有色再生纖維的混色預(yù)測(cè)

中圖分類(lèi)號(hào)：TS193.1 文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1009-265X（2025）06-0042-09

傳統(tǒng)的有色廢舊紡織品回收通常需要進(jìn)行剝色處理，而大多數(shù)剝色方法依賴(lài)于化學(xué)試劑，不僅浪費(fèi)水資源，還可能造成二次污染[1]。為響應(yīng)“雙碳目標(biāo)”，色紡企業(yè)推出了再生纖維、無(wú)染色纖維等環(huán)保原料生產(chǎn)的色紡紗[2]。色紡紗生產(chǎn)中需進(jìn)行顏色測(cè)量，常用的方法有分光光度法和數(shù)碼測(cè)色法。分光光度法的測(cè)量結(jié)果精度高，但其價(jià)格昂貴，對(duì)測(cè)量樣本的尺寸有要求。數(shù)碼測(cè)色法為近年來(lái)較為熱門(mén)的測(cè)色方法，它可以在特定環(huán)境下使用拾色工具從高分辨率和高還原性的圖片中獲取選定區(qū)域的平均色彩，其測(cè)色結(jié)果更加接近人眼視角，且對(duì)樣品要求較低[3]

目前，大多企業(yè)通過(guò)將有色纖維紡成紗線(xiàn)或者織造成小樣，測(cè)量小樣的顏色，間接獲取有色纖維的顏色值[4]。鑒于此，為提高色紡企業(yè)的研發(fā)效率和配色精度，本文提出了一種基于有色再生纖維混色的數(shù)字化預(yù)測(cè)路徑。在色彩采集階段，本文對(duì)比后選用數(shù)碼測(cè)色法直接測(cè)量纖維顏色值，并分析影響測(cè)量結(jié)果的因素，以確定纖維樣品參數(shù)。纖維混色階段，結(jié)合三次條樣插值法和長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）優(yōu)化預(yù)測(cè)模型，對(duì)兩色和三色混色樣本的色彩值進(jìn)行擬合預(yù)測(cè)，并驗(yàn)證預(yù)測(cè)模型的應(yīng)用能力。

1 再生纖維及其色彩采集

1. 1 材料及儀器

本文選用白（W）、黑（K）、紅（R）、藍(lán)（B）和黃（Y）5種顏色的再生纖維素纖維樣品（平均線(xiàn)密度1.53dtex ，平均長(zhǎng)度 26mm ）作為研究對(duì)象，用天平稱(chēng)取 0.1g 纖維，將纖維束扯松后用纖維引伸儀和鋼梳梳理至均勻平整、不透光，由于纖維蓬松易變形，因此將纖維框進(jìn)自制的 2cm 硬紙板內(nèi)進(jìn)行讀色，測(cè)色框示意圖如圖1所示。

1. 2 測(cè)量方法的選取

選用分光測(cè)色計(jì)測(cè)色（型號(hào)CM-700d）、EPSONV19掃描儀-數(shù)碼測(cè)色法測(cè)色、 .3nh 色差儀（型號(hào)SC-10）測(cè)色，對(duì)比這3種方法的測(cè)量結(jié)果。

1. 2. 1 分光測(cè)色計(jì)測(cè)色

將梳理好的纖維樣本固定后對(duì)折，使纖維束達(dá)到一定厚度以保證樣本不透光，使用分光測(cè)色計(jì)設(shè)置SCE測(cè)量模式，D65光源，觀察者角度 10^° 。每個(gè)樣品隨機(jī)選5個(gè)點(diǎn)進(jìn)行測(cè)試，記錄 L^*?a^* 與 b^* 值并計(jì)算平均值。

1. 2. 2 數(shù)碼測(cè)色法

選取掃描儀，該掃描儀擁有高分辨率（ 4800dpi） （2以及最大掃描尺寸 219mm×297mm ，內(nèi)置ReadyScanLED光源，掃描時(shí)無(wú)需考慮環(huán)境、光源等外界問(wèn)題的影響，在掃描圖像時(shí)可提供穩(wěn)定照明，擁有ICC色域，可以標(biāo)準(zhǔn)化色彩空間，確保顏色數(shù)據(jù)在不同色彩空間的一致性，再現(xiàn)被掃描纖維的原色[5] O

