基于神经网络模型的印染在线配色设备及方法技术

本发明专利技术公开了一种基于神经网络模型的印染在线配色设备，包括：标准色卡采集模块；染料池图像采集模块，用于采集待处理染料池的实际色彩图像；超声波液位测量仪，用于测量待处理染料池的高度，并根据高度计算得到待处理染料池内已有染料液体的体积；数据处理模块，用于计算待处理染料池实际色彩图像与标准色卡图像的色差，并根据色差和待处理染料池的体积基于神经网络模型确定各色染料所需流量值；流量电磁阀，用于根据各色染料所需流量值利用模糊控制技术控制染料流量实现染料在线分配，使得搅拌后待处理染料池实际色彩满足标准色卡色彩要求。本发明专利技术还公开了一种基于神经网络模型的印染在线配色方法，本发明专利技术提高了配色准确率，节约了人力成本。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种基于神经网络模型的印染在线配色设备及方法。
技术介绍
在印染领域内，配色仪器的研制一直是研究的热点，但是由于条件限制，至今很多的生产企业仍主要依靠目视判断和配色经验来完成印染的配色工艺。但是该种方法本身存在着一定的人为误差风险，而且近年来印染工厂的配色熟练工数量正逐步减少，使得该工作的人力成本提高，高强度的配色工作同时也使得人为的视觉误差处于较高的水平，一定程度上影响了生产企业的印染产品质量和出货效率的进一步提升，存在诸多弊端。而且染料的颜色与所使用原料以及当前染料池中的染料颜色都有一定的关系，但是没有精确数学模型可以采用。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种基于神经网络模型的印染在线配色设备及方法，提高了配色准确率，提高了印染产品质量和出货效率，节约了人力成本。为了解决上述技术问题，本专利技术提供了一种基于神经网络模型的印染在线配色设备，包括：标准色卡采集模块，用于采集标准色卡图像；染料池图像采集模块，设置于待处理染料池四周，用于采集待处理染料池的实际色彩图像；超声波液位测量仪，设置于待处理染料池上，用于测量待处理染料池的液位高度，并根据所述高度计算得到待处理染料池内已有染料液体的体积；数据处理模块，分别与所述标准色卡采集模块、所述染料池色彩采集模块和所述超声波液位测量仪连接，用于计算待处理染料池实际色彩图像与标准色卡图像的色差，并根据所述色差和所述待处理染料池的体积基于神经网络模型确定各色染料所需流量值；流量电磁阀，与所述数据处理模块连接，用于根据所述数据处理模块确定的各色染料所需流量值利用模糊控制技术控制染料流量实现染料在线分配，使得搅拌后待处理染料池实际色彩满足标准色卡色彩要求。进一步的，所述标准色卡采集模块包括标准色卡采集卡槽和与所述标准色卡采集卡槽连接的高分辨率工业摄像头；所述染料池色彩采集模块具体为高分辨率工业摄像头；所述数据处理模块具体为计算机。本专利技术还提供了一种基于神经网络模型的印染在线配色方法，所述方法是基于上述的配色设备，则所述方法包括步骤：S101、根据实验室调色实验数据建立调色方案神经网络模型；S102、将标准色卡插入采集卡槽，通过摄像头采集标准色卡色彩图像，并发送至计算机进行预处理和RGB分析；S103、待处理染料池四周的摄像头实时采集待处理染料池的实际色彩图像，发送至计算机进行预处理和RGB分析；S104、超声波液位测量仪测量待处理染料池中已有染料液体的液位高度，并根据待处理染料池的面积计算待处理染料池内已有染料液体的体积；S105