神經(jīng)網(wǎng)絡(luò)技術(shù)在印染配色中的應(yīng)用研究.pdf

1、印染產(chǎn)品的色澤對(duì)產(chǎn)品的品質(zhì)具有極其重要的影響，但在許多印染企業(yè)配色技術(shù)嚴(yán)重依賴配色技師的人工經(jīng)驗(yàn)，配色品質(zhì)不能穩(wěn)定的得到保證。當(dāng)前市場(chǎng)對(duì)印染產(chǎn)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(jì)算機(jī)配色方法來應(yīng)對(duì)市場(chǎng)的變化。
　　傳統(tǒng)的計(jì)算機(jī)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(xué)數(shù)據(jù)庫，在假定染料混合時(shí)互不影響的情況下，通過固定公式計(jì)算得到配方。這個(gè)過程耗時(shí)過久且通用性不足，加之染料混合之間關(guān)系復(fù)雜，傳統(tǒng)配色方法難以滿足目前對(duì)織物染色中配色的要求，印染行業(yè)需要新的高效簡(jiǎn)潔的配色方法。
　　BP神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力，能夠通過對(duì)教師樣本的學(xué)習(xí)而后映射出配色處方與其所染得的織物的光學(xué)值之間的復(fù)雜非線性關(guān)系。本文首先比較分析了現(xiàn)有計(jì)算機(jī)配色方法的原理及特點(diǎn)，提出了新的利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)配色處方預(yù)

3、測(cè)的方法。接著介紹了BP神經(jīng)網(wǎng)絡(luò)的原理和運(yùn)行機(jī)制，從理論上分析了其優(yōu)點(diǎn)和缺點(diǎn)，并針對(duì)BP算法易陷入局部極值的固有缺陷提出使用遺傳算法進(jìn)行優(yōu)化。在建立神經(jīng)網(wǎng)絡(luò)模型的過程中介紹了與配色相關(guān)的顏色視覺和顏色計(jì)量相關(guān)知識(shí)，解決了在計(jì)算機(jī)配色中顏色如何表征的問題，然后利用經(jīng)驗(yàn)公式并在考慮實(shí)際應(yīng)用的情況下推算出所需教師樣本數(shù)，并指出采集樣本時(shí)盡量減小樣本噪音的原則，再后利用經(jīng)驗(yàn)公式和實(shí)驗(yàn)相結(jié)合的辦法確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。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(jīng)網(wǎng)絡(luò)的初始權(quán)值、閥值和學(xué)習(xí)速率，該方法減少了神經(jīng)網(wǎng)絡(luò)開始運(yùn)行時(shí)相關(guān)參數(shù)的隨機(jī)性，有利于神經(jīng)網(wǎng)絡(luò)收斂速度變快、提高預(yù)測(cè)能力，進(jìn)而得出更好的預(yù)測(cè)值。最后利用測(cè)得的教師樣本集，分別對(duì)多種神經(jīng)網(wǎng)絡(luò)進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明了此遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法在計(jì)算機(jī)配色方法中的有效性和可靠性，對(duì)比BP神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)數(shù)據(jù)也表明其收斂速度和配色處方預(yù)測(cè)能力優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。此配色方法解決了傳統(tǒng)計(jì)算機(jī)配色方法中需要單獨(dú)制作龐大基礎(chǔ)色