神經網絡技術在印染配色中的應用研究.pdf

1、印染產品的色澤對產品的品質具有極其重要的影響，但在許多印染企業(yè)配色技術嚴重依賴配色技師的人工經驗，配色品質不能穩(wěn)定的得到保證。當前市場對印染產品的需求也變得更傾向于為小批量、快交付。這些變化大大增加了印染企業(yè)的配色環(huán)節(jié)工作量和成本，印染企業(yè)迫切需要使用更高效可靠的計算機配色方法來應對市場的變化。
　　傳統(tǒng)的計算機配色方法多是基于Kubelka-Munk單常數(shù)理論的三刺激值配色法，此方法需要在使用前制備坯布在單只染料各檔濃度下染得的

2、光學數(shù)據庫，在假定染料混合時互不影響的情況下，通過固定公式計算得到配方。這個過程耗時過久且通用性不足，加之染料混合之間關系復雜，傳統(tǒng)配色方法難以滿足目前對織物染色中配色的要求，印染行業(yè)需要新的高效簡潔的配色方法。
　　BP神經網絡具有良好的非線性映射能力，能夠通過對教師樣本的學習而后映射出配色處方與其所染得的織物的光學值之間的復雜非線性關系。本文首先比較分析了現(xiàn)有計算機配色方法的原理及特點，提出了新的利用BP神經網絡實現(xiàn)配色處方預

3、測的方法。接著介紹了BP神經網絡的原理和運行機制，從理論上分析了其優(yōu)點和缺點，并針對BP算法易陷入局部極值的固有缺陷提出使用遺傳算法進行優(yōu)化。在建立神經網絡模型的過程中介紹了與配色相關的顏色視覺和顏色計量相關知識，解決了在計算機配色中顏色如何表征的問題，然后利用經驗公式并在考慮實際應用的情況下推算出所需教師樣本數(shù)，并指出采集樣本時盡量減小樣本噪音的原則，再后利用經驗公式和實驗相結合的辦法確定神經網絡的結構。第四章先介紹了遺傳算法的原理，

4、并利用該算法來確定神經網絡的初始權值、閥值和學習速率，該方法減少了神經網絡開始運行時相關參數(shù)的隨機性，有利于神經網絡收斂速度變快、提高預測能力，進而得出更好的預測值。最后利用測得的教師樣本集，分別對多種神經網絡進行了實驗，實驗結果表明了此遺傳算法優(yōu)化的BP神經網絡算法在計算機配色方法中的有效性和可靠性，對比BP神經網絡的實驗數(shù)據也表明其收斂速度和配色處方預測能力優(yōu)于BP神經網絡。此配色方法解決了傳統(tǒng)計算機配色方法中需要單獨制作龐大基礎色