基于粒子群優化的高光譜木材染色配色算法研究
發布時間:2023-11-10
瀏覽次數:532
木材顏色是決定木材品質的重要因素,由于珍貴木材的稀缺,所以衍生仿真木材加工行業,傳統木材染色行業生產線工人僅僅依靠經驗和視覺判斷進行染色,導致染色品質下降、木材資源浪費、達不到所期望的染色效果。針對上述問題,本究將高光譜成像技術和計算機智能算法應用于木材染色配色中,以提高木材染色計算機智能配色應用的準確性和實用性。
本研究應用了400-1000nm的高光譜相機進行相關研究。
木材顏色是決定木材品質的重要因素,由于珍貴木材的稀缺,所以衍生仿真木材加工行業,傳統木材染色行業生產線工人僅僅依靠經驗和視覺判斷進行染色,導致染色品質下降、木材資源浪費、達不到所期望的染色效果。針對上述問題,本究將高光譜成像技術和計算機智能算法應用于木材染色配色中,以提高木材染色計算機智能配色應用的準確性和實用性。
本研究主要研究內容如下
①研究以水曲柳單板木材為研究對象在確定染色工藝下進行木材染色試驗,實驗獲得珍貴樹種材樣本、單一組分染料染色材樣本和混色染料染色材樣本,闡述高光譜成像技術原理和幾種顏色空間及色差評級理論。針對木材染色配色理論試驗研究,選擇高光譜儀器處理試驗樣板,利用高光譜技術對實驗樣本進行數據采集、處理及分析。
②根據實驗數據訓練樣本集,建立基于Kubelka-Munk理論的木材染色配方預測模型。針對Kubelka-Munk理論算法模型存在的問題建立優化的Friele算法模型進行木材染色配色實驗研究,同時比較優化前后的Friele算法模型在木材染色配色預測配方過程中的色差精確度。利用高光譜伩器檢測染色實驗樣本,根據染色效果比較和算法的研究,利用粒子群優化Steams-Noechel算法模型預測配方,以提高Friele算法模型的染色精度,降低色差和光譜反射率曲線誤差,比較優化前后的Steams-Noechel算法模型在木材染色配色預測配方過程中的色差精確度。
本研究主要研究成果如下
①提出在光譜空間基于高光譜成像的木材染色計算機智能配色方法研究,將計算機技術應用到木材染色配色的工業化生產上,解決木材染色配色行業存在的技術性問題;
②研究將高光譜成像技術應用在顏色測量領域,相較于普通的分光測色儀,它具有“圖譜合一”的優點,擁有更寬的光譜范圍和更精細的光譜特征,也可解決彩色相機造成的“同色異譜”的問題,為顏色測量提供了新的方法,也為顏色計量標準提供了新的思路;
③本研究提出的優化方法提高了算法模型的精確度,再結合高光譜測色進行光譜反射率曲錢擬合,使得配色結果的準確度更高,更加符合工業生產的要求;
④實驗采用水曲柳染色單板材質緊密,經過著色、干燥處理后不易產生裂紋;
⑤基材制備過程中,單板含水率應維持在8%以上,染液浴比控制在20:1為宜,染色時間不宜超過3小時;固色時間應盡量控制在30分鐘左右,此外染色單板烘干過程中溫度不宜過高,盡量控制在60°C左右。
相關產品
-
紅外光譜的發展、原理、特點、分類
紅外光譜的發展、原理、特點、分類紅外光譜的技術在各領域中的應用相繼經歷了很長時期,逐漸完善著自身技術在領域中的應用,且將低成本高性能作為發展與創新的主要方向。本..
-
近紅外光譜技術的優缺點和應用范圍
?由于近紅外光譜在光纖中良好的傳輸性,近年來也被很多發達國家廣泛應用在產業在線分析中。近紅外定量分析因其快速、正確已被列人世界谷物化學科技標準協會和美國谷物化學..
-
高光譜數據常見預處理方法有哪些?
高光譜在采集數據時會有成百上千個不同的波段數據,數據量巨大從而增加了數據處理的難度。而且在高光譜圖像采集過程中會有來自儀器與環境的干擾,獲得的光譜信號易存在噪聲..
-
高光譜成像儀光譜數據特征波長的選取方法介紹
高光譜成像儀?在對樣品進行側臉時,會采集多波段的光譜數據,全波段數據有較多的冗余信息,因此就需要采用一定的方法來選取樣本光譜的特征波段與紋理特征的重要變量。本文..