颜色混合建模和仿真:优化颜色配方粗纺纤维

文摘

粗梳和成品之间的颜色匹配对纺织工业纤维是一个重要的挑战。混合在一起的简单方法为了获得一些不同颜色的纤维的混合所需的色彩进行试验和错误的方法从一个给定的颜色配方和优化几次。不幸的是,染色过程的梳理过程可能导致粗纺纤维的颜色不同于预期的一个。由于纺织企业必须修改原来的配方以减少最终产品的颜色之间的差距和期望。目前的工作描述一个模型能够模拟纤维的颜色混合,以评估最佳的配方。模型包括两个模块:“预测模块”的色彩混合得到混合在一起几个纤维;一个“优化模块”是用来优化最终配方。设计了系统检测优化配方的一组200混合。预测的平均误差约15%是混合颜色方差为0.165。优化配方的时间减少了92%。

1。背景

生产粗纺纤维通常是由混合在一起的一系列不同的彩色纤维根据公式被称为“配方”。配方是一个列表的百分比的原料混合在一起,以获得一个粗纺纤维与所需的颜色。原料混合使用的机器称为“梳刷的。“通过这台机器,纺织企业生产粗纺纤维(也称为“混合”)的颜色必须与一个由客户提供。主要的问题在于,不同的染色过程可能导致颜色的不同繁殖。因此,使用配方混合原料并不能保证混合的颜色是严格“接近”所需的颜色。这意味着比色和混合的引用之间的距离,测量通过CMC的距离(1,2)不同标准光源下(3),结果也有很大的影响。广为人知,CMC公差系统已经开发的颜色测量委员会协会的技艺和色彩人员在英国,可能被定义为一个修改CIELAB [4)提供更好的视觉评估之间的协议和工具测量颜色的区别。CMC提供的颜色距离公差系统,称为DE CMC距离_CMC由下列方程表示: 在哪里(我) ,,分别是不同的吗,,(5,6两个样本之间的](2) ,,是一个椭球代表的半轴的体积可以接受的颜色。

在纺织领域,通常,和。公式评估,和提供了(7]。

当中央军委距离超过一个阈值,通常设定等于0.8 [8),色彩人员必须改变原来的配方以减少之间的距离比色混合,获得所需的一个。这个阶段是通过试验和错误执行的技术;详细的纺织技术人员进行梳理纤维根据自己的配方是为了获得一个混合。然后通过分光光度计测量混合提供的价值光反射的可见光波长范围(400 - 700海里),10 nm的一步。由此产生的光谱获得使用散射光测量SCE(高光部分除外)模式。扫描是由一个中立的白色背景光源之间使用一个8度角和织物。通常一个零校准用于弥补杂散光的影响由于改变耀斑光学系统的特性。分光光度计的输出通常由31个元素向量代表反射率值和检查粗纺织物的波长。从反射率值,它是简单的评估,,值根据广为人知公式(7]。最后,使用(1)中央军委和获得的混合颜色区别所需的一个评估。如果这些颜色距离小于0.8使用配方色彩人员考虑采用配方为好。否则,五彩画家以实证的方式测试不同配方;这需要进行新的梳理和随后的颜色测试,在一个迭代的过程(图1)。梳理过程持续约40分钟;如果第一个尝试生产混合是不满意,至少另一个四十分钟必须得到一个新的混合(总时间至少80分钟)。

最先进的,许多方法已经描述了部分解决这一关键问题。通常他们是基于Kubelka-Munk理论(9,10],广泛用于描述织物的颜色属性。这些方法一直采用预测混合物的光谱反射率的组件(着色剂)的特征吸收和散射系数。几项研究,tristimulus-matching相关算法基于Stearns-Noechel模型(11)(和它的实现(12- - - - - -14),允许一个一致的预测公式匹配一个给定颜色标准的混合与CMC predyed纤维颜色差异小于0.8。基于Friele配色系统的理论已经发展(15]。人工神经网络(ann)还用于着色剂浓度和光谱反射率之间的映射(16,17]。

目前的工作的主要目的是描述一个模型的自动优化配方用于获取所需的混合(由客户提供)。模型,考虑到所需的混合光谱相对于红光和第一次尝试配方,允许自动检测最好的配方以减少之间的距离获得混合颜色和所需的一个。

