开发一种机器学习模型,预测挤出热塑性树脂的颜色
Puay Keong Neo1,2, Yew Wei Leong3, Moi Fuai Soon2
1Graduate School of Organic Materials Science, Yamagata University, 4-3-16 Jonan, Yonezawa 992-8510, Yamagata, Japan.
Polymers
|February 24, 2024
概括
这项研究引入了机器学习模型,特别是包装和随机森林回归,以使用直线测量预测聚合物颜色. 这种方法显著减少了与传统色彩匹配过程相关的时间和材料浪费.
科学领域:
- 聚合物科学 聚合物科学
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 传统的聚合物颜色匹配依赖于离线光谱测量,通常需要多次代.
- 重复的颜色匹配导致显著的时间延迟和物质浪费.
研究的目的:
- 开发一种机器学习模型,从线内测量中预测离线颜色值.
- 为了减少聚合物颜色匹配过程中消耗的时间和资源.
主要方法:
- 利用直线过程光谱仪进行实时色彩数据采集.
- 采用长板光谱仪用于离线色彩数据验证.
- 应用机器学习算法,包括使用决策树回归和随机森林回归进行包装.
主要成果:
- 使用决策树回归进行包装,实现了10.87.87的总色差 (dE).
- 随机森林回归实现了10.75.75的总色差 (dE).
- 两种模型都表现出了强度和处理色彩数据中的非线性关系的能力.
结论:
- 机器学习模型可以从线下测量中准确地预测线下颜色.
- 这种预测能力可以显著减少颜色匹配时间和材料浪费.
- 使用预测分析进行线内色彩监控,可及时进行流程校正.


