基于深度学习的有色纤维配色算法研究

作     者：熊一点 

作者单位：东华大学 

学位级别：硕士

导师姓名：李戎

授予年度：2019年

学科分类：12[管理学] 0821[工学-纺织科学与工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 082103[工学-纺织化学与染整工程] 

主      题：有色纤维 配色算法 深度学习 神经网络 

摘      要：近些年来,人工智能一次又一次的让世人惊叹,大数据时代的来临让人们看到了未来发展的趋势所在,各行各业都开始向人工智能化进军,抢占未来的先机。而纺织行业中计算机配色算法最能契合计算机发展的洪流,可以作为纺织行业的信息化领头羊。因此本论文将深度学习应用在有色纤维的配色算法,希望达到预测配比与真实值一致,提升配色效率,节约劳动成本,实现产业升级。本论文对于深度学习所需要的有色纤维样本采取实验室自制,通过梳棉机将其三色混合与两色混合组成样本。通过测色配色仪测量出样品的反射率值,将原始数据整理成表,作为深度学习模型的训练数据。随后使用TensorFlow工具包Ludwig学习反射率与有色纤维颜色配比之间的数值逻辑关系。将样本数据整理成CSV文件,将构建的逻辑关系整理成YAML文件,通过Ludwig进行模型训练、验证、预测。最终将模型预测值与真实值进行比较,得到配色结果。由于Tensorflow无法找到反射率与配比之间的逻辑值进行训练,配色结果不理想。本文使用MATLAB(2016A)来构建深度神经模型进行有色纤维配色。构建两个深度学习模型P1与P2,P1的输出端为5个,P2的输出端为8个。将样本数据放入模型中进行深度学习,得到预测结果。然后将样本数据通过Stearns-Noechel模型进行处理,处理后的数据放入模型中进行深度学习。比较深度学习模型处理不同样本数据的预测值准确率,结果显示原始样本数据的预测值准确率最高。从深度学习的模型回归曲线看出,测试曲线容易出现R值偏低的情况,并且P1模型的准确率始终高于P2模型的准确率,表明输出端口过多会影响输出结果。通过对不同预测结果的对比,选取P1模型的原始数据的预测结果进行色差计算来验证配色精度,结果表明平均色差为0.8431ΔE*,证明深度计算配色算法精度基本满足要求。本论文表明可以将深度学习模型应用于有色纤维配色算法上,能够获取较为准确的配色预测值,对计算机配色技术有着重要的意义与应用价值。