【doc】面向三维数字化产品色彩的油漆配方预测系统

【doc】面向三维数字化产品色彩的油漆 配方 学校职工宿舍分配方案某公司股权分配方案中药治疗痤疮学校教师宿舍分配方案医生绩效二次分配方案 预测系统 面向三维数字化产品色彩的油漆配方预测 系统 面向三维数字化产品色彩的油漆配方预测系统 张全于明玖许占民陆长德 (西北工业大学机电学院,西安710072) 摘要现有油漆配方预测系统不能直接预测三维数字化产品色彩的油漆配方,这成 为推进产品大规模定制 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 实用 化的障碍.利用三维数字模型色彩信息的提取技术和BP神经网络,在CAXA系统 平台上构建了一个油漆配方预测系 统,并以西安油漆厂提供的样本进行测试.测试结果表明,该系统可直接预测三维 数字化产品色彩的油漆配方. 关键词油漆配方预测系统三维数字模型BP神经网络色彩空间转换 文章编号1002—8331一(2004)36—0004—03文献标识码A中图分类号TP391 AnArtificialIntelligentPaintColorPredictorSystemforthe ColoronThree-dimensionalDigitalProductModel ZhangQuanYuMingjiuXuZlmnminLuChangde (SchoolofElectromechanicsofNorthwesternPolytechnicalUniversity,Xi'an710072) Abstract:Existingpaintrecipepredictorsystemscan'tpredictpaintrecipeforthecolorondigitalproductmodeldi- rectly,whichpreventsusingmasscustomizationdesigninpractice.First,anartificialintelligentpredictorsystembasedon backpropagationneuralnetworkisdevelopedinCAXAsoftware.Then,colorpick— uptechnique,system"sconstructionand improvedpredictionmodelarediscussedindetail.Atlast,atestparadigmisshownwiththepaintsamplesfromXi'an PaintCo.ThetestresultsdemonstratethatthepredictorsystemCanpredictpaintrecipeforthecoloronthree-dimen- sionaldigitalproductmodeldirectly. Keywords:paintrecipepredictorsystem,three— dimensionaldigitalmodel,BackPropagationneuralnetwork,colorspace transformation 1引言 大规模定制是近十几年来风靡国内外制造业的一种新的 生产模式,它兼顾定制生产和大规模生产的优点【l】.国外已有许 多企业通过实施大规模定制获得了巨大的竞争优势,如摩托罗 拉手机,戴尔(Del1)电脑以及安德森(Andersen)门窗等.在家 电,家具,个人数码产品等这些适合大规模定制的行业里,油漆 决定了几乎所有产品的外观色彩.因此,油漆也成为消费者的 定制产品,油漆色彩定制系统的研究开发愈来愈受到重视.与 三维数字化产品定制系统相结合的油漆色彩定制系统至少具 有以下功能:可以嵌入CAD系统,提取三维数字模型色彩的 RGB值,把RGB值转换成与硬件设备,软件系统无关的L'a,b 值,最后根据,.n.6'值预测油漆配方.根据油漆配方可以生产 与定制色彩相匹配的油漆. 目前的定制系统还有两个问题需要解决: (1)不能直接获取三维数字模型的色彩信息.定制产品的 用户往往在看到CAD系统生成的产品效果图后,才确定选择 哪种色彩.而效果图的色彩受CAD系统的灯光,材质和渲染场 景等多因素的影响,产生多层次明暗效果.借助Photoshop软 件人工提取色彩信息的 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 刚不能得到三维数字模型的真实 色彩. (2)油漆配方的预测精度偏低,预测模型及其采用的神经 网络算法有待改进.目前油漆配方预测模型方面的研究报道较 少,主要有两个研究方向:一是以Westland等提出的ANN-KM 模型为代表的神经网络结合Kubelka—Munk理论的研究方 向p?51;二是刘芳等提出的基于BP(BackPropagation)神经网络 的油漆配方预测研究方向目.由于BP神经网络具有数学意义 明确,学习规则简单,非线性映射能力强等优点[61.BP神经网络 技术在色彩调和,颜色匹配,色彩空间转换以及印刷校色等研 究领域越来越受到重视17--9].然而,油漆的组成成分复杂,影响油 漆色彩的不可知因素较多,导致构建的神经网络模型的规模急 剧增大.