[发明专利]一种毛针织纱智能选色拼毛方法

说明书

本发明涉及一种毛针织纱智能选色拼毛方法，包括步骤一、测定毛针织纱来样反射率；采用光谱光度仪测定毛针织纱来样反射率，步骤二、支持向量机识别组成色；先对支持向量机模型进行训练，将已知颜色组成配方的毛针织纱样品定义为标准样并进行反射率测定，将采集得到的标准样反射率数据进行数据预处理得到特征向量第一数据集，将特征向量第一数据集分为支持向量机模型训练用的训练集和验证集；将采集的毛针织纱来样反射率数据进行数据预处理，预处理形成特征向量第二数据集；步骤三、运用三刺激值匹配算法或全光谱配色算法计算毛针织纱各组成色的最佳组合比例，运用单色反射率对步骤一测得的毛针织纱来样反射率进行计算，得到拼毛配方。

技术领域

本发明涉及一种毛针织纱智能选色拼毛方法，属于纺织配色技术领域。

背景技术

在毛针织产品中，散纤维或者毛条先染色后混色的品种越来越多，这种混色品种纱由2种或2种以上的不同颜色、相同或不同的纤维所组成。在混色毛针织纱的生产加工过程中，拼毛是其最关键的生产环节。“拼毛”就是将已染色的不同颜色毛条或者散毛纤维相互搭配，达到所需要的颜色和风格。现有技术一般为工厂里的拼毛人员依靠经验和反复试纺来配色，或者依靠计算机的排列组合方法，穷举所有的可能，往往给出很多配方，根本无法快速精确识别出其真实色，所以生产周期长、生产效率低，难以适应“小批量、多品种、快交货”的市场需求。

支持向量机(SVM)模型作为一种已经成熟的识别模型在多个领域都有大量应用，其原理如下：支持向量机(SVM)主要通过支持向量对不同类别样本进行分类决策。其决策依据主要通过非线性核函数算法寻找一个最优分类面(Optimal Hyper-plane)，使其两侧样本的分类间隔(Margin)最大。因此SVM算法本身是一种二值分类方法，即不属于这类就属于另外一类的关系。其算法内核为一个对称函数φ映射k:X×X→F，因此对于所有的x_i和x，都有k(x_i,x)＝{φ(x_i),φ(x)}，将输入空间X转化到特征空间F。

但其在色纺纱领域的运用处于起步阶段，例如中国公开了一种基于最小二乘支持向量机的色纺纱配色的发明，申请号为CN201710188008.9，在该专利中提到将SVM模型运用至色纺纱配色，其主要技术是将标准样的反射率和对应比例关系作为训练样本用于训练SVM模型，通过训练好的SVM模型可以直接得到预测的配方的组成色及比例，存在的明显不足有：

(1)该方法用最小二乘支持向量机直接计算比例，建立的是标准样的反射率和对应比例的关系，而SVM模型是一个分类技术，用于按比例分类，相当于一个比例就是一个分类，要有应用价值，必须穷举所有的组成方案和比例作为训练样本，训练样本量太大，可行性并不高；

(2)该发明同时要求目标样就是由该基准色组成的样本，例如专利中的训练中的标准样，能预报较接近的比例。而实际应用时目标色通常不是由基准色样组成，对未知基准色样的样本缺乏泛化性能。

发明内容

本发明的目的是为了克服以上问题，提供一种能快速精确配色的毛针织纱智能选色拼毛方法，模拟人工配色中人眼对颜色的经验识别能力，无需穷举所有的组成方案和比例作为训练样本，可减少训练样本量，实现智能配色，本发明采用支持向量机(SVM)进行组成单色识别，然后在此基础上进行配色，对未知基准色样的样本具有泛化性能，提高配色效果的符合率。

本发明的毛针织纱智能选色拼毛方法，包括以下步骤；

步骤一、测定毛针织纱来样反射率：采用光谱光度仪测定，毛针织纱来样反射率，测试条件要求包含镜面反射，包含波长为400～700nm的完整数据，反射率波长测定间隔0～10nm；