一种化妆品色素快速测定方法及装置与流程

本技术涉及色素检测，具体涉及一种化妆品色素快速测定方法及装置。

背景技术：

1、化妆品中的色素，作为赋予产品颜色的主要成分，其种类、浓度及分布直接影响到产品的外观品质和安全性。因此，快速准确地测定化妆品中色素的种类和浓度，对于确保化妆品的质量和符合相关安全标准至关重要。

2、传统的色素测定方法主要包括色谱分析、光谱分析等技术。色谱分析技术，如液相色谱（hplc）和气相色谱（gc），虽然准确度高，但通常操作复杂，耗时较长，且需要昂贵的设备和专业的操作人员，不适合快速检测和现场分析。光谱分析技术，如紫外-可见光谱分析（uv-vis）和红外光谱分析（ir），虽然操作相对简便，但在色素复杂混合的情况下，其分辨率和准确性往往受到限制。且光谱分析技术虽然相对简便，但在处理复杂样品或低浓度色素时的分辨率和灵敏度往往有限。此外，这些传统方法大多只能提供有限的化学信息，而不能直接给出色素的色度信息，这对于评估化妆品的颜色一致性和外观质量不够直接有效。

3、现有技术中，随着化妆品行业对色彩管理的重视，色度学分析技术逐渐被引入化妆品色素的测定中。色度学分析能够提供色彩的精确数值描述，有助于更好地控制化妆品的颜色一致性和品质。然而，单独的色度学分析技术无法提供色素的化学信息，如色素种类和浓度，因此需要与其他技术如光谱分析相结合，以获得更全面的色素信息。因此迫切需要一种能够综合多种特征的高准确度、高自动化的检测方法及设备。

4、现有技术难以满足快速生产检测的需求，尤其是在新产品开发和质量控制方面，迫切需要一种更高效、准确的色素测定技术。在这样的背景下，随着化妆品行业向个性化、高效率和环保方向发展，对色素测定方法的要求也越来越高。迫切需要一种既能够快速准确地测定化妆品中色素的种类和浓度的方法或设备，以满足现代化妆品行业对色素测定的高效率和高精度要求。此外，这种方法或设备还应具备操作简便、成本低廉、适用性广泛等特点，以便于在化妆品生产和质量控制中广泛应用。

技术实现思路

1、针对现有技术中提到的上述问题，为解决上述技术问题，本发明提供了一种化妆品色素快速测定方法及装置，该方法s1：提取样品：从化妆品中提取待测色素样品；s2：色度数据获取：s3：光谱数据获取：采用色度学分析仪获取样品的色彩属性；s4：色度数据与光谱数据结合；s5：将一维特征向量传输至内置微处理器，采用训练好的卷积神经网络模型进行色素种类和浓度的识别；s6：显示屏显示卷积神经网络模型输出的色素种类和浓度。本技术结合光谱分析和色度学分析的方法相比于传统的色素测定技术，显著提高了测定的效率和速度，此外光谱分析提供了色素的详细化学特性，而色度学分析则提供了色素的精确色彩属性，将预处理后的色度数据和光谱数据拼接，采用训练好的卷积神经网络模型进行色素种类和浓度的识别，大大提高了准确度和自动化识别分析程度。

2、本技术提供一种化妆品色素快速测定方法，包括步骤：

3、s1：从化妆品中提取待测色素样品；

4、s2：色度数据获取，使用色度计或色彩测量仪对待测色素样品进行色度测量，测量色素样品的反射光或透射光，记录色彩空间的值，包括l亮度、c饱和度、h色调；

5、s3：光谱数据获取，对色素样品进行溶解过滤得到待测色素溶液，将待测色素溶液置入光谱分析模块，光谱分析模块使用光源照射待测色素溶液，记录吸收光谱或反射光谱；

6、s4：色度数据与光谱数据结合，对获取的色度数据和光谱数据进行预处理；将预处理后的色度数据和光谱数据拼接形成一维特征向量；

7、s5：将一维特征向量传输至内置微处理器，采用训练好的卷积神经网络模型进行色素种类和浓度的识别；卷积神经网络采用基于光谱特征重要性加权的损失函数：

8、

9、n表示训练样本的总数，表示第i个样本的真实标签，表示第i个样本的一维特征向量，m表示光谱特征的数量，表示第j个光谱特征的重要性权重，表示在学习参数θ下，对第i个样本在第j个光谱特征位置的预测输出，表示自然对数函数，表示正则化参数，表示均方误差损失项，用于量化卷积神经网络模型预测的色素浓度与实际浓度之间的差异，表示第i个样本的真实色素浓度值；表示在学习参数θ下输入时的预测浓度输出；