那些适用于颜色匹配,色彩空间转换和印刷校色的神 经网络算法在油漆配方预测模型中精度变低甚至不能用. 针对以上问题,该文采用改进的BP算法,在CAXA系统 平台上开发了一个可提取三维数字模型色彩信息的油漆配方 预测系统,最后以西安油漆厂提供的油漆样本为例,讨论了BP 网络训练情况以及油漆配方预测结果. 2预测系统构造及软件实现 该预测系统包括CAXA系统接口,色彩空间转换模块,数 据管理模块,BP网络训练模块,预测模块和配方管理模块,各 个功能模块之间的关系如图1所示. 系统的设计思路是:通过CAXA系统接口提取三维数字 模型色彩的RGB值,色彩空间转换模块将RGB和XYZ值转 换为L"a'b'值;数据管理模块处理色彩数据和油漆样本数据, 为训练BP网络做准备;BP网络训练模块获取预测油漆配方的 经验值;预测模块根据经验值和输入的,.n—b值进行预测. 基金项目:国家863高技术研究发展计划CIMS主题资助项目(编 号:2002AA411120) 作者简介:张全(1977一),男,山东泰安人,博士研究生,主要研究领域为计算机辅助 工业设计,智能设计,优化设计以及色度学等. 420o4.36计算机工程与应用 [R 竺 OB1"11 lcAxA系统接口l RGB值 色彩空间转换模块L?a?值 XYZ值I .厂 图I预测系统模块关系示意图 2.1CAXA系统接口 预测系统是以CAXA系统为平台构建的.对于CAXA二 次开发接口,外部对象是标准的COM对象,每一个对象都支持 一 个或者多个接口,每一个接口都为C++COM和VBautoma— tion(IDispatch)提供双重支持.把预测系统作为COM对象嵌 人到CAXA系统中,通过CMyAppAddin::InitSelf() 函数 excel方差函数excelsd函数已知函数     2 f x m x mx m      2 1 4 2拉格朗日函数pdf函数公式下载 进行 注册加载.然后利用拾取事件类的派生类 classCdwgCreationSelectEventsSink:publicZSelectEventsSink { …… (略) ) 来定义CAXA系统内数字模型的色彩信息类.最后定义色彩 信息类的色彩变量mColor,提取没有受到灯光,材质等因素影 响的三维数字模型色彩信息. 2.2色彩空间转换模块. 油漆样本一般是涂有油漆的卡片,仅知道油漆配方,油漆 样本的色彩信息需要通过分色仪器测量.分色仪器测得的油漆 色彩信息是XYZ三刺激值【1Ol.需要把分色仪器测得的XYZ三 刺激值转换为,J.?.6值. XYZ色彩空间到L*a'b色彩空间的转换公式为一分段函 ~llol,当0.008856,0.008856,二>Zo.008856B~: ,J.=116I}一16(1) r] .-5..)一J b..200 当所使 如下修正公 (3) 述范围之外时,L,0,b可以用 L.=11I}一16(4) . l,I砉))]? 2ool,1)引? 其中,X.,Y.,zo为标准光源D的三刺激值,其值为X.= 95.045,Y~100,108.255.函数f(x)可表示为: f(x)=7.787x+O.0964(7) 色彩空间转换模块另一个重要功能是通过CAXA系统接 口提取色彩信息,操作函数如下: CICAPIComTestCmdEventsSink::OnClick() 该函数调用变量mColor提取CAXA环境下数字模型的色 彩信息,然后把R?值转换成,.?.6'值. 将RGB值转换为,.?.6'值是通过BP神经网络来实现的, 采用了改进BP算法【111.具体方法是通过采集大量RGB值与 ,.?.6值样本对,经过多次训练BP网络获取经验值,根据经验 值可以完成R?色彩空间到,.?.6'色彩空间的转换. 2-3数据管理模块 为了提高预测系统的操作效率和人机交互性能,数据管理 模块把色彩空间转换模块发送的,.?.6值与其对应的油漆配 方值组成样本对,组成BP网络训练的参考映射点.例如,西安 油漆厂某型号油漆的基本色料包括钛白粉,软质碳黑,铁蓝,孔 雀蓝,中铬黄,紫红,浅铬黄,铁红,甲苯胺红和中黄,共计1O 种.预测系统把,',0,6值作为BP网络的初始输人,把这1O 种基本色料的质量百分含量作为BP网络的期望输出. 预测模块采用BP网络的误差传递函数是: ,()=—l_ 1+e 又称S型函数[61.L'a.6'的取值范围是I-127,127】,基本色料 的百分含量的取值范围是【O,1】.为充分利用该函数的收敛特 性,提高BP网络的训练速度和精度,在BP网络训练模块调人 ,.?.6值时,系统增加了数据预处理功能,将,J.?.6值 规范 编程规范下载gsp规范下载钢格栅规范下载警徽规范下载建设厅规范下载 化到 O,1之间. 2.4BP网络训练模块 为了获取预测油漆配方的经验值,首先必须通过大量的样 本来训练BP网络.大量的样本给训练BP网络带来沉重的计 算任务,往往训练速度变慢,训练精度变低甚至无法收敛.为解 决这个问题,在训练之前,需要设定BP网络的参数(在系统验 证部分给以详细说明).当达到训练目标时,训练停止.系统自 动把提取的配色经验值以神经元权值的形式保存起来.保存权 值的目的有两个:一是获得的权值代表了预测系统训练的结 果,用户可以利用这些权值来测试系统的配色能力;二是可以 把保存的权值重新输人BP网络继续训练,提取更完整的配色 经验值,增强BP神经网络的适应能力. 