基于单常数Kubelka-Munk理论的混色纤维颜色预测的光谱校正方法

【】本发明涉及混色纤维颜色预测的光谱校正方法的，特别是由少量混纤训练的可适用于棉、羊毛、麻和化纤等多种多色混色纤维、纱线或织物的彩色和非彩色纤维组合式光谱校正方法的。

背景技术

0、
背景技术：

1、色纺纱由两种或两种以上的有色纤维混和纺制而成，色彩丰富，有朦胧立体感，且其加工工艺具有节能、减排和环保等显著优势。对于色纺纱而言，其纤维混比为产品生产的关键。但是，现今因颜色理论模型存在精度不高和适用性不强等缺点，导致大多数企业仍然选择采用人工配色方式，而人工配色方式存在速度慢、效率低、依赖人眼识别及打样师的技术经验等缺陷，最终引起制样周期长和生产成本高等问题。因此，亟需有效的颜色预测模型以实现高效的数字化配色生产。

2、目前，颜色预测模型主要有经验模型(stearns-noechel(s-n)模型和friele模型)和理论模型(单、双常数kubelka-munk(km)理论)两种。由于s-n模型和friele模型均属于基于混色反射率加和理论的经验方程，学者们多集中在研究上述两种模型的最优参数，但不同的颜色和材料需要训练不同的经验参数，不仅训练结果往往不理想，还通常需要上百个样品训练经验参数(白婧,杨柳,张毅等.纯棉色纺纱配色中的stearns-noechel模型参数优化.纺织学报2018；39(03):31-37.)。单常数和双常数km模型是根据kubelka与munk提出的有色纤维反射率与散射系数s和吸收系数k之间的函数关系和ducan的混色加和理论发展而来。此种模型因受限于km模型不包含表面反射光的理想假设，在颜色预测时会存在较大偏差。其中，双常数km模型所需样本较多，且吸收系数k和散射系数s的计算较为困难。为此，万晓霞等人于2016年提出了一种基于双常数km理论的有色纤维混合配色方法(公告号为cn106469258b)。该方法虽然可在减少制样数量的前提下获得较为理想的配比预测结果，但并没有得到广泛应用。

3、单常数km理论预测混色纤维反射率方法简便，可由单色纤维的k/s值和混色比例直接计算，具有广泛应用的潜力，但在颜色预测的应用中并不理想。在2018年，韦春奥提出了一种新的单常数km模型经验加和理论(wei ca,wan xx and li jf.a modified single-constant kubelka–munk model for colorprediction ofpre-coloredfiberblends.cellulose 2018；25:2091–2102.)，其可应用于2～4色混色针织物的颜色预测，但其经验方程中的校正因子在2、3、4色的织物中都不相同，求解难度大，且未考察在纤维中的适用性。在2020年，高新等(gao x,pan rr,gao wd.the color prediction ofcotton fibers based on single-constant kubelka-munk theory.jornalofsilk2020；57(09):34-38.)采用映射法和遍历法分别消除极端k/s值的影响和确定最佳映射范围，可对双色和三色混纤维取得一定的预测效果，但该方法需90个样品作为训练样，且映射搜索数值方法复杂，在黑白纤维中应用两次遍历法才能降低偏差，偏差较大。因此，亟需有效且简便的混纤的颜色预测方法。

技术实现思路

0、
技术实现要素：

1、本发明的目的就是解决现有技术中的问题，提出基于单常数kubelka-munk理论的混色纤维颜色预测的光谱校正方法，能够提高单常数kubelka-munk模型对混色纤维颜色预测的准确性，使其准确性远高于其他颜色预测模型，可适用于化纤、麻、羊毛和棉等多种纤维、纱线和织物。

2、为实现上述目的，本发明提出了基于单常数kubelka-munk理论的混色纤维颜色预测的光谱校正方法，包括如下步骤：

3、步骤1、通过单色纤维制备不同比例及组分的混色纤维，先获取单色纤维与不同混比的混色纤维的真实光谱反射率ract,λ，再由kubelka-munk反射公式(1)转化为真实(k/s)act,λ：

4、

5、式中，λ是光谱中某一特定波长，单位为nm；ract,λ是波长为λ时单色或混色纤维的测量的真实反射率，单位为％；(k/s)act,λ是单色或混色纤维的吸收系数k与散射系数s的比值；