10、s6：显示屏显示卷积神经网络模型输出的色素种类和浓度。

11、优选地，所述s1：从化妆品中提取待测色素样品，包括 s11：选择待测的化妆品样品，包括口红或眼影或粉底；

12、s12：使用样品提取工具微型刮刀或刷子，从化妆品表面刮取样品。

13、优选地，所述对获取的色度数据和光谱数据进行预处理，包括采用低通滤波对色度数据和光谱数据进行处理，滤除异常点或噪声；采用对于色度数据l、c、h和光谱数据，通过除以各自数据集的最大值进行归一化，使得所有数据落在0到1之间。

14、优选地，所述记录吸收光谱或反射光谱，吸收光谱包括吸收峰波长、吸收峰强度、吸收峰宽度，反射光谱包括反射峰波长和反射峰强度。

15、优选地，所述对色素样品进行溶解过滤得到待测色素溶液，包括：

16、s31：将刮取的样品置于预置的溶剂乙醇或丙酮中进行溶解；

17、s32：使用离心机或过滤器，将溶液中的未溶解物质和杂质去除，得到待测色素溶液。

18、本发明还包括一种化妆品色素快速测定装置，包括：

19、样品提取模块，配置有样品提取工具微型刮刀或刷子，从化妆品中提取待测色素样品；

20、色度数据模块，包含色度计或色彩测量仪，用于对待测色素样品进行色度测量，测量色素样品的反射光或透射光，记录色彩空间的值，包括l亮度、c饱和度、h色调；

21、光谱数据获取模块，包含光谱分析模块，对色素样品进行溶解过滤得到待测色素溶液，将待测色素溶液置入光谱分析模块，光谱分析模块使用光源照射待测色素溶液，记录吸收光谱或反射光谱；

22、色度数据与光谱数据结合模块，对获取的色度数据和光谱数据进行预处理；将预处理后的色度数据和光谱数据拼接形成一维特征向量；

23、分析识别模块，内置微处理器配备训练好的卷积神经网络模型，将一维特征向量传输至微处理器，采用训练好的卷积神经网络模型进行色素种类和浓度的识别；卷积神经网络采用基于光谱特征重要性加权的损失函数：

24、

25、n表示训练样本的总数，表示第i个样本的真实标签，表示第i个样本的一维特征向量，m表示光谱特征的数量，表示第j个光谱特征的重要性权重，表示在学习参数θ下，对第i个样本在第j个光谱特征位置的预测输出，表示自然对数函数，表示正则化参数，表示均方误差损失项，用于量化卷积神经网络模型预测的色素浓度与实际浓度之间的差异，表示第i个样本的真实色素浓度值；表示在学习参数θ下输入时的预测浓度输出；

26、显示模块，显示屏显示卷积神经网络模型输出的色素种类和浓度。

27、优选地，所述样品提取模块，配置有样品提取工具微型刮刀或刷子，从化妆品中提取待测色素样品，包括：选择待测的化妆品样品口红或眼影或粉底；使用样品提取工具微型刮刀或刷子，从化妆品表面刮取样品。

28、优选地，所述对获取的色度数据和光谱数据进行预处理，包括采用低通滤波对色度数据和光谱数据进行处理，滤除异常点或噪声；采用对于色度数据l、c、h和光谱数据，通过除以各自数据集的最大值进行归一化，使得所有数据落在0到1之间。

29、优选地，所述记录吸收光谱或反射光谱，吸收光谱包括吸收峰波长、吸收峰强度、吸收峰宽度，反射光谱包括反射峰波长和反射峰强度。

30、优选地，所述对色素样品进行溶解过滤得到待测色素溶液，包括：将刮取的样品置于预置的溶剂乙醇或丙酮中进行溶解；使用离心机或过滤器，将溶液中的未溶解物质和杂质去除，得到待测色素溶液。

31、本发明提供了一种化妆品色素快速测定方法及装置，所能实现的有益技术效果如下：

32、本发明结合光谱分析和色度学分析的方法相比于传统的色素测定技术，显著提高了测定的效率和速度，此外光谱分析提供了色素的详细化学特性，而色度学分析则提供了色素的精确色彩属性，将预处理后的色度数据和光谱数据拼接，采用训练好的卷积神经网络模型进行色素种类和浓度的识别，大大提高了准确度和自动化识别分析程度。

33、本发明卷积神经网络采用基于光谱特征重要性加权的损失函数，在损失函数中，加入光谱特征的数量，以及加入表示第j个光谱特征的重要性权重，大大提升了训练的卷积神经网络模型预测计算准确度，且损失函数中存在学习参数θ，使得卷积神经网络模型能够得到动态更新。

34、本发明将色度数据l亮度、c饱和度、h色调与光谱数据记录吸收光谱或反射光谱，吸收光谱包括吸收峰波长、吸收峰强度、吸收峰宽度，反射光谱包括反射峰波长和反射峰强度，色度数据与光谱数据结合模块，对获取的色度数据和光谱数据进行预处理；将预处理后的色度数据和光谱数据拼接形成一维特征向量；进而进行识别，大大增强了卷积神经网络的数据丰富度，使得浓度和种类识别更准确。