2.5配方预测模块 预测模块把规范化的三维数字化产品色彩信息调人,然后 根据获取的油漆配方预测经验(保存的神经元权值)进行配色, 得到油漆的预测配方.预测配方以各种基本色料的质量百分含 量显示. 2.6配方管理模块 把预测配方以及与其对应的产品色彩数据保存在数据库 里,备用. 3系统验证 西安油漆厂为课题研究及系统开发提供了部分实验资料, 包括配色方法,配色工艺,油漆配方及油漆色卡等.下面以西安 油漆厂提供的油漆样本应用为例,讨论预测系统的验证情况和 结果. 3.1训练BP网络 以下论述内容均参用图2. 筛选200个具有代表性的样本对作为实验的样本集,对一 个四层BP网络进行训练.这个四层BP网络的输人层取3个 计算机工程与应用2004.365 一一一一一—一一一一一一B一一一l,在雅l一3,..,出的求一用式 神经元,对应影响油漆色彩的R,G,B指标;输出层取1O个神 经元,对应1O种基本色料的质量百分比;隐含层神经元的选取 没有统一规定,根据经验值设置含有两个隐层的BP网络,其 中第一个隐层15个神经元,第二个隐层38个神经元. 图2BP神经网络的参数界面 在BP网络的实际应用中,训练速度因子T1和动量因子 的选择是十分关键的问题.经过多次试验选定BP网络的速度 因子11=O.4,动量因子/x=0.9. BP网络的初始权值对网络训练结果的影响很大,从全局 最优的观点来看,应使权值尽可能接近全局最小点.但实际上, 很难在BP网络开始训练时把权值设置得比较理想.因此,在 BP算法中采取随机地设置初始权值的方法.经过多次试验,确 定f-0.4,0.4】为初始权值的最佳取值范围."权值系数"功能项 可以扩大权值取值范围,增强BP网络的适应性能. 根据基本色料的百分含量绝对误差不超过1%的要求,设 定期望误差为,=O.001.BP网络经过56930次训练便达到训练 目标,=O.001,训练过程如图3所示.该预测系统中BP网络的 训练速度与精度均比此前所采用算法1有较大提高. 图3BP网络的训练过程 3.2配色 为CAXA系统内三维数字模型配色的过程是:先用"选 色"功能,通过调用色彩空间转换模块中的拾色器提取数字模 型的色彩信息;然后用"分色"功能,BP网络凋用配色经验值完 成RGB到油漆配方的映射计算,映射计算在极短时间(<0.5 秒)内完成.油漆配方以基本色料质量百分比的形式给出,如图 4所示. 对选定的8组测试样本进行预测,结果见表1.实际油漆 配方用"T"表示,该系统预测的配方用…P'表示.经过测试,色 料质量百分含量绝对误差基本稳定在0.6%以内,与参考文献 【31给出的结果相比更靠近实际生产要求. 62Oo4.36计算机工程与应用 图4配色结果显示图 表1系统预测配方与实际配方比较表 4结论 面向三维数字模型的预测系统以CAXA软件系统为平 台,实现了直接提取CAXA系统内三维数字模型色彩信息的 功能;XYZ和RGB色彩空间到L'6色彩空间的转换;采用改 进的BP神经网络建立油漆配方预测模型,可预测数字产品色 彩对应的油漆配方.这种面向三维数字模型的预测系统已经应 用到国家"十五"攻关项目"面向信息家电的三维数字化定制设 计关键技术研究"的色彩设计工具集中,基本满足了在CAD软 件系统中进行计算机油漆配色的实际要求: (收稿日规:2004年9月) 参考文献 1.DaveAIford,PeterSackett,GeoffNelder.MassCustomizationanAutomo- tivePerspective[J1.IntemationalJournalofProductionEconomics, 2O0o;(65):99-110 2.刘芳,余隋怀,陆长德.工业设计中油漆配色专家系统的构建【J].机械 科学与技术,1997;16(3):557-560 3.刘芳,弓民,陆长德.应用BP网络的油漆配色系统【J].化学工业与工 (下转10页) 03080100150200300 暂停时间 图2数据包的有效发送率 O3O6O1oo15o2oo300 f簿时间 圈3端到端延时 0306O1O015O200300 彳尊时间 图4平均跳距 从上面的分析可以看出IMR的性能要优于其它三种算 法,且特别适合在网络拓扑变化快的环境. 5总结 该文通过理论证明了多路径算法与路由策略的密切关系 提出了一种路径完全独立的多路径算法.该算法按需地建立独 立路径,同时采用当所有多路径都断裂了才进行重新的路由发 现的路由策略,仿真结果显示,独立多路径比SMR,DSR中所 建立的路径更稳定,更适合Adhoc网络,该算法有效地提高了 网络性能,同时具备多路径的优势,合理地均衡了网络的负载. (收稿日期:2004年6月) 参考文献 1.LianfangZhang.Z~nghuaZhao.YantaiShuetai.L伽dBalancingof MultipathSourceRoutinginAdHoeNetworks.IEEE,2002 2.Sung-JuLee.MarioGerla.SplitMultipathRoutingwithMaximally DisjointPathsinAdHoeNetworks.IEEE,2001 3.CEPerkins.EMRoyer.AdHoeOn-demandDistanceVectorRout— in鲫.MobileCompSysandApps,1999—02:90-100 4.