一种基于数据驱动的纺织印染智能配色方法技术

一种基于数据驱动的纺织印染智能配色方法，属于纺织印染技术领域。包括两大部分：第一部分，处理原始印染数据，得到不同染料名集合；根据集合对各个染料构建决策树模型，以目标色样的LAB值作为模型输入值，得出预测信息：配方中是否需要当前染料；最终得出配方所需的染料名集合；第二部分，处理原始印染数据，得到不同的配方集合；选取结果一致的数据集作为训练数据，构建非线性回归模型，以目标色样的LAB值作为模型输入值，计算各类染料所需的比例值。本发明专利技术提供的方法围绕机器学习中的有监督学习，设计一种基于非线性回归与决策树模型相结合的算法预测目标色样的所需配方，并建立二次回归误差修正模型，提高染料预测值的稳定性与准确度。确度。确度。

【技术实现步骤摘要】
一种基于数据驱动的纺织印染智能配色方法


[0001]本专利技术属于纺织印染
，尤其涉及一种基于数据驱动的纺织印染智能配色方法。

技术介绍

[0002]纺织业在我国经济中占有巨大的市场，而织物印染技术是纺织行业技术发展的关键之一。近年来，随着电子技术，计算机技术以及数学、物理等学科的发展，自动化配色开始出现在纺织品配色领域，其高精度、高效率的特性为印染配色带来巨大的发展空间。传统的计算机配色系统为围绕配色基本理论：三刺激值理论与色料混合理论。现有自动配色方法利用直接对大量实验数据进行数值分析，进而得出目标色样特征值与各染料用量的关系。例如使用多元线性回归，建立染料质量浓度与颜色特征的多元回归模型；利用BP神经网络训练模型，进行配方预测等。随着织物印染技术的进一步发展，需要更加稳定与准确的方法，提高染料预测值的精度。

技术实现思路

[0003]本专利技术的目的是提供一种基于数据驱动的纺织印染智能配色方法，能够更加稳定与准确的提高染料预测值精度。
[0004]一种基于数据驱动的纺织印染智能配色方法，包括以下步骤：
...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的纺织印染智能配色方法，其特征在于，包括以下步骤：步骤S1：预测配方所需染料集合：处理原始印染数据，得到不同染料名集合；根据集合对各个染料构建决策树模型，以目标色样的LAB值作为模型输入值，得出预测信息：配方中是否需要当前染料；最终得出配方所需的染料名集合；步骤S2：预测配方中各染料比例值：处理原始印染数据，得到不同的配方集合；选取与步骤1中结果一致的数据集作为训练数据，构建非线性回归模型，以目标色样的LAB值作为模型输入值，计算各类染料所需的比例值。2.根据权利要求1所述的基于数据驱动的纺织印染智能配色方法，其特征在于上述步骤S1包括如下步骤：步骤S1.1：处理原始印染数据，将不同的染料名称标志存储为列表；步骤S1.2：遍历染料列表，针对不同染料与相应数据，进行决策树模型训练、保存与使用；步骤S1.3：最终形成配方所需染料集合dyeList。3.根据权利要求2所述的基于数据驱动的纺织印染智能配色方法，其特征在于上述步骤S1.2包括如下步骤：步骤S1.2.1：定义标签数组label[]；步骤S1.2.2：准备训练数据：遍历原始印染数据，提取第i条数据，即一个配方中所需染料集合，若存在当前染料，则将label[i]置为1，否则置为0，得到一个与原始印染数据对应的label数组；最终得到训练数据：将配色结果色样的LAB值作为特征值，label数组作为目标值；步骤S1.2.3：选取决策树最大深度参数(max_depth)：使用DecisionTreeClassifier构造决策树模型，选取entropy作为模型criterion参数；遍历1
‑
10间的整数，以模型得分score为评判标准，选取使score最高的数作为max_depth参数；步骤S1.2.4：训练决策树模型：根据步骤S1.2.3中所得最大深度参数max_depth，使用训练数据构建决策树模型；步骤S1.2.5：将当前决策树模型序列化，存储为pkl格式的文件；步骤S1.2.6：将输入的目标色样LAB值作为预测特征，模型自动判断是否需要当前染料。4.根据权利要求3所述的基于数据驱动的纺织印染智能配色方法，其特征在于上述步骤S2包括如下步骤：步骤S2.1：准备训练数据：依据步骤1所得配方所需染料集合dyeList，读取对应存储该配方数据的文件，将配色结果色样的Lab值作为特征值，当前染料对应所需比例值作为目标值；步骤S2.2：...

【专利技术属性】
技术研发人员：李锋，陈彩婷，方秀，
申请(专利权)人：东华大学，
类型：发明
国别省市：