使用色彩平均計(jì)算法獲取該選定區(qū)域的平均顏色，假設(shè)ROI表示框選區(qū)域，其中包含 N×M 個(gè)像素，對(duì)于ROI選框中的每個(gè)像素，其RGB值為（R_i，j，G_i，j，B_i，j） ，其中 i 表示行索引 Δ，j 表示列索引，計(jì)算公式如式（1）：

式中： N 表示ROI的行數(shù)； M 表示ROI的列數(shù)； R_avg G_avg 和 B_avg 分別表示 ROI的平均紅、綠和藍(lán)色通道值。

將每個(gè)像素的通道值進(jìn)行求和并除以像素總數(shù)，可以得到選框內(nèi)的所有像素的平均 RGB 顏色值。通過(guò)此方法，可在獲取到纖維圖像之后快速對(duì)纖維顏色進(jìn)行提取。

1. 2.3 色差儀測(cè)色法

色差儀是當(dāng)下較為便捷的色差測(cè)試方法，測(cè)試結(jié)果較為可信[7]。采用 3nh 色差儀，擁有 20mm 測(cè)量口徑，將色差儀對(duì)準(zhǔn)梳理后的試樣，按下“測(cè)量”鍵將自動(dòng)亮燈，測(cè)量D65光源下該測(cè)試點(diǎn)的 L^* 、a^*，b^* 值，受孔徑限制，試樣不同測(cè)色點(diǎn)顏色有一定差別，因此為了使得測(cè)試結(jié)果更準(zhǔn)確，實(shí)驗(yàn)選取16點(diǎn)進(jìn)行測(cè)色取平均值。

1.3 測(cè)試結(jié)果分析

1.3.1 色差空間轉(zhuǎn)換

由于數(shù)碼攝像法輸出 R，G，B 值， RGB 顏色空間存在不均勻性，其空間坐標(biāo)上等距的兩點(diǎn)并不能準(zhǔn)確反映顏色的差異。而 L^*a^*b^* 顏色空間可以通過(guò)計(jì)算兩點(diǎn)顏色之間的幾何距離來(lái)精確評(píng)估顏色的差異度，進(jìn)而分析兩種顏色之間的色差。因此，需要將R，G，B 值轉(zhuǎn)換到 X，Y，Z ，再轉(zhuǎn)換到CIE L^*a^*b^* 顏色空間。主要分為兩步[8]：

第一步，RGB顏色空間轉(zhuǎn)換到 XYZ 顏色空間，轉(zhuǎn)換關(guān)系如式2所示：

第二步， XYZ 顏色空間轉(zhuǎn)換到 L^*a^*b^* 顏色空間，轉(zhuǎn)換關(guān)系如式3—式8所示：

L^*=116×（YY_n）^1/3-16，（YY_n）gt;0.008856

L^*=903.3×（YY_n），（YY_n）?0.008856

a^*=500×[f（X/X_n）-f（Y/Y_n）]

b^*=200×[f（Y/Y_n）-f（Z/Z_n）]]

f（t）=7.787t+16/116，t?0.008856

式中： X_n，Y_n，Z_n 為計(jì)算色差的照明體/觀察者條件下的三刺激值，以 D65/10^° 條件為佳，是常數(shù)值

1.3.2 色差計(jì)算方法

根據(jù)國(guó)標(biāo)GB/T7921—2008《均勻色空間和色差公式》可知，使用CIEDE2000色差公式考慮了色彩空間的非均勻性，在大量視覺(jué)試驗(yàn)數(shù)據(jù)基礎(chǔ)上，考慮亮度、色度、色相在人眼感知中的不同權(quán)重，色差計(jì)算結(jié)果與目視評(píng)價(jià)結(jié)果較一致。

參照國(guó)標(biāo)GB/T250—2008《紡織品色牢度試驗(yàn)評(píng)定變色用灰色樣卡》，兩組試樣色差（ ΔE^* ）等級(jí)判斷如表1所示。

用以上3種方法讀取5種顏色纖維的平均顏色數(shù)值，之后統(tǒng)一轉(zhuǎn)為 L^*，a^*，b^* 值，使用CIEDE2000色差公式計(jì)算色差，得到3種方法色差計(jì)算結(jié)果

1.3.3 結(jié)果分析

將3種方式測(cè)量結(jié)果轉(zhuǎn)為 L^*?a^*?b^* 數(shù)值后進(jìn)行對(duì)比，各測(cè)試樣的測(cè)色結(jié)果如表2所示。