评估合适的配方获得所需的混合,提供的研究文献的基础上,前途有限数量的纤维,在大多数情况下,一个特定的颜色可以获得10多个不同颜色的纤维混合在一起。结果,(优秀)结果的理论方法在文献提出可能导致不适合在工业实践。为了克服这些限制,以找到最优配方由任意数量的纤维混合,重要信息用于现在的工作:第一次尝试配方。自公司生产混合从不同的彩色纤维总是使用第一次尝试配方基于自己的专业知识,可以使用此重要信息之前确定最好的一个。详细配方,正如在下一节中所描述的,是用来确定传递函数光谱响应之间的纤维组成的混合和光谱响应等混合得到混合纤维。知识的传递函数允许的光谱响应的预测与任何配方混合得到混合纤维。的基础上预测光谱响应的混合,可以优化配方,以最小化CMC颜色距离所需的混合和获得的一个使用这种最优配方。因此,设计了模型由两个主要模块如图2。第一个模块,称为“预测模块,由一个ANN-based软件能够预测的光谱光度测量的响应任何混合得到混合纤维的数量,一旦第一次尝试食谱。第二模块,称为“优化模块”,由一个软件工具能够识别最好的配方以减少CMC颜色距离参考和预测之间的混合。

模型接收以下数据,输入:(我)所有的纤维组成的光谱光度测量的响应特定的混合,(2)的光谱响应所需的混合(所谓的“参考”),(3)第一次尝试食谱。

模型的输出是最好的食谱获得CMC的混合颜色距离最小化。

模型允许的使用急剧变化过程中所描述的人物2。纺织技术人员处理的纤维梳刷只有一次获得第一次混合。这个操作持续大约40分钟。的光谱响应的混合和原材料组成然后自动处理的设计软件,它提供了最好的食谱。目前的方法包含的主要优势是,整个过程是通过执行一个软件工具,进行可靠的结果在不到30年代。因此配方优化执行与一个巨大的储蓄超过40分钟的时间。换句话说,该方法允许一个强烈减少所需的时间生产粗纺纤维的颜色和承诺一个可靠的配方优化。

自动优化模型的发展是基于以下任务:(我)预测模块的开发,能够预测混合的光谱响应的基础上反射因素的纤维组成,第一次尝试配方(2)发展优化模块,能够找到最好的食谱获得的混合色彩,表达了CMC公差系统,可能是最接近期望的一个。

2。预测模块的开发

让光谱反射率的因素th的粗纺纤维组件构成:。那么,让每个组件的百分比(羊毛、棉花、亚麻、或其他纤维)作曲粗纺纤维。在文学加权平均频谱广为人知可以定义如下2]: 在(2),表明波长,不同范围内(400 - 700海里)。向量的大小和是1×31。

向量被称为“配方”。

现在,让的光谱反射率因子粗纺纤维通过混合组件根据给定的配方。

一般的关系和一般而言,非线性函数如: 因此,一旦传递函数知道,可以评估粗纺布的光谱反射率的因素给定的参数和向量。

“预测模块”旨在确定配方混合的光谱光度测量的响应。换句话说,这种模块确定传递函数对于任何配方。

主要问题是函数只能评估通过一个广泛的实验活动(图3)。

在一些作品,斯登和Noechel方法(7)是用于确定传递函数的值根据以下公式: 如前所述在背景部分,重要的是要强调,该方法大大不同于斯登和Noechel方法,这是一个最有趣的和有效的方法应用于预测转换反射光谱。Stearns-Noechel-based方法估计的光谱光度测量的响应一次混合得到混合不同的已知经验常数m .更详细斯登和Noechel提出实证加法公式函数: 在哪里是一个经验常数0.15发现细羊毛混纺。一些作者提出了一些不同的值为常数根据材料组合的混合(10]。这个常数已经决定通过一些实验测试。然而这个方程只给可靠的结果将由最大5 - 6不同颜色的纤维。描述的方法在目前的工作允许的估计转换光谱不使用一个经验常数。更详细的功能是由使用一个安。该方法适用于混合由超过15组件。显然设计模型还限制对文献方法。虽然Stearns-Noechel基础理论是一个通用的评估预测获得光谱响应的混合(基于知识的常数)建议的方法是当地评估预测的光谱混合得到的任何小变化的食谱首次尝试一次食谱。

