[发明专利]基于BP神经网络的实木地板油漆自动配色方法

说明书

技术领域

本发明涉及实木地板油漆配色领域，尤其涉及一种基于BP神经网络的实木地板油漆自动配色方法。

背景技术

目前，国内实木地板的年产量为8000多万平方米，而且随着出口量的增加，年产量呈上升趋势。由于各人喜好和偏爱不同，地板的颜色不是一成不变的，一般是按客户的要求进行定制的。地板企业在得到用户的油漆地板样品后，油漆工艺师凭借个人经验在主漆中添加色精，然后将该油漆的地板与样品进行比较分析，进一步改变色精的比例，以得到满足地板样品颜色要求的油漆配方。由于色精相对主漆所占比例较小，其微量的变化都会产生较大的色差，因此，人工获取地板的油漆配方需要较长的时间。为了进一步满足地板颜色个性化需求，实现实木地板的高效生产，实木地板企业迫切需要实现实木地板油漆的自动化配色，并将已生产的地板及其配方进行信息化管理。

人工神经网络是利用计算机模拟人脑的结构和功能的一种网络模型，具有较强的非线性处理能力。BP神经网络是一种按误差逆传播算法训练的多层前馈网络，具有自组织、自学习和自适应能力，是目前应用最广泛的神经网络模型之一。因此，本发明考虑建立BP神经网络模型来实现实木地板油漆的计算机自动配色。

发明内容

本发明所要解决的技术问题是针对现有的实木地板油漆人工配色的不足，提供了一种基于BP神经网络模型的实木地板油漆自动配色方法。

本发明为解决上述技术问题采用以下技术方案:

基于BP神经网络的实木地板油漆自动配色方法，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。

作为本发明基于BP神经网络的实木地板油漆自动配色方法进一步的优化方案，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。

作为本发明基于BP神经网络的实木地板油漆自动配色方法进一步的优化方案，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。

作为本发明基于BP神经网络的实木地板油漆自动配色方法进一步的优化方案，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。

作为本发明基于BP神经网络的实木地板油漆自动配色方法进一步的优化方案，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；