【技术实现步骤摘要】
色纺纱配色模型的训练方法、预测方法、设备及存储介质
[0001]本专利技术涉及人工智能
,特别是涉及一种色纺纱配色模型的训练方法
、
预测方法
、
设备及存储介质
。
技术介绍
[0002]色纺纱是将两种或两种以上不同颜色的纤维通过一定比例混合
、
纺纱而形成的混色纱线,呈现色彩自然
、
层次丰富的视觉效果,大大地扩宽了纺织品的色彩世界
。
另一方面,色纺纱采用“先染色
、
后混合纺纱”的工艺,不仅有效解决了不同原料纤维混合纺纱再染色的色泽差异,且与传统工艺相比可减少
1/3
的污水排放,符合纺织业绿色化发展趋势
。
[0003]为生产出与客户来样相同的色纺纱,大多数企业仍然主要依靠人工判断有色纤维的基色种类及配比,通过纤维混色
、
试纺织样
、
目测评价,反复调整才能实现样本的颜色效果再现,存在主观性强
、
效率低
、
浪费大的问题
。
因此,迫切需要解决如何快速准确地获取配色方案以实现预定颜色
。
技术实现思路
[0004]本专利技术提供一种色纺纱配色模型的训练方法
、
预测方法
、
设备及存储介质,能够准确
、
快速地获取配色方案
。
[0005]为解决上述技术问题,本专利技术采用的一个技术方案是:提供一种 ...
【技术保护点】
【技术特征摘要】
1.
一种色纺纱配色模型的训练方法,其特征在于,包括:基于人体视觉感知机制构建所述色纺纱配色模型,所述色纺纱配色模型的网络结构包括输入层
、
隐藏层以及输出层,所述隐藏层包括用于提取颜色特征信息并进行编码处理的第一子层
、
用于对第一子层输出的颜色特征信息进行重组和再编码处理的第二子层以及用于对第二子层的输出进行颜色合成处理以得到颜色感知信息的第三子层;获取包含有色纤维基色种类和配比,以及色纺纱颜色信息的样本数据,以构建数据集;将所述数据集的各样本数据输入所述色纺纱配色模型中,对所述样本数据中的颜色特征信息进行提取以及编码处理,对所述颜色特征信息进行重组和再编码处理,得到颜色混合特征,基于所述颜色混合特征获取颜色感知信息并输出对应的配色方案预测结果,根据所述样本数据和所述预测结果计算损失函数,根据所述样本数据和所述损失函数对所述色纺纱配色模型进行训练,根据训练结果调整模型参数直至所述损失函数收敛至最小,得到目标色纺纱配色模型
。2.
根据权利要求1所述的训练方法,其特征在于,所述第一子层包括分别与输入层连接的第一子模块
、
第二子模块以及第三子模块;所述第二子层包括连接所述第一子模块
、
所述第二子模块的第一混合模块
、
连接所述第一子模块
、
所述第二子模块的第二混合模块
、
连接所述第一子模块
、
所述第二子模块以及所述第三子模块的第三混合模块
、
连接所述第二混合模块
、
所述第三子模块的第四混合模块以及连接所述第三混合模块的第五混合模块;所述第三子层包括连接所述第一混合模块
、
所述第四混合模块的色相饱和度感知模块
、
连接所述第五混合模块的明度感知模块以及连接所述色相饱和度感知模块
、
所述明度感知模块的颜色合成模块
。3.
根据权利要求2所述的训练方法,其特征在于,所述对所述样本数据中的颜色特征信息进行提取以及编码处理包括:基于所述第一子模块对所述样本数据中的颜色特征信息进行提取以及编码处理,获得第一颜色特征信息;基于所述第二子模块对所述样本数据中的颜色特征信息进行提取以及编码处理,获得第二颜色特征信息;基于所述第三子模块对所述样本数据中的颜色特征信息进行提取以及编码处理,获得第三颜色特征信息
。4.
根据权利要求3所述的训练方法,其特征在于,所述对所述颜色特征信息进行重组和再编码处理,得到颜色混合特征包括:基于所述第一混合模块对所述第一颜色特征信息和所述第二颜色特征信息进行重组和再编码处理,得到第一颜色混合特征;基于所述第二混合模块对所述第一颜色特征信息和所述第二颜色特征信息进行重组和再编码处理,得到第二颜色混合特征;基于所述第三混合模块对所述第一颜色特征信息
、
所述第二颜色特征信息以及所述第三颜色特征信息进行重组和再编码处理,得到第三颜色混合特征;基于所述第四混合模块对所述第二颜色混合特征和所述第三颜色特征信息进行重组和再编码处理,得到第四颜色混合特征;基于所述第五混合模块对所述第三颜色混合特征进行重组和再编码处理,得到第五颜
色混...
【专利技术属性】
技术研发人员:王闵,向昊林,袁理,朱兰艳,郭旻,汪晶,熊加琪,
申请(专利权)人:武汉纺织大学,
类型:发明
国别省市:
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。