基于Friele模型的色纺纱光谱配色研究

色纺纱的配色是纺织颜色领域有待解决的一个课题。文中详细介绍了基于Friele模型的色纺纱计算机光谱配色原理,优化了Friele模型参数σ,获得的羊毛色纺纱参数σ为0.093,棉色纺纱参数σ为0.128,并介绍了色纺纱计算机配色的算法流程。同时,利用自行开发的配色软件进行了配色实践。结果表明,色差不是评估色纺纱配色准确性的唯一指标,色纺纱配色中还存在"同谱异色"问题,目前主要依靠经验辨别。文中的研究为色纺纱计算机配色理论的发展奠定了一些研究基础。     

基于光谱反射率的色纺纱计算机修色算法

为提高色纺企业配色打样效率和配色效果,以Friele光学模型为基础,结合全光谱匹配配色算法,以某色纺企业的实际生产为例探讨色纺纱的计算机修色算法。首先随机确定21个混色标准样,分别从现有的80种单色棉纤维中选择2~4种计算拟合配比并打样,测得21组样纱的实际色差均值为2.36。将拟合配比进行赋值循环以计算标准样与仿样的反射率偏差最小时的配比调整量,用以修正拟合配比,并再次打样验证。结果表明:拟合配比第1次修正后实际色差均值为1.215,其中最小色差为0.59;经第2次配比修正后,实际仿样与标准样的色差均值减小到0.67,且每组色差均小于1,即所设计的修色算法精确度较高,且适用于企业实际生产。     

和声算法在色纺纱智能配色中的应用

针对现有色纺纱智能配色收敛速度慢、配色运算次数多的缺点,提出一种基于和声算法的智能配色方案。该方法利用Stearns-Noechel修正模型,将和声算法应用于对色纺纱的全光谱匹配运算。并给出了实验混色配方数据及运算速度对比数据。实验数据表明,和声算法可以使色纺纱智能配色的收敛速度变快、减少运算次数,从而提高了配色方案的搜索效率,有利于实际计算机打样。     

纯棉色纺纱配色中的Stearns-Noechel模型参数优化

为实现棉色纺纱更精准的配色,以色纺纱配色中常用的光学 Stearns-Noechel 模型为基础,采用青、品红、黄、黑、白5种颜色的棉纤维,按照不同组合方式不同混合比例进行纺纱制样,并利用分光光度仪测量光谱反射率值。针对 Stearns-Noechel 模型中的待定参数,结合数理统计分析法进行优化,得到3个新的修正模型。结果表明,将颜色分为非彩色和彩色系列研究,所得到的参数值更加合理,对应的修正模型在配方预测上更加精确,利用该模型得到的预测样与标准样之间的色差在3个修正模型中最小,总平均色差0.75 (CMC(2:1)),可满足棉纤维配色中的色差要求。     

应用改进Stearns-Noeche模型的色纺纱配色技术

针对传统的人工配色繁复、效率低而现有的计算机配色修色算法不能满足生产实践需求的问题,在MatLab软件中开发出了一套计算机辅助色纺纱配色系统,并对该系统中的配色模块和修色模块进行了改进。在配色模块,采用在［0 1］区间对未知参数Ｍ 值和对单色纤维初始配方赋值迭代的方法,改进了采用M 值平均数的方法以及基于最小二乘法的初始配方求解算法;在修色模块,采用单色纤维调整量中间函数差最小的方法,改进了基于最小二乘法的三刺激值或反射率修色算法。该模型经过1~2 次修色可得到色差小于1 的配色结果,能满足色纺纱生产中多组分、定比例的配色、修色基本要求。     

色纺纱的计算机配色研究进展

针对色纺纱配色原理复杂,难以对其进行颜色预测和配色的问题,归纳分析了几种可用于色纺纱计算机配色的预测模型在应用方面的特点。结果发现：Stearns-Noechel 模型、Kubelka-Munk 理论、BP 神经模型的计算精度较理想,Friele 模型精度较低;Stearns-Noechel 模型和Friele 模型需求解未知参数且参数对预测精度影响较大,Kubelka-Munk 理论与理想条件仍有差距且计算烦琐,BP 神经网络需要大量训练样本加强泛化能力。最后指出：色纺纱的配色应在继续提高传统配色模型精度的同时,改进求解配色模型中的未知参数,寻求新型配色模型;同时应注重企业个性化的参数设定,以及通过原液着色纤维的标准化,简化配色中的复杂计算,提高色纺纱的计算机配色技术水平。     

基于模拟退火算法改进遗传算法的织物智能配色

为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶...     