张宝贤,刘越,陈常嘉.OoS路由的多路径算法【J】.电子,2000;28 (7) 5.IETFMobileAdHoeNetworksWorkingGroup.,org/ htm1.charters/manet-charter.Html 6.JinglunShi,ZhangLing,ShoubingDongetai.AStability-based MultipathAlgorithmforAdHoeNetworks.IEEEPIMRC,Beijing, China.2oo3 7.DBJohnson.DAMaltz.DynamicSourceRoutingProtocolforMo- bileAdHoeNetworks-lE]-Intemet-Drafi.Drafi-ietf-manet—dsr—O1. 扭t.1998一l2 8.Sung—JuLee.MarioGerla.ASimulationStudyofTable—Drivenand On—DemandRoutingProtocolforMobileAdHoeNetworks[J].IEEE Network.199l9—D7/08:48-54 9.YingChun,LvQin,LiuYongetai.RoutingProtocolsOverviewand DesignIssuesforself._0rgaIlizedNetwork[C].In:Proceedingsof16th WorldComputerCongress&InternationalConferenceonCommuni- cationTechnology,Beijing,China,2000-08 lO.JBroch,DAMaltz,DBJohnsonetai.Aperformancecomparison ofmulti—hopWirelessadhoenetworkroutingprotoeols[C].In:ACM MOBICOM98.1998—10:85-97 l1.MPearlman,ZHaas,PSholanderetai.OntheImpactofAltemate PathRoutingforLoadBalancinginMobileAd-HoeNetworks[C].In: MobiHoe'2000,Boston,USA,2000-08 l2.JChen,PDruschel,DSubramanian.AnEfficientMultipathF0r- wardingMethod[C].In:ProceedingsofIEEEINFOCOM98,SanFran- cisco,CA,l998—o5:1418-1425 l3.英春,史美林.一种自组网环境下的路由协议设计【C】.见:第十一届 中国计算机网络与数据通信学术会议论文集,2000-10 (上接6页) 程,l999;16(4):214~217 4.WestlandS.BishopJM.BushnellMJetai.AnIntelligentApproach toColourRecipePrediction[J].JournaloftheSocietyofDyersand Colorists.I99I;(107):235-237 5.WestlandS.IovineL.BishopJM.Kubelka—MunkorNeuralNetworks forComputerColorantFormul~ion[C].In:ProceedingsofSPIE:9th Congress.ftlleInternationalColorAssociation,Rochester,UsA,2ool: 745,748 6.张立明.人工神经网络的模型及其应用【M】.复旦大学出版社,l993 7.KangHR.AndersonPG.NeuralNetworkApplicationstotheColor ScannerandPrinterCalibrations[J].ElectronicImaging,l992;(1): 1O2O04.36计算机工程与应用 125~l34 8.郭茂祖,王亚东,苏晓红等.基于BP网络的色彩匹配方法研究叨.计算 机,2000;23(8):819-824 9.ZhouShuangquan,ZhaoDazun.NeuralNetworkMethodforColorime- tryCaiibr~ionofVideoCamera[J].JournalofBeijingInstituteof Technology,2000;9(1):31-36 lO.汤顺清.色度学【M】.北京理工大学出版社,1988 I1.张全,陆长德,余隋怀等.智能油漆配色系统的改进BP算法【J】.计算 机工程与应用,2oo3;38(26):42—44 l2.吴通,李桂琴,富丽等.油漆配色系统的改进算法【.西北工业大学学 报.2003;21(3):377,379 ,?吖舾0000斟;;f教g骝 即?加???? 苗趟謇?目II 655545 543 ?要