、对步骤S102和S103处理后分别得到的标准色卡和待处理染料池的RGB值进行差分处理；S106、根据差分结果及待处理染料池内已有染料液体的体积，输入到步骤S101中确定的调色方案神经网络模型，计算得到红、绿、蓝三种染料分别补充的单次调色所需流量值；S107、根据计算得到的红、绿、蓝三种染料分别补充的单次调色所需流量值，运用模糊控制技术控制流量电磁阀实现给料，并控制搅拌机进行搅拌；S108、搅拌完成后，重复步骤S102-S107，直至待处理染料池中染料颜色满足标准色卡色彩要求。进一步的，所述S101具体包括步骤：S1011、通过实验室的反复调色实验得到一组调色数据作为训练样本X＝[x1,x2,...,xn]和Y＝[y1,y2,...,yn]，其中，n表示样本的个数，xi＝[rD,gD,bD,v]，i＝1,2,3,…,n，rD、gD、bD表示RGB值的色度坐标，v为染料液体体积，yj＝[yred,ygreen,yblue]，j＝1,2,3,…,n，yred、ygreen、yblue分别表示红、绿、蓝三色染料所需流量值；S1012、根据公式xn＝2*(xi-minxi)/(maxxi-minxi)-1对训练样本进行归一化处理，初始化隐含层与输入层之间的权值、阈值，对具有正切S型激活函数的神经元产生对称随机数；其中，maxxi，minxi分别为xi的最大值和最小值，xn为映射后的数据；S1013、以X为输入，Y为期望输出，设定偏差e＝1e-5，将训练参数初始化，采用快速BP算法训练神经网络，训练得到神经网络中间三层的连接权值，确定该批次红、绿、蓝三色染料的调色方案神经网络模型。进一步的，所述S102具体包括步骤：S1021、将标准色卡插入采集卡槽，通过摄像头采集标准色卡色彩图像PS，并发送至计算机；S1022、计算机采用中值滤波法，去除标准色卡色彩图像PS的噪声，得到无噪声的标准色卡图像PS′；S1023、计算PS′的高度HS；S1024、依次从图像PS′高度的处从左到右扫描图像，其中n为正整数，iS＝1,3,5,…,2n-1；S1025、对搜索到的每个像素点进行RGB值分析后取平均值得到值，以此作为标准色卡的RGB值。进一步的，所述S103具体包括步骤：S1031、待处理染料池四周四个不同的工业摄像头实时采集待处理染料池实际色彩图像，分别为PR1，PR2，PR3，PR4，并发送至计算机；S1032、计算机采用中值滤波法，去除待处理的染料池的实际色彩图像的噪声，得到无噪声的待处理的染料池的实际色彩图像PR1′、PR2′、PR3′和PR4′；S1033、依次从图像PR1′、PR2′、PR3′和PR4′高度的处从左到右扫描图像，其中n为正整数，iR＝1,3,5,…,2n-1；S1034、对搜索到的每个像素点进行RGB值分析后取平均值，得到图像PR1′、PR2′、PR3′和PR4′的值，其中，i＝1,2,3,4；S1035、根据公式：RR‾=RR1‾+RR2‾+RR3‾+RR4‾4,GR‾=GR1‾+GR2‾+GR3‾+GR4‾4,]]>计算得到待处理的染料池的实际色彩图像的RGB平均值值。进一步的，所述S105具体包括步骤：S1051、将标准色卡图像PS的RGB平均值与染料池实时色彩图像PR的RGB平均值进行差分处理，得到差值S1052、求解各自在总量中的相对比例，将其用色度坐标rD、gD、bD表示，色度坐标计算公式具体为：rD=R‾DR‾D+G‾D+B‾D,gD=G&Over本文档来自技高网...

