混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法技术

本发明专利技术公开了混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，包括步骤1：测量异种材质单色纤维与异种混纺纤维的真实光谱反射率R<subgt;act,λ</subgt;，并由KM反射公式转化为(K/S)<subgt;act,λ</subgt;；步骤2：根据单常数KM模型，由上述单色纤维的K/S值计算异种混纺纤维的理论值(K/S)<subgt;mix,λ</subgt;；最后，由非线性光谱校正方程校正异种混纤理论值(K/S)<subgt;mix,λ</subgt;并转化成预测R<subgt;pre,λ</subgt;，用以计算Lab值完成颜色预测和评价。该方法提高了单常数Kubelka‑Munk模型对异种混纺纤维颜色预测的准确性，使其准确性远高于其他颜色预测模型，可适用于由化纤、羊毛、棉、涤纶等两种及两种以上纤维构成的异种或纯种色纺、色织混纺纤维、纱线或织物。

【技术实现步骤摘要】

【】本专利技术涉及一种适用于异种材质色纤维混纺颜色预测的单常数kubelka-munk理论的彩色-非彩色组合式非线性光谱校正方法，尤其是涉及一种由少量混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，可适用于棉、羊毛、化纤等两种及两种以上纤维构成的异种或纯种色纺、色织混纺纤维、纱线或织物。

技术介绍

0、
技术介绍

1、异种混纺纱是由两种或两种以上不同种类的有色纤维混和纺制而成，色彩丰富、有立体朦胧感，因其先染后纺的加工工艺，具有节能、减排、环保等显著优势。因此，异种混纺纱的纤维混比成为混色产品生产的关键。但是，因颜色理论模型精度不高、适用性不强，企业仍多采用人工配色，具有速度慢、效率低、依赖人眼识别及打样师的技术经验等缺点，造成制样周期长、生产成本高等问题，亟需有效的颜色预测模型以实现高效的数字化配色生产。

2、目前，颜色预测模型主要有经验模型(stearns-noechel(s-n)模型和friele模型)和理论模型两种(单、双常数kubelka-munk(km)理论)。s-n和friele模型均属于基于混色反射率加和理论的本文档来自技高网...

【技术保护点】

1.一种混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：包括如下步骤：

2.如权利要求1所述的混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：在所述步骤1中，在异种混纺纤维样品测色时，所用纤维质量为2g～10g的优选值，保证纤维堆砌密度固定且平行排列。

3.如权利要求1所述的混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：在所述步骤1中，颜色反射率的测量的λ波长范围为380～700nm，波长间隔为10nm。

4.如权利要求1所述的混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：在所述步骤1...

【技术特征摘要】

1.一种混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：包括如下步骤：

2.如权利要求1所述的混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：在所述步骤1中，在异种混纺纤维样品测色时，所用纤维质量为2g～10g的优选值，保证纤维堆砌密度固定且平行排列。

3.如权利要求1所述的混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：在所述步骤1中，颜色反射率的测量的λ波长范围为380～700nm，波长间隔为10nm。

4.如权利要求1所述的混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：在所述步骤1中，通过异种材质单色纤维制备不同比例及组分的异种混纺纤维，测量单色纤维与异种混纺纤维的真实光谱反射率，并根据kubelka-munk反射公式(1)将其转化为真实(k/s)act,λ。

5.如权利要求1所述的混纤训练的彩色和非彩色纤维组合式非线性光谱校正方法，其特征在于：所述红、黄、蓝、白、黑...

【专利技术属性】
技术研发人员：吴美琴，孙新烨，刘寰宇，时念毅，张冰燕，张毅，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：