表3為分光測(cè)色計(jì)與數(shù)碼測(cè)色法和色差儀測(cè)色的色差對(duì)比。

將分光測(cè)色計(jì)測(cè)色與其余兩種測(cè)色方法進(jìn)行色差計(jì)算，發(fā)現(xiàn)均存在一定的色差，分光測(cè)色計(jì)測(cè)色與數(shù)碼測(cè)色法之間平均色差2.75，分光測(cè)色計(jì)測(cè)色與色差儀測(cè)色之間平均色差3.37，數(shù)碼測(cè)色法較為接近分光測(cè)色計(jì)測(cè)色結(jié)果。

將不同測(cè)色方法所得色彩轉(zhuǎn)化成色塊圖與實(shí)物進(jìn)行對(duì)比，發(fā)現(xiàn)數(shù)碼測(cè)色法更接近于目測(cè)效果，分光測(cè)色計(jì)次之，色差儀最差。雖然分光測(cè)色計(jì)測(cè)色和色差儀的方法獲取顏色更為公認(rèn)，但測(cè)量纖維顏色時(shí)，受儀器測(cè)量孔徑的限制，測(cè)量前需要對(duì)試樣進(jìn)行預(yù)處理。此外，在通過(guò)物理定位對(duì)被測(cè)纖維指定位置的顏色測(cè)量時(shí)，纖維柔軟易扭曲變形的特點(diǎn)易影響測(cè)量結(jié)果的準(zhǔn)確性。因此，盡管分光光度法顏色測(cè)量?jī)x器是目前紡織行業(yè)最常用的儀器，但測(cè)量混色纖維顏色時(shí)，存在一定的局限性[9]

數(shù)碼測(cè)色法不受外部光源、環(huán)境和纖維狀態(tài)的影響，能夠直接獲取框選區(qū)域的平均色彩值，測(cè)色便捷準(zhǔn)確，因此更為適合于色紡企業(yè)混色纖維樣品測(cè)量，選擇數(shù)碼測(cè)色法作為獲取纖維色彩的方式

2 纖維測(cè)色影響因素探究

纖維是一種柔軟，表面光澤且內(nèi)部不均勻的半透明材料，樣品的顏色不僅與有色纖維自身結(jié)構(gòu)和染色均勻度有關(guān)，還受排列方式、厚度、混色均勻度等因素的影響，這些因素可能會(huì)影響測(cè)量數(shù)據(jù)的準(zhǔn)確性。因此，需分析不同參數(shù)設(shè)定下纖維樣品的顏色變化趨勢(shì)，以確定纖維樣品狀態(tài)[4]，確保讀數(shù)的準(zhǔn)確性和穩(wěn)定性。

2. 1 纖維顏色測(cè)量的影響因素

2. 1.1 排列方式

將梳理后的 0.1g 纖維按照同向排列、橫縱交叉排列、自然排列3種方式排列，并將每種方式排列的纖維框入長(zhǎng)度為 2cm 自制正方形硬紙板內(nèi)，研究纖維排列方式對(duì)讀色的影響。纖維排列方式示意圖如圖2所示。

2. 1. 2 框選讀色方式

為了驗(yàn)證不同讀色方式對(duì)數(shù)碼測(cè)色法結(jié)果的影響，測(cè)量 0.1g 纖維同向排列的顏色值，采用兩種讀色方法：1）將整個(gè)掃描區(qū)域分為16個(gè)小區(qū)域，讀取各自數(shù)值并計(jì)算平均值;2）框選整個(gè)區(qū)域直接讀取其數(shù)值。

2.1.3 纖維克重

為避免壓力不同導(dǎo)致的纖維密度變化，本文測(cè)色均采用同一方框框取樣本。纖維樣品克重不同，會(huì)導(dǎo)致纖維厚度和密度的變化，而纖維內(nèi)空隙不同會(huì)影響光的反射方向，從而影響測(cè)色結(jié)果。使用天平依次稱(chēng)取紅（R）、藍(lán)（B）、黃（Y）3種纖維0.05、0.10，0.15，0.20，0.25g 和 0.30g ，框人 2cm 的方框內(nèi)，測(cè)量不同質(zhì)量纖維的顏色值。

2.1.4多色纖維混合梳理次數(shù)