基于约束最小二乘法的色纺纱配色方法

介绍了色纺纱常用光谱配色模型(Stearns-Noechel模型、Friele模型、Kubelka-Munk模型),提出了一种基于约束最小二乘法的色纺纱光谱配色方法,即利用数据库中已有的单色纤维光谱,对目标色纺纱的光谱进行拟合,通过约束最小二乘法实现目标色纺纱的配方(即单色组分及组分比)计算。结果表明,运用约束最小二乘法可直接获得组分比为非负值,且组分比和为1的配方,更加符合生产打样需求;3个模型中基于Stearns-Noechel模型的约束最小二乘法光谱配色算法计算得到的配色准确性最高。     

基于Stearns-Noechel模型的纤维光谱配色算法

为了研究有色纤维的配色算法,使用红、黄、蓝3种单色粘胶纤维按一定质量比例混合得到混色纤维,并对混色纤维的颜色进行了测量。通过对Stearns-Noechel模型的分析应用,结合光谱配色算法,对36个混色粘胶纤维的处方进行了匹配,配色结果显示最大色差为1.03 CIELAB单位,最小色差为0.10 CIELAB单位。结果表明此算法可以应用于有色纤维的配色。     

普梳色纺纱的生产工艺优化

探讨了普梳色纺纱生产工艺的优化。针对色纺纱生产特点,从原料及生产全流程采取一系列工艺技术和管理措施,并运用正交试验优化了细纱工艺,最终较好地改善了14.6tex普梳色纺纱质量。认为:合理选用染色原棉,正确选择原料混和及混色方式,优选各工序工艺配置,严格控制色差,能够收到改善色纺成纱质量的良好效果,纺制出质量符合国家标准、满足用户要求的普梳色纺纱。     

色纺纱配色方法改进初探

色纺纱配色是色纺纱生产过程中的关键步骤。从色纺纱与染色纱颜色形成的对比分析中,探索出了另外一种色纺纱配色方法：固定标准色棉的颜色和数量,根据色纺纱颜色标准,选择合适的标准色棉配出所需色纺纱的颜色。     

麻灰纱中色纤维混合模型运用

针对目前大部分色纺企业仍然依靠有经验的配色人员进行人工配色,存在配色效率低、配色精度差等问题,提出运用反向传播（BP）神经网络的方法对色纺纱的黑白纤维混合配色进行预测,并与使用Datacolor MATCH系统模拟染料配色方法和基于颜色混合模型中的Kubelda-Munk双常数理论的配色方法对黑白纤维混合配色的结果进行对比。结果表明：上述3种方法均可对麻灰纱的黑白纤维混合配色进行有效的预测,配方的相对误差基本控制在7.36%之内,且配方样品与标准样品的色差小于1;比较而言,3种黑白纤维混合配色的预测模型中,基于BP神经网络的配色方法适用性及精度最佳,配方的相对误差最高,为3.08%。     

喷气纺纱线结构特性的算法研究

喷气纺纱线的结构特性是AiF 14513 N喷气纺纱质量研究项目的一部分。介绍了一些研究喷气纺纱线结构特性的基本概念,有助于分析喷气纺纱线与标准纱线在结构、毛羽和直径等性能方面的差异。     

多通道转杯纺混色纱的Friele配色模型

为探究多通道转杯纺的混色效果,利用Friele理论建立转杯多元基色混色纱的配色模型。将红、黄、蓝3种颜色纤维条纺制二组分和三组分样本,计算关于转杯混色纱的Friele理论模型参数,分别得到二组分和三组分的模型参数,并将其与其他研究者计算的模型参数进行比较。结果显示,无论是二组分还是三组分样本,通过实验计算得到的4种模型参数均比其他研究者推荐的模型参数对多通道多元基色转杯混色纱预测结果的准确性有所提高;其中与赋值法计算的模型参数相比,与波长相关的模型参数预测二组分和三组分的样本色差均值分别减少了0.42和0.48,容差范围为1时,样本合格率分别提高了33%和50%,在各波长下计算得到的模型参数能更好地预测多通道转杯纺多元基色混色纱的颜色。     

基于共轭梯度法的纱线染色配方预测优化算法

为提高纱线染色配方预测的准确性和稳定性,在Kubelka-Munk理论基础上,结合CIE 1976 L* a* b* 均匀颜色空间及CIELAB色差公式,提出了以共轭梯度法为基础的染色配方预测优化方法,详细推导出共轭梯度法带约束的配方预测目标函数。利用自开发的测配色软件和美能达CM2600D分光测色仪,选用D65光源,做了大量的单纺纱线测配色实验。实验结果表明,该染料配方预测优化算法计算的配色结果与标准色接近,色差小,与染料配方初值无关,稳定、可靠、收敛性强、重复度高。     

计算机配色方法的研究

用一组活性染料对纯棉织物染色,建立了染色用基础数据库.研制了配色程序,采用三次B样条拟和曲线求某一浓度下所对应单位浓度K/S值.运行所研制程序,所得结果准确稳定,对于任意染制标样,通过测色及配色计算,可得到色差在一定范围内的配方.