而不是计算函数,输入和输出之间的功能联系获得通过一个安软件。首先,数据库能够代表几个染料用于创建创建了混合。更详细的300颜色不同的混合收集。这些数据由于一个广泛的实验活动在2009年进行的色彩人员在公司工作新轧机S.p.A.普拉托,意大利。每个混合是由一定数量的原材料每一个不同的光谱响应的特征。选择混合选择公司的目录。每个是混合颜色的,通常,光谱响应的特征。为th ()混合,可以评估加权平均频谱)根据(2)。然后,这些收集的加权平均光谱作为训练集安。详细的训练数据表示为一个矩阵300年的向量是哪些元素)。

因此,矩阵是由600年列(数量的测试执行)和31行(的反射率值范围400 - 700 nm的步骤10海里) 目标数据包含在一个矩阵由的光谱光度测量的响应粗纺纤维混合原料根据获得的原始配方。安已经设计了利用Matlab神经网络工具箱,特点是以下参数(图4):(我)三层:输入、隐藏和输出层,(2)隐层神经元由物流其次是线性的输出层神经元,(3)31个输入、h隐藏和31个输出单元。输入的数量单位的数量取决于组件组成配方。隐藏的数量单位是不同的从15到30的步骤3单位,使用训练数据监控反应的性能。根据原材料的数量组成纤维的隐藏单元数量允许最优响应变化在21页。

安是使用反向传播算法训练与动量(18]。该算法需要两个参数:学习速率和动量项。动量词是固定在0.74,学习速率是固定在0.1。网络训练5次开始每次随机选择的权重。广为人知,在培训期间,重量和偏见的网络迭代调整网络误差函数最小化。这项工作中所使用的网络误差的均方误差(MSE)记者训练集的元素。这个错误是监控培训过程中培训期间,通常会减少。然而,当网络成为繁殖过度专业化的训练数据,早期停止错误通常会开始上升。当早期停止错误增加指定数量的迭代,停止训练,重量和偏见至少早期停止错误返回。

一旦训练安接受任何向量作为输入并立即计算相应的神经网络输出向量。这意味着安能够执行一个非线性光谱转换的目标预测的光谱光度测量的响应粗纺纤维混合得到的一系列的原材料。安已经有超过600个测试,测试执行到新的工厂实验室。在桌子上1,列出了40个测试的结果。600年整套的测试的主要价值CMC颜色光谱预测因素与实际之间的距离是0.53方差为0.06。为了理解所提供的方法,下面是一个例子。假设你有预测的分光光度计反应混合得到混合在一起10纤维(根据配方)的光谱光度测量的响应是显示在图5(一个)。


测试	CMC预测光谱差异因素和真实的	测试	CMC预测光谱差异因素和真实的

1	0.23	21	0.41
2	0.28	22	0.68
3	0.67	23	0.54
4	0.48	24	0.82
5	0.34	25	0.91
6	0.22	26	0.22
7	0.58	27	0.82
8	0.24	28	0.50
9	0.52	29日	0.36
10	0.67	30.	0.43
11	0.60	31日	0.59
12	0.28	32	0.76
13	0.21	33	0.48
14	0.78	34	0.43
15	0.34	35	0.25
16	0.32	36	0.33
17	0.70	37	0.65
18	0.69	38	0.19
19	0.50	39	0.52
20.	0.65	40	0.41

	的意思是		0.49
	方差		0.04

(一)

(b)

安接收输入,31的光度值响应并给出,在输出,预测光谱光度测量的响应。这个反应是一个预测真正的颜色(光谱光度测量的响应)的混合。预测可能被认为是可靠的,如果CMC颜色之间的距离和小于0.8。在图5b,两个向量之间的比较和提供。在这个例子中,CMC距离等于0.32。

3所示。优化模块的开发

如上所述,基于ANN的模块(预测)是能够预测,在一个可靠的方法,混合的光谱光度测量的响应通过修改配方,鉴于其组件的反射率因子和第一次尝试混合。这个预测光谱响应,通过执行一个安立刻(200毫秒),可能相比(使用CMC颜色距离)的光谱光度测量的响应客户提供一个。因此,配色师可能会执行一个搜索最好的配方试验和错误,允许CMC距离的最小值。

优化模块的主要思想是找到配方的值,输出的基础上提供的优化模块,允许达到的最小值CMC光谱之间的距离因素预测的安和参考的。优化过程的结构如下。

考虑到:(我)光谱光度测量的响应纤维组成的混合物,(2)光谱光度测量的响应混合的引用,(3)原配方向量。

找到的价值最小化目标函数由欧几里得的区别和在哪里与预测模块获得的预测吗受到以下限制(优化问题范围): 这可以解决优化问题使用一个优化算法(19)发展成为优化工具箱在Matlab环境中实现的。在这项工作中,遗传算法(GA)用于最小化目标函数。遗传算法(20.)是由一个随机生成的人口比例健身的50双向量扩展功能和使用“轮盘赌”的选择。代的数量选为阻止标准设置等于500。遗传算法优化的结果是明显的细参数最小化目标函数,也就是说,找到最佳匹配的参考食谱光谱响应的预测。