混色纖維顏色測(cè)量中，各組分有色纖維的混合均勻度會(huì)影響顏色測(cè)量結(jié)果的穩(wěn)定性和準(zhǔn)確性。實(shí)際混合兩色纖維時(shí)，需要考慮到連續(xù)梳理幾次才可以做到充分混合。因此選取紅、藍(lán)、黃3種纖維，50/50兩兩混色，每個(gè)樣品 0.1g ，每經(jīng)纖維引伸儀梳理兩次后，測(cè)量樣品的顏色值。

2.2 分析與討論

2.2.1 纖維不同排列方式對(duì)顏色測(cè)量的影響

對(duì)纖維顏色進(jìn)行測(cè)量，發(fā)現(xiàn)不同排列方式對(duì)有色纖維的 L^* 值影響較大，纖維不同排列方式之間的ΔL^* 如表4所示。

光束照在纖維表面時(shí)，一部分發(fā)生反射，另一部分進(jìn)入纖維內(nèi)部，不同排列方式會(huì)造成纖維間縫隙差異，同向排列纖維較為緊密，光反射方向一致；交叉排列或任意排列的纖維則導(dǎo)致光的反射方向是隨機(jī)。不同方向反射光會(huì)對(duì) L^* 值造成不規(guī)律影響，同時(shí)纖維間縫隙的多少，也會(huì)造成 L^* 值的波動(dòng)。因此為了確保顏色測(cè)量的一致性，試驗(yàn)時(shí)使用引伸儀將纖維牽伸成縱向平行排列狀態(tài)進(jìn)行測(cè)量。

2.2.2 不同讀色方式對(duì)顏色測(cè)量的影響

兩種框選方法讀取結(jié)果RGB值相差不大， ΔR ）ΔG，ΔB 都在1之內(nèi)，差值很小，如表5所示

由表5可知，采用分區(qū)取色取平均值的方式，與直接讀取整個(gè)區(qū)域的顏色值結(jié)果一致。進(jìn)一步說(shuō)明，數(shù)碼測(cè)色法在讀取框選區(qū)域內(nèi)各像素點(diǎn)的顏色平均時(shí)較為準(zhǔn)確，不會(huì)造成顏色損失。框選整個(gè)區(qū)域測(cè)色不僅方便，還彌補(bǔ)了分光測(cè)色計(jì)與色差儀讀色因孔徑有限只能取多點(diǎn)測(cè)色并計(jì)算平均色的不足，

2.2.3 不同質(zhì)量纖維對(duì)顏色測(cè)量的影響

在測(cè)量框內(nèi)框入不同克數(shù)的纖維，會(huì)導(dǎo)致纖維之間的相互作用力與纖維密度發(fā)生改變，影響顏色測(cè)量結(jié)果。表6為不同質(zhì)量纖維之間的色差。

纖維密度較低時(shí)，纖維間相互作用力小，空隙較多，會(huì)造成纖維表面光反射方向不一致。隨著纖維樣品質(zhì)量從 0.05g 遞增到 0.30g ，色差均小于0.2。這是由于 0.05g 纖維可在邊長(zhǎng)為 2cm 的正方形方框內(nèi)達(dá)到一定密度，形成較為緊密的不透光纖維體，隨著樣品質(zhì)量增加，纖維顏色不變

2.2.4多色纖維混合次數(shù)對(duì)顏色測(cè)量的影響

探究有色纖維混色的顏色值，需要確定引伸儀梳理次數(shù)對(duì)測(cè)色結(jié)果的影響，梳理前后混色樣品的色差值變化如圖3所示。

由圖3可以發(fā)現(xiàn)，隨著梳理次數(shù)增加，樣品在梳理前后的色差逐步減小，并在梳理8次后逐漸趨向平穩(wěn)，梳理10次后，色差值均小于0.5，達(dá)到4-5級(jí)。因此在本文實(shí)驗(yàn)中，不同組分有色纖維按質(zhì)量占比稱(chēng)重后，在引伸儀上連續(xù)梳理10次，以確保均勻分布，從而保證樣品顏色測(cè)量結(jié)果的穩(wěn)定可靠。

由上述測(cè)試可知，為避免樣品參數(shù)差異對(duì)測(cè)色結(jié)果的影響，在后續(xù)混色實(shí)驗(yàn)中，設(shè)置纖維樣品測(cè)試的標(biāo)準(zhǔn)狀態(tài)：每種混色樣品取5個(gè)測(cè)試樣，每個(gè)試樣質(zhì)量固定為 ，經(jīng)引伸儀梳理10次，形成混色均勻的同向排列狀態(tài)，并框入同一硬紙板內(nèi)進(jìn)行讀色，最終測(cè)色結(jié)果取平均值

