[发明专利]基于BP神经网络的实木地板油漆自动配色方法

权利要求书

1.基于BP神经网络的实木地板油漆自动配色方法，其特征在于，包含以下步骤：

步骤1)，根据实木地板油漆中主漆与色精的构成及其比例范围建立若干地板油漆配方，并对应各个地板油漆配方制作出各个油漆实木地板的样本；

步骤2)，计算出各个油漆实木地板样本相对地板素板的颜色特征差值，建立样本地板颜色特征差值与油漆配方的数据库；

步骤3)，建立BP网络模型，使其输入为地板颜色特征差值，输出为地板油漆配方；

步骤4)，将样本地板颜色特征差值与油漆配方的数据库中的数据输入BP网络模型中，对BP网络模型进行训练，直至BP网络模型的网络误差小于等于预设的误差阈值；

步骤5)，提取出需要配色的油漆地板样品的颜色特征差值；

步骤6)，将需要配色的油漆地板样品的颜色特征差值输入BP神经网络，得出其对应的油漆配方。

2.根据权利要求1所述的基于BP神经网络的实木地板油漆自动配色方法，其特征在于，所述步骤1)的详细步骤如下：

步骤1.1)，在主漆和红、黑、黄三种色精中两种色精比例确定的条件下，将另外一种色精比例在0到4％的范围内，从0开始以0.3％递增的方式形成各个油漆配方；

步骤1.2)，针对每个油漆配方，分别制作地板底漆和面漆；

步骤1.3)，将按照各个油漆配方制作的地板底漆和面漆按照先底漆后面漆的工艺顺序对地板素板进行油漆；

步骤1.4)，对各个油漆地板进行干燥处理，得到各个油漆实木地板的样本。

3.根据权利要求1所述的基于BP神经网络的实木地板油漆自动配色方法，其特征在于，所述步骤2)的详细步骤如下：

步骤2.1)，在相同光线强度下对地板素板以及各个油漆实木地板的样本进行拍摄；

步骤2.2)，在各个拍摄的图像上选择可以全面反映地板颜色的区域，并分别计算其图像颜色分量R、G、B的平均值，以获得地板素板以及各个油漆实木地板样本的颜色特征值；

步骤2.3)，将各个油漆实木地板样本的颜色特征值与地板素板的颜色特征值分别进行差值计算，得到各个油漆实木地板样本相对地板素板的颜色特征差值；

步骤2.4)，根据各个油漆实木地板样本相对地板素板的颜色特征差值以及其对应的油漆配方、建立样本地板颜色特征差值与油漆配方的数据库。

4.根据权利要求1所述的基于BP神经网络的实木地板油漆自动配色方法，其特征在于，所述步骤3)中的BP网络模型为三层BP网络模型，其输入层、隐含层、输出层的神经元数目分别为3、4、4，隐含层神经元的激励函数为S型函数，输出层神经元的激励函数为线性函数。

5.根据权利要求4所述的基于BP神经网络的实木地板油漆自动配色方法，其特征在于，所述步骤4)的详细步骤如下：

步骤4.1)，初始化输入层与隐含层的权值w_ij、隐含层与输出层的权值w_jk、隐含层阈值a_j、输出层阈值b_k、学习速率η和计算精度ε，其中，i＝1,2,3；j＝1,2,3,4；k＝1,2,3,4；

步骤4.2)，根据输入向量x_i、w_ij和a_j，计算隐含层神经元输出y_j：

yj=f1(Σi=13xiwij-aj)]]>

式中，f₁为隐含层神经元的激励函数；

步骤4.3)，输出层输出计算：根据隐含层输出y_j、w_jk和b_k，计算BP神经网络输出o_k：

ok=f2(Σj=14yjwjk-bk)]]>

式中，f₂为输出层神经元的激励函数；

步骤4.4)，根据网络输出o_k和期望输出d_k，计算出网络误差e_k：

e_k＝d_k-o_k；

步骤4.5)，计算出全部样本的误差E_P：

EP=12Σp=1PΣk=14epk2]]>

式中，训练样本数为P，p＝1,2,3,…P，为单个样本p的训练误差；

步骤4.6)，根据误差E_P调整网络权值w_ij和w_jk：

wij=wij+Σp=1PΣk=14η(dpk-opk)f2′(Sk)wjkf1′(Sj)xi]]>

wjk=wjk+Σp=1PΣk=14η(dpk-opk)f2′(Sk)yj]]>

式中，d_pk为样本p的期望输出，o_pk为样本p的网络输出，S_j为隐含层中第j个神经元的输入，S_k为输出层中第k个神经元的输入；

步骤4.7)，判断网络误差是否小于等于预设的误差阈值，如果网络误差大于预设的误差阈值，则重复步骤4.2)至步骤4.6)，直至网络误差小于等于预设的误差阈值。