4所示。图形用户界面

为了帮助色彩人员找到最优配方一个图形用户界面(GUI)已经发展成为Matlab环境。GUI,显示在图6,允许用户设置原始配方和评估一个按钮按下获得预测的混合颜色或最优配方。在图中提供的例子6最优配方允许减少CMC的距离值0.282至0.197的值。此外,该算法实现了几个标准光源D65等TL84, F2。有氯、L-H GUI和碳氢键椭圆也绘制。

5。结果和结论

在目前的工作,一个模型的优化配方,用于创建一个颜色混合。它由两个模块的组合;首先是能够模拟颜色混合,以提供一个可靠的预测的混合光谱的因素,第二可以优化配方,以最小化CMC参考和新的混合之间的距离。系统目前运行的新工厂实验室,允许技术人员状态最好的食谱约40分钟。为了系统的性能状态,效率参数被定义。这个参数是由以下关系: 在哪里(我) (2) CMC参考光谱的因素之间的距离吗的光谱响应混合实现的优化配方,(3) CMC参考光谱的因素之间的距离吗的光谱响应混合实现的试验和错误的技术,(iiii) 之间的比率是所花费的时间(分钟)找到最优配方的试验和错误的方法和所花费的时间找到最优配方通过自动优化模型。

效率参数趋于0如果预测之间的差别色允许通过该方法和“古典”评价很高。参数可能假设值大于1时,自动预测是更好的(或相似的)一个经典的方法获得,但花费的时间寻找最优配方更低。更大的效率参数,更好的优化配方。时间被认为是由技术人员生产的一个重要挑战混合;因此效率参数包含术语在它的配方。设计模型的验证进行了通过模拟一组90混合。在表2列出的一些结果的软件性能。预测的平均误差颜色距离,即中值= 0.14(对应于占14%)的方差为0.16。优化配方的时间减少,平均,90%。效率参数的平均值大约是1.67。


(自动)	德(试行)	时间(自动)(分钟)	时间(试行)(分钟)	(%)	减少加工时间(%)	效率

0.46	0.38	42	96年	17%	128.6%	1.89
0.57	0.61	44	87年	−7%	97.7%	2.12
0.76	0.65	41	110年	14%	168.3%	2.29
0.62	0.64	44	48	−3%	9.1%	1.13
0.77	0.42	42	121年	45%	188.1%	1.57
0.34	0.25	41	42	26%	2.4%	0.75
0.63	0.67	43	90年	−6%	109.3%	2.23
0.62	0.57	42	85年	8%	102.4%	1.86
0.49	0.39	44	60	20%	36.4%	1.09
0.83	0.54	41	80年	35%	95.1%	0
0.56	0.58	46	98年	−4%	113.0%	2.21
0.63	0.64	44	44	−2%	0.0%	1.02
0.29	0.27	40	84年	7%	110.0%	1.96
0.78	0.69	42	112年	12%	166.7%	2.36
0.62	0.59	40	117年	5%	192.5%	2.78
0.47	0.48	42	40	−2%	−4.8%	0.97
0.61	0.63	43	86年	−3%	100.0%	2.07
0.52	0.49	41	110年	6%	168.3%	2.53
0.79	0.81	42	80年	−3%	90.5%	1.95
0.21	0.21	42	40	0%	−4.8%	0.95
0.31	0.18	44	42	42%	−4.5%	0.55
0.45	0.42	41	One hundred.	7%	143.9%	2.28
0.34	0.29	42	80年	15%	90.5%	1.62
0.46	0.38	45	85年	17%	88.9%	1.56
0.57	0.61	42	98年	−7%	133.3%	2.5
0.76	0.65	43	115年	14%	167.4%	2.29
0.62	0.64	41	118年	−3%	187.8%	2.97
0.77	0.42	39	48	45%	23.1%	0.67
0.34	0.25	38	40	26%	5.3%	0.77
0.63	0.67	41	42	−6%	2.4%	1.09