3 混色效果預(yù)測(cè)

3.1 混色纖維樣品制備

將白（W）、黑（K）、紅（R）、藍(lán)（B）和黃（Y）5種顏色的再生纖維樣品，進(jìn)行手動(dòng)扯松，使用纖維引伸儀梳理及混合。兩種顏色纖維組合方式分別為：白黑、白紅、白藍(lán)、白黃、黑紅、黑藍(lán)、黑黃、紅藍(lán)、紅黃、藍(lán)黃，共有10組，每組包含9個(gè)不同質(zhì)量占比，分別為 10/90.20/80.30/70.40/60.50/50.60/40.70/30 80/20、90/10，共90個(gè)樣品，3組分樣品由紅（R）、藍(lán)（B）、黃（Y）3種顏色纖維按表7中質(zhì)量比例混合梳理制備，共36個(gè)樣品

色紡企業(yè)通常通過(guò)2＼～5種有色纖維，按照特定比例混合實(shí)現(xiàn)所需色彩，以紅（R）、藍(lán)（B）、黃（Y）3種彩色纖維混合為例，3種纖維 B（R_b，G_b，B_b），Y（R_y，G_y，B_y） 以混合比： x=W_r/（W_r+ W_b+W_y ）； ）； z=W_y/（ΔW_r+ΔW_b+ W_y） 。均勻混合 （W_r，W_b，W_y 分別為質(zhì)量）得到纖維集合體 T（R_t，G_t，B_t） ，其顏色 RGB 值為 R_ι=xR_ι+yR_b （20 +zR_y ： B_t=xB_r+yB_b+zB_y [10]。由此可以計(jì)算有色纖維混合后的顏色值。

有色纖維的混合不僅是簡(jiǎn)單的色彩混合，還存在空間置并[1I-I2]。因此，根據(jù)色彩比例計(jì)算的混色纖維顏色與實(shí)際測(cè)色值會(huì)存在誤差，為解決這一問(wèn)題，將計(jì)算的顏色值與實(shí)際測(cè)量的顏色值轉(zhuǎn)化為 L^* a^*b^* 值，通過(guò)神經(jīng)網(wǎng)絡(luò)擬合預(yù)測(cè)，輸入層為計(jì)算得出的樣品 L^*a^*b^* 值，輸出層為實(shí)際樣品的 L^*a^*b^* 值，通過(guò)輸入混合纖維的比例，預(yù)測(cè)混合后纖維樣的實(shí)際 L^*a^*b^* 值。

3.2 神經(jīng)網(wǎng)絡(luò)原理及計(jì)算過(guò)程

神經(jīng)網(wǎng)絡(luò)是一種由大量神經(jīng)元相互連接組成的網(wǎng)絡(luò)，具備強(qiáng)大的非線(xiàn)性映射能力。輸人層接收原始數(shù)據(jù)，隱藏層對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換和學(xué)習(xí)特征表示，然后由輸出層提供結(jié)果[13]。LSTM是一種特殊的遞歸神經(jīng)網(wǎng)絡(luò)，引入了復(fù)雜的門(mén)控機(jī)制，以捕捉長(zhǎng)期依賴(lài)關(guān)系，具有較為突出的數(shù)據(jù)擬合能力，并避免梯度消失問(wèn)題。本文通過(guò)Python構(gòu)建混色纖維計(jì)算的理論 L^*a^*b^* 值與實(shí)際測(cè)量混色樣本 L^*a^*b^* 值的LSTM擬合預(yù)測(cè)模型

