一种基于修正单常数K-M理论的色纺纱配色方法

技术领域

本发明属于色纺技术领域，具体涉及一种基于修正单常数K-M理论的色纺纱配色方法。

背景技术

色纺纱是由混色纤维纺制而成的产品，其色彩柔和而饱满、自然而时尚。配色是色纺纱生产的关键技术，即为生产出与客户来样(目标样)相同的色纺纱产品而寻找合适的基色纤维混合配方的过程。

目前，大多数色纺纱企业采用人工配色方法，通过反复试纺打样、目测评价来获取配方，该过程周期长、效率低、浪费大且再现精度差，难以适应快速交货、配色准确的市场要求。为了实现高效、准确的自动配色，国内外已经提出了多个应用于色纺纱领域的配色模型，包括单常数和双常数Kubelka-Munk理论、Stearns-Noechel模型、Friele模型以及基于神经网络的配色模型。其中，只有K-M(Kubelka-Munk)理论是基于光传播行为建模的理论推导模型，其泛化能力强于依赖于训练样本的实验模型。然而，K-M理论是建立在一系列假设的基础之上，与实际的光学行为存在着一定的差距，在实际中发现基色纤维的单常数K/S值与浓度之间不符合线性关系，导致模型的配色精度较差。

发明内容

本发明的目的是提供一种基于修正单常数K-M理论的色纺纱配色方法，以解决上述问题。

本发明提供的技术方案如下：一种基于修正单常数K-M理论的色纺纱配色方法，包括以下步骤：

步骤(1)、测量目标样的光谱反射率，记为R

步骤(2)：使用光谱反射率的修正函数G(x),对R

G(x)＝k

其中，k1和k2为可变参数；

步骤(3)：将修正函数值G(R

作为上述技术方案的进一步描述：

所述可变参数k1和k2，是使基色纤维样本修正的单常数K/S值与浓度之间获得最佳线性关系时的值，且满足约束条件k

作为上述技术方案的进一步描述：

所述步骤(3)中，目标函数记为E(c

式中，c

作为上述技术方案的进一步描述：

所述步骤(3)中，求得最优配比的方法为：

设置初始条件(c

本发明的有益效果具体如下：

本发明通过引入光谱反射率的修正函数G(x)，改善基色纤维单常数K/S值与浓度之间的线性关系，极大地提高了单常数Kubelka-Munk理论的配色精度，对色纺纱自动配色系统的开发和应用具有重要意义。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中目标样及预测样的光谱曲线对比图。

具体实施方式

现结合说明书附图，详细说明本发明的结构特点。注意，以下结合说明书附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。

本实施例中提供一种基于修正单常数K-M理论的色纺纱配色方法，包括以下步骤：

步骤(1)：确定需要进行匹配的目标样，使用Xrite Ci7800分光光度计测量目标样的光谱反射率，测量条件设定为：D65光源、d/8照明观察条件、25mm孔径、去除镜面反射(SCE)、无UV滤镜，测量结果以10nm间隔取400-700nm的波长范围，记为R

步骤(2)：对目标样进行组分有色纤维分析，确定配制本实施例的目标样所需有色纤维，测量各组分基色纤维样本的光谱反射率值，记为R

本实施例中需3种有色纤维(有色纤维的种类数根据对每次配色时选取的目标样分析得到)，分别记为primary1、primary2和primary3，使用Xrite Ci7800分光光度计测量有色纤维样本光谱反射率值，测量条件的设定同步骤(1)，测量结果以10nm间隔取400-700nm的波长范围，分别记为R

步骤(3)：使用光谱反射率的修正函数G(x),对步骤(1)和(2)中测量的目标样光谱反射率R

G(x)＝k

式中，参数k

步骤(4)：将步骤(3)中获得的光谱反射率的修正函数值G(R

式中，c

步骤(5)：基于约束非线性最优化方法最小化目标函数E(c

经上述步骤，最终获得本实施例中三种组分有色纤维(primary1、primary2、primary3)的最优配比为

进一步的，本实施例中进行色差测试：一方面，如图1所示，计算前述预测样(通过本发明方法获得)与目标样之间的色差，得到CMC(2:1)色差为0.47；另一方面，采用现有的K-M理论获得对应预测样，并计算预测样与目标样之间的色差，得到CMC(2:1)色差为5.5。

因此，本实施例的色纺纱配色方法，通过引入光谱反射率的修正函数G(x)，改善基色纤维单常数K/S值与浓度之间的线性关系，相对于基于现有K-M理论得到的预测样，本实施例的预测样与目标样之间的色差更小，与客户提供的目标样更相匹配，模型预测精度更高。

在实际生产中，收到客户提供的目标样后，可以通过本发明的配色方法，精确分析并预测各组分有色纤维的最优配比，通过该最优配比获得与目标样相匹配的预测样。本发明可以更精确的匹配目标样的纤维颜色，极大地提高了单常数K-M理论的配色精度，对色纺纱自动配色系统的开发和应用具有重要意义。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。