[发明专利]一种基于机器学习的涂料修色方法及系统

摘要

本发明公开了一种基于机器学习的涂料修色方法及系统，本发明实施步骤包括预先建立基础样卡并基于机器学习模型训练完成配方浓度到三刺激值的映射；获取目标色块的反射率并计算其三刺激值、输入机器学习模型得到当前的配方结果；根据当前的配方结果做出小样并测算色差，如果色差大于预设阈值，则获取小样的三刺激值输入机器学习模型得到新的配方结果，根据当前的配方结果、新的配方结果计算出新的修正后的配方结果作为新的当前的配方结果。本发明能够有效解决涂料修色行业中存在的耗时长、成本高和效果差的问题，通过引入机器学习的方法，使得系统在不断进化学习中获得满意的修色结果，具有高智能、高可扩展性和高精度的优点。

主权项

1.一种基于机器学习的涂料修色方法，其特征在于实施步骤包括：1)预先建立基础样卡，并基于机器学习模型训练完成基础样卡的配方浓度C[C1,C2,C3]到三刺激值[X,Y,Z]的映射；当需要针对目标色块进行涂料修色时跳转执行下一步；2)获取目标色块的反射率Rt并计算其三刺激值[X,Y,Z]，将计算得到的三刺激值[X,Y,Z]输入机器学习模型得到当前的配方结果；3)根据当前的配方结果做出小样并利用分光光度计对其进行色差测算得到其色差△E；4)判断色差△E是否大于预设阈值，如果大于预设阈值，则获取当前的配方结果做出的小样的反射率Rs，根据反射率Rs计算其三刺激值[X,Y,Z]，将计算得到的三刺激值[X,Y,Z]输入机器学习模型得到新的配方结果，根据当前的配方结果、新的配方结果计算出新的修正后的配方结果作为新的当前的配方结果，跳转执行步骤2)；否则，判定当前的配方结果不需要修色，结束并退出。