3.2.1 建立網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)建立主要包含數(shù)據(jù)預(yù)處理、訓(xùn)練集劃分、神經(jīng)元點(diǎn)數(shù)確定及其它參數(shù)設(shè)定。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，使用Min-Max對(duì)數(shù)據(jù)進(jìn)行歸一化將數(shù)據(jù)縮放到0＼～1之間，提高數(shù)據(jù)之間可比性和模型的準(zhǔn)確性。其次將數(shù)據(jù)隨機(jī)劃分為訓(xùn)練集與測(cè)試集，80% 數(shù)據(jù)用于訓(xùn)練， 20% 用于測(cè)試。隱藏維度是處理復(fù)雜數(shù)據(jù)的關(guān)鍵，通過(guò)逐個(gè)仿真試驗(yàn)不同隱藏維度，觀察其相關(guān)系數(shù)，當(dāng)輸入特征維度3，隱藏維度12時(shí)，兩個(gè)全連接層進(jìn)行數(shù)據(jù)非線(xiàn)性轉(zhuǎn)換分類(lèi)和回歸，擬合效果最佳。為了優(yōu)化算法，利用自適應(yīng)動(dòng)量（Adaptivemomentum，Adam）提高擬合效率，避免模型陷入局部最優(yōu)解，學(xué)習(xí)效率為0.001。為了訓(xùn)練并保存最佳模型，使用均方誤差（Mean square error，MSE）算法比較損失程度，衡量模型的預(yù)測(cè)性能。最終加載最佳模型對(duì)混色后實(shí)際結(jié)果進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)結(jié)果反歸一化[14-15] 。

3.2.2 三次樣條插值擬合

采用三次樣條擬合插值的方法，構(gòu)造三次多項(xiàng)式擬合相鄰數(shù)據(jù)點(diǎn)，使得每個(gè)數(shù)據(jù)點(diǎn)都具有連續(xù)的一階和二階導(dǎo)數(shù)，對(duì)每?jī)蓚€(gè)相鄰的數(shù)據(jù)點(diǎn)進(jìn)行數(shù)據(jù)插值和平滑處理[14] O

即對(duì)于數(shù)據(jù)點(diǎn) （x₀，y₀），（x₁，y₁），（x₂，y₂），…， 。那么每個(gè)區(qū)間可以構(gòu)造一個(gè)三次多項(xiàng)式：

s_i（x）=a_i+b_i（x-x_i）+c_i（x-x_i）²+d_i（x-x_i）³

式中： i=0，1，…，n-1 ，且 a_i，b_i，c_i，d_i 為多項(xiàng)式系數(shù)。

為了保證曲線(xiàn)光滑性，必須滿(mǎn)足：樣條函數(shù)在所有區(qū)間點(diǎn)上連續(xù)，且所有內(nèi)部節(jié)點(diǎn)上的一階、二階導(dǎo)數(shù)也連續(xù)。

對(duì)10組兩兩混合、紅藍(lán)黃三色混合，共11個(gè)混色系列的 L^*，a^*，b^* 值分別進(jìn)行三次條樣插值擬合，跨度為10比例范圍內(nèi)，生成步長(zhǎng)為1的各纖維比例對(duì)應(yīng)的 L^*，a^*，b^* 值。為了避免過(guò)多插值影響數(shù)據(jù)的真實(shí)性，對(duì)于顏色比例跨度小于10時(shí)，不進(jìn)行插值。

三次條樣插值-LSTM預(yù)測(cè)路線(xiàn)如圖4所示。

3.3 結(jié)果與分析

3.3.1 不同方法擬合效果比較

神經(jīng)網(wǎng)絡(luò)直接擬合與插值后神經(jīng)網(wǎng)絡(luò)擬合的訓(xùn)練次數(shù)和決定系數(shù) R² 的訓(xùn)練集結(jié)果對(duì)比如圖5所示。

直接擬合迭代300次后， R² 大于0.8，迭代1000次擬合后的最佳模型均方誤差3.80，平均絕對(duì)誤差2.99， R²=0.9466 。三次樣條插值優(yōu)化后神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)迭代300次后最佳模型的均方誤差2.10，平均絕對(duì)誤差1.59， R²=0.9850 ?？芍逯岛笥?xùn)練模型的預(yù)測(cè)效果更好，因此本文對(duì)插值后的數(shù)據(jù)進(jìn)行擬合。

3.3.2 模型對(duì)比

為了評(píng)估改進(jìn)后的LSTM的預(yù)測(cè)效果，設(shè)計(jì)對(duì)比試驗(yàn)，使用原始數(shù)據(jù)集的BP神經(jīng)網(wǎng)絡(luò)[15]（記BP）與優(yōu)化后的LSTM網(wǎng)絡(luò)（記LSTM）對(duì)未參與訓(xùn)練的30個(gè)混色樣本進(jìn)行顏色預(yù)測(cè)的驗(yàn)證，并計(jì)算色差值，不同方式預(yù)測(cè)的平均色差及色差分布如表8所示。

由表8可知，LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的色差較小，且色差小于4-5級(jí)的樣本占總測(cè)試樣本的 63% ，大大提高了預(yù)測(cè)精度，能達(dá)到工廠允許的色差范圍。

