基于光谱重建和BP神经网络的织物涂抹的颜色强度的数字分级

科学领域:

• 织科学 织科学
• 颜色科学 颜色科学
• 人工智能的人工智能

背景情况:

• 评估织物颜色对摩擦的坚固性对于织品质量控制至关重要.
• 传统的视觉分级方法是主观的,可能不一致.
• 数字评分为客观和自动化的评估提供了潜力.

研究的目的:

• 开发一种自动数字分级方法,用于染色织物,以保持颜色的固性.
• 利用光谱重建技术和BP神经网络进行准确的预测.
• 将拟议的方法与现有的颜色差异和灰度差异方法进行比较.

主要方法:

• 根据ISO 105-X12标准准备面料样本.
• 视觉分级由专家进行,以确定基本真相.
• 数字图像被捕获,并使用光谱重建提取颜色数据.
• 一个BP神经网络模型被训练用于颜色性预测.

主要成果:

• 该BP神经网络模型有效地预测了织物颜色与摩擦的紧性.
• 拟议的数字分级方法优于颜色差异和灰度差异方法.
• 在数字评级和视觉评估结果之间观察到很高的一致性.

结论:

• 基于光谱重建和BP神经网络开发的数字分级方法提供了一种可靠和客观的方法来评估面料的颜色耐磨性.
• 这种自动化方法比传统的主观评分技术具有显著的优势.
• 这些发现支持这项技术的实施,以有效和准确地评估织品质量.