【摘要】：織物配色是印染領(lǐng)域至關(guān)重要的一個環(huán)節(jié),配色的精度決定了印染產(chǎn)品最終的質(zhì)量。目前,紡織印染領(lǐng)域主要利用織物的三刺激值來進(jìn)行配方的智能預(yù)測,該方法無法解決配色過程中出現(xiàn)的同色異譜問題。高光譜成像系統(tǒng)可以獲得織物的光譜信息和位置信息,為實現(xiàn)織物全光譜配色和勻染性評價提供了可能�；诖�,本文提出了一種基于高光譜測色的織物染色配方智能預(yù)測方案,旨在利用高光譜采集的豐富光譜信息實現(xiàn)對織物配方的準(zhǔn)確預(yù)測。該方案不僅避免了三刺激值進(jìn)行織物配色時可能出現(xiàn)的同色異譜問題,而且也能降低不均勻染色樣品對配方預(yù)測準(zhǔn)確性的影響。本文主要研究內(nèi)容如下:1.研究了基于高光譜測色的織物配色理論。研究KUBELKA-MUNK雙常數(shù)理論,提出了基于高光譜測色的織物配色方法,在原理上證明了基于高光譜配色的正確性,為配方預(yù)測模型的建立提供理論基礎(chǔ)。2.設(shè)計并完成了染色測色實驗。設(shè)計了染色實驗和測色實驗,獲得了323塊勻染和20塊非勻染的樣品織物。染色實驗主要包括染色布料選取、染料選取、染色儀器選取、染色工藝設(shè)計和染料配方設(shè)計等內(nèi)容。在高光譜成像系統(tǒng)上測量了343塊樣品織物,獲取了樣品織物的反射率光譜圖像。3.研究了基于改進(jìn)深層神經(jīng)網(wǎng)絡(luò)的織物反射率-配方預(yù)測模型。利用深層神經(jīng)網(wǎng)絡(luò)的原理,提出了深層神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法。利用采集的323塊勻染織物的反射率光譜信息建立了基于該算法的反射率-配方預(yù)測模型。測試組的預(yù)測結(jié)果表明:本文提出基于深層神經(jīng)網(wǎng)絡(luò)改進(jìn)算法的模型預(yù)測值與真實值最大絕對誤差在0.02以內(nèi)。4.研究了基于改進(jìn)循環(huán)神經(jīng)網(wǎng)絡(luò)的織物反射率-配方預(yù)測模型以及基于區(qū)域相關(guān)算法的非勻染織物反射率提取方法。利用殘差網(wǎng)絡(luò)塊和多任務(wù)學(xué)習(xí)的原理改進(jìn)了循環(huán)神經(jīng)網(wǎng)絡(luò),利用323塊勻染織物的反射率光譜信息建立了該算法的反射率-配方預(yù)測模型。提出了區(qū)域相關(guān)算法,完成對非勻染織物反射率光譜的提取。針對非勻染織物樣本進(jìn)行了模型和算法測試,對比了使用區(qū)域相關(guān)算法和不使用該算法兩種情況。實驗結(jié)果表明:本文提出基于區(qū)域相關(guān)算法的非勻染織物反射率提取方法和改進(jìn)循環(huán)神經(jīng)網(wǎng)絡(luò)的織物反射率-配方預(yù)測模型可實現(xiàn)配方預(yù)測值與真實值的最大誤差在0.004以內(nèi)。
【圖文】：

圖 1.1 高光譜圖像立方體 圖 1.2 光譜圖像立方體本實驗室課題組在前期研究[7,24]中，分別利用 DataColor 650 和 高光譜成像系統(tǒng)對織物進(jìn)行色差測量，其中 12 對淺色單色織物和 3 對深色單色織物。實驗結(jié)果表明：淺色織物，兩種儀器測出的色差值是非常接近的；對于深色織物，高光譜成像系統(tǒng)測準(zhǔn)樣和批次樣的色差值明顯大于 DataColor 650 測出的色差值。實驗結(jié)果表明高光譜成統(tǒng)對深色織物具有更好的鑒別能力。.2.3 織物智能配色方法的國內(nèi)外研究概況（1）國外智能配色方法的研究概況顏色的智能配色[25]是很多科研人員一直研究的熱點方向。1931 年 CIE 定義標(biāo)準(zhǔn)觀、標(biāo)準(zhǔn)照明體及三刺激系統(tǒng)等顏色標(biāo)準(zhǔn)后，美國通用電器公司的 Hardly 發(fā)明了記錄式光度計進(jìn)行顏色測量。1939 年美國的 KUBELKA 和 MUNK 提出了著名UBELKA-MUNK 理論[25-27]。KUBELKA-MUNK 理論已經(jīng)成為配色理論的基礎(chǔ)，很多

圖 1.1 高光譜圖像立方體 圖 1.2 光譜圖像立方體本實驗室課題組在前期研究[7,24]中，，分別利用 DataColor 650 和 高光譜成像系統(tǒng)對織物進(jìn)行色差測量，其中 12 對淺色單色織物和 3 對深色單色織物。實驗結(jié)果表明：淺色織物，兩種儀器測出的色差值是非常接近的；對于深色織物，高光譜成像系統(tǒng)測準(zhǔn)樣和批次樣的色差值明顯大于 DataColor 650 測出的色差值。實驗結(jié)果表明高光譜成統(tǒng)對深色織物具有更好的鑒別能力。.2.3 織物智能配色方法的國內(nèi)外研究概況（1）國外智能配色方法的研究概況顏色的智能配色[25]是很多科研人員一直研究的熱點方向。1931 年 CIE 定義標(biāo)準(zhǔn)觀、標(biāo)準(zhǔn)照明體及三刺激系統(tǒng)等顏色標(biāo)準(zhǔn)后，美國通用電器公司的 Hardly 發(fā)明了記錄式光度計進(jìn)行顏色測量。1939 年美國的 KUBELKA 和 MUNK 提出了著名UBELKA-MUNK 理論[25-27]。KUBELKA-MUNK 理論已經(jīng)成為配色理論的基礎(chǔ)，很多
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP183;TS193.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王斌;;基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測觀察[J];種子科技;2017年04期

2 陳綾鋼;呂靖芳;;高光譜圖像技術(shù)在農(nóng)產(chǎn)品監(jiān)測中的應(yīng)用進(jìn)展[J];北京農(nóng)業(yè);2016年01期

3 朱貞映;袁建;何榮;;糧油中高光譜圖像技術(shù)的應(yīng)用現(xiàn)狀[J];糧食與飼料工業(yè);2016年09期

4 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測中的研究進(jìn)展[J];食品研究與開發(fā);2013年10期

5 劉遵雄;蔣中慧;任行樂;;基于核方法協(xié)同表示的高光譜圖像分類[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2019年05期

6 葉珍;白t

本文編號：2708663