3.3.3 預(yù)測(cè)模型驗(yàn)證

優(yōu)化的LSTM神經(jīng)網(wǎng)絡(luò)測(cè)試集的30組數(shù)據(jù)L^*?a^*?b^* 值，預(yù)測(cè)結(jié)果對(duì)比圖如圖6所示，預(yù)測(cè)值與實(shí)際值基本一致。

為了進(jìn)一步驗(yàn)證LSTM模型的應(yīng)用能力，按照試樣所用的白（W）、黑（K）、紅（R）、藍(lán)（B）、黃（Y），以任意比例制成兩色混色樣（依次編號(hào)S1-S4）和紅

藍(lán)黃3色混色樣（編號(hào)T1-T4），計(jì)算預(yù)測(cè)值與實(shí)際測(cè)量得到的 L^*a^*b^* 值之間的色差，驗(yàn)證預(yù)測(cè)模型的準(zhǔn)確度，對(duì)比數(shù)據(jù)見(jiàn)表9、表10。

由表9、表10可知，兩色纖維混合，平均色差為1.37，最大色差為2.58，最小為0.35；三色混合樣平均色差為1.88，最大色差為2.35，最小為1.25。在兩色混色試樣中，預(yù)測(cè)效果較好，但最大值與最小值預(yù)測(cè)偏差較大；在三色混合試樣中，色差值整體大于4級(jí)，預(yù)測(cè)效果較差。因此在實(shí)際生產(chǎn)中，應(yīng)增加三色混合的訓(xùn)練樣本，進(jìn)一步優(yōu)化預(yù)測(cè)模型

4結(jié)論

本文通過(guò)對(duì)比研究，選擇適合纖維狀態(tài)的取色方法——數(shù)碼測(cè)色法來(lái)確定纖維樣品參數(shù)，以確保有色纖維樣品測(cè)量的準(zhǔn)確性和穩(wěn)定性，并優(yōu)化顏色預(yù)測(cè)方法，得出以下結(jié)論：

a）掃描儀-數(shù)碼測(cè)色法制樣簡(jiǎn)便，讀色后轉(zhuǎn)換為色塊圖，最接近人眼效果，且便于纖維狀態(tài)的樣品測(cè)量。

b）掃描儀-數(shù)碼測(cè)色法可以直接框選整個(gè)區(qū)域進(jìn)行混色樣品測(cè)量，無(wú)需多點(diǎn)測(cè)色，制樣簡(jiǎn)便，適合混色樣品平均顏色的測(cè)量

c）使用LSTM預(yù)測(cè)模型預(yù)測(cè)多色纖維混合后的實(shí)際 L^*?a^*?b^* 值，決定系數(shù)達(dá)到0.9850，其中 63% 的樣本色差小于1，兩色混色樣品的預(yù)測(cè)效果優(yōu)于三色混色樣品，后續(xù)還需增加三色混合的訓(xùn)練樣本，進(jìn)一步優(yōu)化預(yù)測(cè)模型

參考文獻(xiàn)：

[1］張方，黃偉，楊浚源，等．廢舊紡織品剝色技術(shù)研究進(jìn)展［J].合成纖維，2023，52（4）：46-50.ZHANGF，HUANGW，YANGJY，et al. Research progressofcolor stripping technology of waste textiles[J]．Synthetic Fiber inChina，2023，52（4）：46-50.

［2］羅欣桐．引領(lǐng)“環(huán)保酷時(shí)尚”，讓色紡紗融入生活華孚時(shí)尚亮相中國(guó)（青島）國(guó)際時(shí)裝周[J]．紡織服裝周刊，2020（34）：6.LUO X T. Leading \" environmental protection and cool fashion\" andintegratingcolor spinninginto life huafu fashion appeared at China（Qingdao） international fashion week[J]. Textile Apparel Weekly，2020（34） ： 6.

［3］辛春莉，王子玉，周建，等．?dāng)?shù)碼相機(jī)在染色織物色差測(cè)量中的應(yīng)用[J]．紡織學(xué)報(bào)，2018，39（8）：77-82.XIN C L，WANG Z Y，ZHOU J，et al. Color differencemeasurement of dyed fabricsusing digital camera[J]. Journal ofTextile Research，2018，39（8）：77-82.

