[发明专利]一种基于修正单常数K-M理论的色纺纱配色方法

说明书

本发明公开了一种基于修正单常数K‑M理论的色纺纱配色方法，包括：步骤(1)、测量目标样的光谱反射率；通过对目标样进行组分分析，确定配制目标样所需的基色纤维种类，测量各组分基色纤维样本的光谱反射率值；步骤(2)：使用光谱反射率的修正函数，对目标样光谱反射率、各组分基色纤维样本的光谱反射率进行映射，分别获得修正函数值；步骤(3)：将获得的光谱反射率的修正函数值带入K‑M函数，分别获得修正的单常数K/S值，并在此基础上构造关于基色纤维配比的目标函数；步骤(4)：求最优配比。本发明提高了单常数Kubelka‑Munk理论的配色精度。

技术领域

本发明属于色纺技术领域，具体涉及一种基于修正单常数K-M理论的色纺纱配色方法。

背景技术

色纺纱是由混色纤维纺制而成的产品，其色彩柔和而饱满、自然而时尚。配色是色纺纱生产的关键技术，即为生产出与客户来样(目标样)相同的色纺纱产品而寻找合适的基色纤维混合配方的过程。

目前，大多数色纺纱企业采用人工配色方法，通过反复试纺打样、目测评价来获取配方，该过程周期长、效率低、浪费大且再现精度差，难以适应快速交货、配色准确的市场要求。为了实现高效、准确的自动配色，国内外已经提出了多个应用于色纺纱领域的配色模型，包括单常数和双常数Kubelka-Munk理论、Stearns-Noechel模型、Friele模型以及基于神经网络的配色模型。其中，只有K-M(Kubelka-Munk)理论是基于光传播行为建模的理论推导模型，其泛化能力强于依赖于训练样本的实验模型。然而，K-M理论是建立在一系列假设的基础之上，与实际的光学行为存在着一定的差距，在实际中发现基色纤维的单常数K/S值与浓度之间不符合线性关系，导致模型的配色精度较差。

发明内容

本发明的目的是提供一种基于修正单常数K-M理论的色纺纱配色方法，以解决上述问题。

本发明提供的技术方案如下：一种基于修正单常数K-M理论的色纺纱配色方法，包括以下步骤：

步骤(1)、测量目标样的光谱反射率，记为R_d；分析目标样的组分，确定配制目标样所需的基色纤维种类，测量各组分基色纤维样本的光谱反射率值，记为R_i(i＝1,2,...m)，m为基色纤维种类数；

步骤(2)：使用光谱反射率的修正函数G(x),对R_d和R_i进行映射，分别获得修正函数值G(R_d)和G(R_i)；修正函数G(x)的公式为：

G(x)＝k₁x+k₂

其中，k1和k2为可变参数；

步骤(3)：将修正函数值G(R_d)和G(R_i)带入K-M函数F(x)＝(1-x)²/2x，分别获得修正的单常数K/S值F[G(R_d)]和F[G(R_i)]；构造关于基色纤维配比的目标函数，基于约束非线性最优化方法最小化目标函数求得最优配比，完成配色。

作为上述技术方案的进一步描述：

所述可变参数k1和k2，是使基色纤维样本修正的单常数K/S值与浓度之间获得最佳线性关系时的值，且满足约束条件k₁+k₂＝1。

作为上述技术方案的进一步描述：

所述步骤(3)中，目标函数记为E(c₁,c₂,...c_m)，公式为：

式中，c_i(i＝1,2,...,m)为第i种基色的配比。