[發明專利]模型訓練方法、色彩配方的預測方法、系統、設備及介質

有效

• 申請號: 202210227941.3
• 申請日: 2022-03-10
• 公開（公告）號: CN114330147B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 李鴻峰;張宸;賈昌武;譚國豪
• 申請（專利權）人: 深圳市玄羽科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G16C20/30;G16C20/70
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 馬濤;羅朗

本發明公開了一種模型訓練方法、色彩配方的預測方法、系統、設備及介質，該模型訓練方法包括：獲取一歷史訓練數據集，該歷史訓練數據集包括色彩數據以及與色彩數據對應的配方數據；構建局部線性網絡模型；基于歷史訓練數據集訓練所述局部線性網絡模型，以得到訓練后的局部線性網絡模型；訓練后的局部線性網絡模型以色彩數據作為輸入，以預測配方數據為輸出。本發明通過獲取色彩數據以及與色彩數據對應的配方數據的歷史訓練數據集，基于歷史訓練數據集對構建的局部線性網絡模型進行訓練，以得到訓練后的局部線性網絡模型；以便利用訓練后的局部線性網絡模型精準地預測出對應的配方數據，提高了局部線性網絡模型的預測精準度。

技術領域

本發明涉及色彩配方技術領域，特別涉及一種模型訓練方法、色彩配方的預測方法、系統、設備及介質。

背景技術

以前在紡織、油漆、塑料等行業中長期依靠配色師，憑配色經驗給出顏料的配方。近些年隨著計算機硬件及計算機技術的不斷發展，這種人工配色方法逐步被計算機配色的方法所替代。然而傳統的計算機配色理論是基于理想的假設條件展開計算的，如對光折射率、擴散狀態的限制等，配方原色也相對比較單一，而現實情況中通常達不到理想條件，并且各企業也有自己的配方管理體系，原色配方可能存在種類多且復雜。

計算機配色與實際的企業生產近似于兩個獨立運行的體系，配色軟件的輸出結果只作為參考，實際還需要配色工程師根據發色效果，進行下一步的成份調整；而企業人員經驗和數據上的積累，也不會進一步提升配色軟件的計算精準程度，造成數據價值的浪費。

而現階段，主流計算機配色系統的基本原理仍然基于K-M理論，K-M理論在本身就是基于一定的假定條件下來進行推導的，因此其計算結果在應用到具體實踐時仍有很大局限性，這主要體現在以下三點：

（1）K-M理論并不能充分考慮到行業屬性所帶來的色彩方面的影響因素。例如，在印刷行業中，描述油墨疊加效果時必須考慮光與顏料顆粒的相互作用，以及油墨的物理性質；在塑料配色行業中，通常需要考慮材料基質對著色遮蓋等方面的影響。

（2）部分行業所使用的基礎配方原料也并非一定是標準的。例如，在顯示面板方面，會有RGB（顏色系統）的標準，在印刷行業中，會有CMYK（印刷色彩模式）的標準，而在塑料染色行業，所用到的配方色粉可能多達百種，而且隨后續生產還會繼續有品類增加的可能，以致于在其它行業應用比較成熟的智能配色方案，不能簡單地跨行業復用。

（3）計算機配色系統基于配色原理進行配色，因而相對比較封閉，不具備利用實際生產數據不斷修正預測結果的功能。

發明內容

本發明要解決的技術問題是為了克服現有技術中所采用的配色方法存在預測精準度低的缺陷，提供一種模型訓練方法、色彩配方的預測方法、系統、設備及介質。

本發明是通過下述技術方案來解決上述技術問題：

本發明第一方面提供了一種模型訓練方法，所述模型訓練方法包括：

獲取一歷史訓練數據集，所述歷史訓練數據集包括色彩數據以及與所述色彩數據對應的配方數據；

構建局部線性網絡模型；

基于所述歷史訓練數據集訓練所述局部線性網絡模型，以得到訓練后的局部線性網絡模型；

所述訓練后的局部線性網絡模型以所述色彩數據作為輸入，以預測配方數據為輸出。

較佳地，所述獲取一歷史訓練數據集的步驟之后，所述模型訓練方法還包括：

對所述歷史訓練數據集進行建模分析，以得到與色彩相關的測量數據以及與色彩無關的環境數據；

對所述測量數據進行去相關性換算處理，以得到去相關性換算后的測量數據；

對所述環境數據進行類型區分處理，以得到類型區分后的環境數據；