基于Kubelka-Munk双常数理论的涤/黏双组分三色混色纤维配方预测

为了提高原液着色涤/黏双组分混配色打样效率,基于Kubelka-Munk双常数理论模型,选用3种单色(大红、宝兰G、金黄)涤纶短纤维和3种单色(大红、蓝色、黄色)黏胶短纤维为研究对象,以6种单色纤维进行双组分混色,按9种不同混合比例共得到54种三色混色双组分纤维样品。利用测色仪测定混色样的颜色特征参数:反射率(R)、颜色深度(K/S)、明亮度(L)、红绿色度(a)及黄蓝色度(b),利用最小二乘法对数据进行处理;最后对计算混色比例与实际混色比例之间的误差进行评价,以验证Kubelka-Munk双常数理论模型在双组分混配色中的适用性。结果表明,54种样品的色差均在1.0以下,均值为0.2775,标准差为0.2177,预测比例与实际比例差距较小,红色涤纶与蓝色、黄色黏胶组合的平均比例误差最小,为1.109%,说明其比例预测效果较好,而黄色涤纶与红色、蓝色黏胶组合的平均色差最小,为0.1721,说明其颜色预测较好。

原液着色涤纶短纤维、纱线及织物的颜色预测

为探究纤维在加工成纱线和织物之后的颜色差异,文章通过测色仪采集原液着色涤纶短纤维、纱线和织物的L、a、b值,并运用神经网络的方法实现纤维、纱线和织物之间的颜色预测。分别以纤维与纱线、纱线与织物、纤维与织物的L、a、b值作为网络输入和目标,比较了不同训练算法的网络性能;利用控制变量法调整神经元数量和传递函数等,以最小化均方误差与最小色差为目标,确定较合理的网络结构。结果表明:trainlm(Levenberg-Marquardt)训练算法的网络输出与目标之间的均方误差最小,适合作为网络训练算法。隐层神经元数量在100时,样本数据网络输入与隐层、隐层与输出的传递函数分别为tansig和purelin时,均方误差最小且预测与真实值之间的平均色差较小;3个训练组的平均色差均小于0.7,表明网络预测效果较好,研究结果在企业对于纤维、纱线到织物生产过程中颜色把控具有一定的参考价值。