝±1，i＝1，…，n………公式(2)；f(xi)＝yj，xi＝{x1,x2,…,xl}，yj＝±1，j＝1，…，m，…………公式(3)式中n为样品总个数，m为构成颜色总数，l为输入数据的维数，公式(2)表明，输入xi为l维数据，输出为{y1,y2,…ym}，+1表示含有，-1表示不含，公式(3)表示每一次输出结果对应某一单个颜色存在与否的判断，如果单色库中有m种颜色，则计算m次后，得到该输入色纺纱xi的颜色组成。上述选色拼毛方法，其中，特征在于，所述数据预处理采用先将反射率扩大100倍，然后在此基础上联合L*a*b*值使用，形成x＝[100*R(λ1),100*R(λ2)，…,100*R(λn),L*,a*,b*]T，其中R(λn)代表λn时的反射率值，n值由反射率波长测定间隔决定，间隔为10时，n值为31；L*，a*，b*为CIE1976LAB值，由R(λ)根据CIELAB公式计算得到。上述选色拼毛方法，其中，所述步骤三还包括混色反射率模型，混色反射率模型满足以下两关系式：其中：Rs(λ)表示波长为λ时毛针织纱来样的反射率，Ri(λ)表示波长为λ时i组分单色的反射率，αi表示i组分单色所占的质量比例，M为模型参数，根据毛纱的类型、纱支数调整。与现有技术相比，本专利技术的积极效果为：本专利技术的突出优点在于构建了基于支持向量机的组成色识别模型，对组成色预先进行识别，缩小选色范围，减少了计算量，提高纱线效果的符合率，与传统人工配色方法以及先前的计算机配色方法相比，具有速度快，配色准确率高，操作简单方便，效率高。附图说明图1为本专利技术智能选色拼毛的流程图。图2为本专利技术SVM识别组成色的流程图。图3为本专利技术SVM识别模型的体系结构图。图4为本专利技术HY-70291配方预报结果图。图5为本专利技术5M0040配方预报结果图。图6为本专利技术HY-65511配方预报结果图。图7为未经SVM识别的HY-65511配方预报结果图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。实施本专利技术的智能选色拼毛方法需要硬件部分和软件部分。其中，硬件部分主要包括光谱光度仪和计算机；软件部分主要为来样反射率获取、SVM识别和配色运算程序。其工作原理：如图1所示，通过光谱光度仪测定来样反射率作为数据输入端，用训练过的SVM对预处理过的来样反射率数据进行组成色识别，用识别的组成色，结合混色模型，对来样色反射率进行全光谱和三刺激值匹配运算，输出配方。本实施例详细步骤如下，步骤一、反射率的测定；反射率测定：由Datacolor850光谱光度仪采集，测试条件为D65光源、10°视场、20mm孔径，选择波长范围400-700nm，间隔10nm。步骤二、支持向量机(SVM)识别组成色；①SVM的训练；数据：从样卡中选取了100本文档来自技高网...

【技术保护点】
1.一种毛针织纱智能选色拼毛方法，其特征在于，包括以下步骤；步骤一、测定毛针织纱来样反射率；采用光谱光度仪测定毛针织纱来样反射率，测试条件要求包含镜面反射，包含波长为400～700nm的反射率完整数据，反射率波长测定间隔0～10nm；步骤二、支持向量机识别组成色；先对支持向量机模型进行训练，将已知颜色组成配方的毛针织纱样品定义为标准样并进行反射率测定，将采集得到的标准样反射率数据进行数据预处理得到特征向量第一数据集，将特征向量第一数据集分为支持向量机模型训练用的训练集和验证集；将采集的毛针织纱来样反射率数据进行数据预处理，预处理形成特征向量第二数据集；对特征向量第二数据集用训练好的支持向量机模型进行识别，获得毛针织纱来样的组成色的颜色构成；步骤三、运用三刺激值匹配算法或全光谱配色算法计算毛针织纱各组成色的最佳组合比例，即根据步骤二获得的毛针织纱来样组成色得到各组成色的单色反射率，运用单色反射率对步骤一测得的毛针织纱来样反射率进行计算，得到拼毛配方。

【技术特征摘要】
1.一种毛针织纱智能选色拼毛方法，其特征在于，包括以下步骤；步骤一、测定毛针织纱来样反射率；采用光谱光度仪测定毛针织纱来样反射率，测试条件要求包含镜面反射，包含波长为400～700nm的反射率完整数据，反射率波长测定间隔0～10nm；步骤二、支持向量机识别组成色；先对支持向量机模型进行训练，将已知颜色组成配方的毛针织纱样品定义为标准样并进行反射率测定，将采集得到的标准样反射率数据进行数据预处理得到特征向量第一数据集，将特征向量第一数据集分为支持向量机模型训练用的训练集和验证集；将采集的毛针织纱来样反射率数据进行数据预处理，预处理形成特征向量第二数据集；对特征向量第二数据集用训练好的支持向量机模型进行识别，获得毛针织纱来样的组成色的颜色构成；步骤三、运用三刺激值匹配算法或全光谱配色算法计算毛针织纱各组成色的最佳组合比例，即根据步骤二获得的毛针织纱来样组成色得到各组成色的单色反射率，运用单色反射率对步骤一测得的毛针织纱来样反射率进行计算，得到拼毛配方。2.如权利要求1所述的一种毛针织纱智能选色拼毛方法，其特征在于，所述支持向量机模型类型为C-SVC，采用RBF核函数，惩罚系数C为3，核函数参数γ为0.0323，RBF核函数公式(1)如下；K(xi，x)＝exp(-γ||xi-x||2)，γ>0………公式(1)。3.如权利要求1所述的一种毛针织纱智能选色拼毛方法，其特征在于，所述支持向量机模型采用将多分类识别转化为二分类识别的方法，其步骤如下；1)识别y1时，含y1为一类，其余y2…ym为一类，判定是否有y1；2)识别y2时，含y2为一类，y1，y3…ym视为一...

【专利技术属性】
技术研发人员：沈加加，何铠君，杨颖，张弛，徐国华，
申请(专利权)人：嘉兴学院，
类型：发明
国别省市：浙江,33