[发明专利]一种实木制品涂料调色方法和系统

说明书

本申请公开了一种实木制品涂料调色方法和系统，方法包括：提取当前木材的特征；根据第一机器学习模型模拟当前输入的涂料配方；根据涂料配方调配计算色差，根据第二机器学习模型进行修正后，输出试图板颜色，指导实木制品的涂装。利用大数据与机器学习的算法，使得计算机掌握涂料调色工人的经验，自动获得涂料调色配方。采集大量数据，将上述海量数据进行不断学习，最终形成木材涂饰后颜色的预测模型，即输入木材素板相关表征数据、涂料配方数据，即可自动生成试涂板颜色预测数据。最后，将试涂板颜色预测数据与标准板颜色表征数据进行对比，最终形成获得标准板颜色的涂料调色配方，指导实木制品的涂装。

技术领域

本申请涉及涂料行业领域，具体而言涉及一种实木制品涂料调色方法和系统。

背景技术

木材具有美丽的纹理和分布不均匀的色彩。不同树种间木材的颜色存在一定的差异；同一树种木材的颜色也因受到心、边材，早、晚材，木材缺陷等因素的影响而具有差异性。为使实木制品显现出木材本身的天然纹理，实木制品涂饰一般选用透明漆，同时，为改变木材本身颜色和遮盖木材的缺陷，需要在油漆中添加红、黄、黑三种颜色的色精进行调色。

在实木制品生产过程中，涂饰工艺已实现机械化和自动化，但是对透明漆的调色还是由人工进行，调色工艺师根据标准板的颜色，凭个人经验在透明漆中施加色精。每一批次生产前，不管是同一树种还是不同树种，都要进行透明漆的调色，效率低，人为因素大，严重影响产品合格率和生产效率。

本发明公开了一种实木制品涂料调色数据模型的构建方法，它的思想是利用大数据与机器学习的算法，使得计算机掌握涂料调色工人的经验，自动获得涂料调色配方。为了获取算法模型的训练数据，在人工涂料调色过程要采集大量数据，包括木材素板相关表征数据、涂料配方数据、试涂板颜色表征数据。通过大数据技术，将上述海量数据进行不断学习，最终形成木材涂饰后颜色的预测模型，即输入木材素板相关表征数据、涂料配方数据，即可自动生成试涂板颜色预测数据。最后，将试涂板颜色预测数据与标准板颜色表征数据进行对比，最终形成获得标准板颜色的涂料调色配方，指导实木制品的涂装。

发明内容

本申请公开了一种实木制品涂料调色方法和系统，通过提取当前木材的特征和模拟当前输入的涂料配方，计算色差后进行颜色修正实现实木制品的涂装。

为达到上述目的，本申请提供了以下方案：

一种实木制品涂料调色数据模型的构建方法，方法包括：

S1、提取当前木材的特征；

S2、根据第一机器学习模型模拟当前输入的涂料配方；

S3、根据涂料配方调配计算色差，根据第二机器学习模型进行修正后，输出试图板颜色，指导实木制品的涂装。

可选的，所述提取当前木材的特征包括：

提取当前木材的木材纹理特征和木材颜色特征。

可选的，所述提取当前木材的木材纹理特征具体包括：

通过中值滤波对采集的木材图像的边缘进行滤波降噪预处理，得到降噪之后的木材图像，采用Gabor特征提取算法对所述降噪之后的木材图像提取纹理特征。

可选的，所述提取当前木材的木材颜色特征具体包括：

获取RGB色彩空间下木材的色彩子空间；

将图片样本像素点映射到RGB色彩空间下；

遍历所有像素点；

生成一个新的立体矩阵，所述立体矩阵即为要提取的当前木材的木材颜色特征。

可选的，所述S2具体包括：

按照涂料配方数据生成目标色块；