一种端到端的织物颜色自动预测框架

鉴于传统的织物染料配方设计流程耗时耗力,提出一种端到端的机器学习框架,从染色工艺参数自动预测产品颜色出发,为染料配方工作提供精准的理论指导。理论上,该框架可由任意有监督回归模型实现。采用多维支持向量回归机(multi-dimensional support vector regressor,M-SVR)或反向传播神经网络(back propagation neural network,BPNN)对织物的颜色进行回归分析和预测,并提出用遗传算法(genetic algorithm,GA)优化神经网络参数初始值,从而提高网络的优化效率。从山东省华纺股份有限公司提供的真实生产资料中选取8种关键工艺参数和两种光照情形下的织物颜色CIELAB值,对模型进行训练和性能评估。结果表明:该框架最低预测误差可达0.48;在相同训练条件下,GA初始化的神经网络比随机初始化的网络耗时更少。由此可见,该框架有助于降低染料配方的误差,提高工作效率。