【技术保护点】
一种基于神经网络模型的印染在线配色设备，其特征在于，包括：标准色卡采集模块，用于采集标准色卡图像；染料池图像采集模块，设置于待处理染料池四周，用于采集待处理染料池的实际色彩图像；超声波液位测量仪，设置于待处理染料池上，用于测量待处理染料池的液位高度，并根据所述高度计算得到待处理染料池内已有染料液体的体积；数据处理模块，分别与所述标准色卡采集模块、所述染料池色彩采集模块和所述超声波液位测量仪连接，用于计算待处理染料池实际色彩图像与标准色卡图像的色差，并根据所述色差和所述待处理染料池的体积基于神经网络模型确定各色染料所需流量值；流量电磁阀，与所述数据处理模块连接，用于根据所述数据处理模块确定的各色染料所需流量值利用模糊控制技术控制染料流量实现染料在线分配，使得搅拌后待处理染料池实际色彩满足标准色卡色彩要求。

【技术特征摘要】
1.一种基于神经网络模型的印染在线配色设备，其特征在于，包括：
标准色卡采集模块，用于采集标准色卡图像；
染料池图像采集模块，设置于待处理染料池四周，用于采集待处理染料池
的实际色彩图像；
超声波液位测量仪，设置于待处理染料池上，用于测量待处理染料池的液
位高度，并根据所述高度计算得到待处理染料池内已有染料液体的体积；
数据处理模块，分别与所述标准色卡采集模块、所述染料池色彩采集模块
和所述超声波液位测量仪连接，用于计算待处理染料池实际色彩图像与标准色
卡图像的色差，并根据所述色差和所述待处理染料池的体积基于神经网络模型
确定各色染料所需流量值；
流量电磁阀，与所述数据处理模块连接，用于根据所述数据处理模块确定
的各色染料所需流量值利用模糊控制技术控制染料流量实现染料在线分配，使
得搅拌后待处理染料池实际色彩满足标准色卡色彩要求。
2.如权利要求1所述的基于神经网络模型的印染在线配色设备，其特征在
于，
所述标准色卡采集模块包括标准色卡采集卡槽和与所述标准色卡采集卡槽
连接的高分辨率工业摄像头；
所述染料池色彩采集模块具体为高分辨率工业摄像头；
所述数据处理模块具体为计算机。
3.一种基于神经网络模型的印染在线配色方法，其特征在于，所述方法是
基于权利要求2所述的配色设备，则所述方法包括步骤：
S101、根据实验室调色实验数据建立调色方案神经网络模型；
S102、将标准色卡插入采集卡槽，通过摄像头采集标准色卡色彩图像，并
发送至计算机进行预处理和RGB分析；
S103、待处理染料池四周的摄像头实时采集待处理染料池的实际色彩图像，

\t发送至计算机进行预处理和RGB分析；
S104、超声波液位测量仪测量待处理染料池中已有染料液体的液位高度，
并根据待处理染料池的面积计算待处理染料池内已有染料液体的体积；
S105、对步骤S102和S103处理后分别得到的标准色卡和待处理染料池的
RGB值进行差分处理；
S106、根据差分结果及待处理染料池内已有染料液体的体积，输入到步骤
S101中确定的调色方案神经网络模型，计算得到红、绿、蓝三种染料分别补充
的单次调色所需流量值；
S107、根据计算得到的红、绿、蓝三种染料分别补充的单次调色所需流量
值，运用模糊控制技术控制流量电磁阀实现给料，并控制搅拌机进行搅拌；
S108、搅拌完成后，重复步骤S102-S107，直至待处理染料池中染料颜色满
足标准色卡色彩要求。
4.如权利要求3所述的基于神经网络模型的印染在线配色方法，其特征在
于，所述S101具体包括步骤：
S1011、通过实验室的反复调色实验得到一组调色数据作为训练样本
X＝[x1,x2,...,xn]和Y＝[y1,y2,...,yn]，其中，n表示样本的个数，xi＝[rD,gD,bD,v]，
i＝1,2,3,…,n，rD、、gDbD表示RGB值的色度坐标，v为染料液体体积，
yj＝[yred,ygreen,yblue]，j＝1,2,3,…,n，yred、y、greenyblue分别表示红、绿、蓝三色染
料所需流量值；
S1012、根据公式xn＝2*(xi-minxi)/(maxxi-minxi)-1对训练样本进行归
一化处理，初始化隐含层与输入层之间的权值、阈值，对具有正切S型激活函
数的神经元产生对称随机数；其中，maxxi，minxi分别为xi的最大值和最小值，xn为映射后的数据；
S1013、以X为输入，Y为期望输出，设定偏...

【专利技术属性】
技术研发人员：倪建军，杨阳，陈俊风，朱金秀，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32