6、步骤2、根据单常数kubelka-munk理论并由测得的各波长下单色纤维的(k/s)act,λ计算混色纤维的理论值(k/s)mix,λ：

7、

8、式中，(k/s)i,λ是混色纤维中第i种(i＝1，2，3，4，5)单色纤维的吸收系数k与散射系数s的比值；(k/s)mix,λ是通过公式(2)计算得到的混色纤维的吸收系数k与散射系数s的比值；ci是第i种(i＝1，2，3，4，5)单色纤维在混色纤维中所占比例且c1+c2+...+ci＝1；

9、步骤3、构建混色纤维颜色预测的单常数kubelka-munk理论光谱校正公式：

10、将不同比例的若干个彩色混纤维样品与若干个非彩色混纤维样品共同作为训练样，根据各波长下彩色和非彩色混色纤维训练样的真实值(k/s)act,λ与理论值(k/s)mix,λ之间的关系，由最小二乘法分别拟合公式(3)中彩色与非彩色纤维的光谱校正系数，构建各光谱波长下的彩色-非彩色纤维组合式光谱校正方程：

11、

12、式中，k1、b1为彩色纤维(如红、黄、蓝)的光谱校正系数；k2、b2为非彩色纤维(如白、黑)的光谱校正系数，且其值与波长、混色纤维中的组分种类有关；(k/s)mix1,λ与(k/s)mix2,λ分别为混色纤维中彩色纤维混合部分与非彩色纤维混合部分的理论值，可由公式(2)计算得到；ε1与ε2分别为彩色与非彩色纤维的调节因子，当混色纤维中包含彩色纤维时，即(k/s)mix1,λ≠0时，ε1＝1，否则ε1＝0，而当(k/s)mix2,λ≠0时，ε2＝1，否则ε2＝0；(k/s)pre,λ为通过光谱校正公式校正后得到的混色纤维的吸收系数k与散射系数s的比值；

13、由此，该彩色-非彩色纤维组合式光谱校正方程可对不同颜色混合的混色纤维进行预测；

14、步骤4、实现混色纤维的颜色预测：

15、在通过步骤1和步骤2获得混色纤维的(k/s)mix,λ后，先根据光谱校正公式(3)计算(k/s)pre,λ，再由kubelka-munk反射公式(4)转化成混色纤维预测反射率rpre,λ，最后将反射率转化成lab值并以色差公式cielab评估混色纤维预测颜色的准确度：

16、

17、式中，rpre,λ为混色纤维的预测反射率。

18、作为优选，在所述步骤1中，于测量反射率期间需要保证纤维平行排列且纤维堆积密度固定、不透光。

19、作为优选，在所述步骤1中，纤维质量为2～10g。

20、作为优选，在所述步骤1中，颜色反射率的测量的λ波长范围为380～700nm且波长间隔为10nm。

21、作为优选，在所述步骤3中，彩色混纤维样品的数量为9个，非彩色混纤维样品的数量为5个。需要强调的是，所采用彩色与非彩色混色纤维训练样本的数量并不局限于9个和5个，亦可采取不同数量的混色纤维样品作为训练样本。

22、作为优选，在所述步骤5中，计算色差时执行gb/t 7921-2008标准且选用cielab色差公式。

23、作为优选，所述纤维为棉纤维、羊毛纤维、羊绒纤维、木棉纤维、麻纤维、再生纤维或化学纤维。

24、作为优选，所适用材料包括但不限于任意色纤维混成的多色混纤维，还可应用于任意色透明、半透明浑浊材料混成的多色混透明、半透明浑浊材料(如由纤维制成的纱线和织物等)。

25、此外，所述红、黄、蓝、白、黑五种单色纤维亦可用多种不同颜色的纤维进行替换。

26、本发明的有益效果：

27、本发明公开了一种基于单常数kubelka-munk理论的混色纤维颜色预测的光谱校正方法。该方法是申请人提出的考虑混色纤维中不同颜色纤维之间吸收与散射特性互相影响等因素而导致单常数km模型预测精度较低的光谱校正方法，比单常数kubelka-munk(km-1)模型、双常数kubelka-munk(km-2)模型、stearns-noechel(s-n)模型以及friele模型直接计算的混色纤维反射率更加准确。

28、本发明可以用于提高单常数kubelka-munk模型对混色纤维进行颜色预测的准确度，并获取准确的混色纤维的预测反射率，解决了因混色纤维中不同颜色纤维的吸收与散射特性不同等因素造成的预测反射率计算偏差的难题。此外，本发明只需共14个混色纤维样品训练出相应彩色与非彩色纤维的光谱校正系数，便可以准确预测不同混色比例的混色纤维的反射率，且与实际测量得到的混色纤维反射率有很好的一致性。

29、本发明的特征及优点将通过实施例结合附图进行详细说明。