			平均值	14%	90.2%	1.67
			标准的开发。	0.16	0.67	0.74

的平均值200年所有的混合方差为0.165等于14.6。优化配方的时间减少,平均,92%,效率参数的平均值大约是1.64。这种验证表明,该方法适用于一个可靠的、快速、实用的粗纺纤维配方优化。由于这些原因,发达系统实际运行的实验室一个重要纺织公司坐落在普拉托(意大利)。

引用

Y.-K。李和j . m .权力”,比较之间的度量CIELAB和DIN99均匀颜色空间使用牙科树脂复合材料的价值观,“色彩研究与应用没有,卷。31日。3、168 - 173年,2006页。视图:出版商的网站|谷歌学术搜索
Bartolini g、p . BrachiDalla纤维al Tessuto: Il Controllo Qualita2002年,Giunti Editore,佛罗伦萨,意大利。
k·莱昂,d . Mery f . Pedreschi颜色测量和j·利昂。 $l^{*} {一个}^{*} b^{*}$ 从RGB数字图像单位。”食品研究国际,39卷,不。10日,1084 - 1091年,2006页。视图:出版商的网站|谷歌学术搜索
h . Mangine、k .厕所和c·诺尔”初步比较CIE颜色使用平均观察家纺织品颜色可接受性方面的差异,“色彩研究与应用,30卷,不。4、288 - 294年,2005页。视图:出版商的网站|谷歌学术搜索
173年AATCC CMC:计算小颜色差异的可接受性。
r . Furferi和m . Carfagni混色羊毛纱线的比色测量:一个新的光学工具,”工程和应用科学杂志》上5卷,第881 - 877页,2007年。视图:谷歌学术搜索
d . Heggie r·h·Wardman, m·r·罗”色彩的对比差异计算使用CIE94, CMC (l: c)和BFD (l: c)公式,“学会的期刊技艺和色彩人员,卷112,不。10日,264 - 269年,1996页。视图:谷歌学术搜索
a·穆萨·d·杜邦、d . Steen和x曾庆红,“颜色改变纺织转换的结果,”着色技术,卷124,不。4、234 - 242年,2008页。视图:出版商的网站|谷歌学术搜索
d . a . Burlone”效应的纤维颜色的半透明的混合预着色纤维、”纺织研究杂志,60卷,不。3、162 - 167年,1990页。视图:谷歌学术搜索
s . h . Amirshahi和m . t . Pailthorpe”混合算法优化颜色预测”,纺织研究杂志,卷65,不。11日,第637 - 632页,1995年。视图:谷歌学术搜索
依航空母舰和f . Noechel光度法预测颜色羊毛混纺,”美国染料记者,33卷,不。9日,第180 - 177页,1944年。视图:谷歌学术搜索
l . i荣和g·冯”,三色的色彩匹配算法基于Stearns-Noechel precoloured纤维混合模型,”着色技术,卷122,不。2、74 - 81年,2006页。视图:出版商的网站|谷歌学术搜索
b·汤普森和m . j . Hammersley预测混合脱脂羊毛的颜色。”纺织学院杂志》上,卷69,不。1、1 - 7,1978页。视图:谷歌学术搜索
美国z伤势严重,p . l . Grady g . n .模拟和g·l·霍奇“在线颜色监测在连续纺织染色,”ISA事务,35卷,不。1,33-43,1996页。视图:谷歌学术搜索
b . Philips-Invernizzi d·杜邦,c . Caze”制定的彩色纤维混合从Friele的理论模型,”色彩研究与应用,27卷,不。3、191 - 198年,2002页。视图:出版商的网站|谷歌学术搜索
韦斯特兰,l . Iovine和j . m .主教”Kubelka-munk或神经网络计算机着色剂配方吗?“在学报》国际色彩协会第九届国会卷,4421学报学报美国罗切斯特,纽约,2001年6月。视图:出版商的网站|谷歌学术搜索
j . m .主教、m·j·布什内尔和韦斯特兰,”神经网络计算机的应用配方预测,“色彩研究与应用,16卷,不。1,3 - 9,1991页。视图:谷歌学术搜索
诉诉Phansalkar和p . s . Sastry“误差反向传播算法的分析与动力,”IEEE神经网络,5卷,不。3、505 - 506年,1994页。视图:出版商的网站|谷歌学术搜索
r·弗莱彻实用的优化方法约翰·威利& Sons,纽约,纽约,美国,1986年。
d·e·戈德堡遗传算法在搜索、优化和机器学习美国,addison - wesley,阅读,质量,1989年。