［4］張戈，周建，王蕾，等．用分光光度計(jì)法測(cè)量纖維顏色的影響因素[J].紡織學(xué)報(bào)，2020，41（4）：72-77.ZHANG G， ZHOU J，WANG L，et al. Influencing factors for fibercolor measurement by spectrophotometer[J].Journal of TextileResearch，2020，41（4）：72-77.

[5]張向麗，劉錦瑞，孫麗霞，等.紡織品色牢度自動(dòng)評(píng)級(jí)系統(tǒng)性能的研究[J].現(xiàn)代紡織技術(shù)，2019，27（6）：86-90.ZHANG XL，LIU JR，SUNL X，et al.Study on properties ofautomatic rating system for textiles color fastness[J]. AdvancedTextile Technology，2019，27（6）：86-90.

[6]章斐燕，金亦佳，李啟正，等.空間并置混色色織物顏色預(yù)測(cè)方法的比較[J].絲綢，2014，51（11）：22-27.ZHANGFY，JIN YJ，LIQ Z，et al.Comparation of colorprediction methods of yarn-dyed fabricswith spatial juxtaposition[J].Journal of Silk，2014，51（11） ： 22-27.

［7］李學(xué)深，朱勇．基于機(jī)器視覺(jué)的織物色差檢測(cè)方法研究進(jìn)展[J]．毛紡科技，2024，52（5）：134-141.LI X S，ZHU Y. Research progress of fabric color differencedetection based on machine vision[J]．Wool Textile Journal，2024，52（5） ：134-141.

[8］洪亮，劉天勵(lì)，宋俊康．RGB 到 Lab 色彩轉(zhuǎn)換在 Photoshop 和Matlab中的應(yīng)用對(duì)比[J]．廣東印刷，2023，（1）：19-21.HONGL，LIU TM，SONGJK.Comparison of RGB to Lab colorconversion applications in photoshop and matlab[J]. GuangdongPrint，2023，（1）：19-21.

[9]裘柯檳，陳維國(guó)，周華，等．成像技術(shù)在紡織品顏色測(cè)量中的應(yīng)用進(jìn)展[J]．紡織學(xué)報(bào)，2020，41（9）：155-161.QIU K B， CHEN W G， ZHOU H， et al. Research and developmentof textile color measurement based on imaging technologies[J].Journal of Textile Research，2020，41（9）：155-161.

[10］張震，崔鵬，薛元，等．彩色纖維數(shù)字化混色構(gòu)建的漸變色譜及漸變色紗線(xiàn)的紡制實(shí)踐[J]．紡織導(dǎo)報(bào)，2019（10）：60-64.ZHANG Z，CUI P，XUE Y，et al. Gradient chromatographyconstructed by digital color mixing of colored fibersand spunpractice of related gradient yarns[J]. China Textile Leader，2019（10）：60-64.

[11]汪燕燕，薛元，陳宥融，等.面向全色域轉(zhuǎn)杯紡紗的Kubelka-Munk 雙常數(shù)理論模型構(gòu)建及顏色預(yù)測(cè)[J].現(xiàn)代紡織技術(shù)，2024，32（3） ：1-13.WANG Y Y， XUE Y，CHEN YR，et al. Kubelka-Munk dualconstant theory for the construction of full color gamut rotor spinningand color prediction[J].Advanced Textile Technology，2024，32（3）： 1-13.

[12］張毅，王妮，張瑞云，等．色紡紗成色機(jī)理的探討[J]．棉紡織技術(shù)，2019，47（4）：18-24.ZHANG Y，WANG N，ZHANG R Y，et al．Discussion on thecoloring mechanism of colored spun yarn[J]. Cotton TextileTechnology，2019，47（4）：18-24.

［13］董佳樂(lè)，吳曉康，楊宛頤，等．基于神經(jīng)網(wǎng)絡(luò)和多元統(tǒng)計(jì)分析的動(dòng)態(tài)預(yù)測(cè)建模分析[J]．?dāng)?shù)字技術(shù)與應(yīng)用，2024，42（4）：205-207.DONG JL，WU X K， YANG W Y，et al. Dynamic predictionmodeling analysis based on neural network and multivariatestatistical analysis[J]．Digital Technologyamp; Application，2024，42（4）：205-207.

[14］李娟娟，薛元，徐志武，等.基于 BP 神經(jīng)網(wǎng)絡(luò)的全色域彩色紗顏色預(yù)測(cè)模型構(gòu)建[J].紡織高?；A(chǔ)科學(xué)學(xué)報(bào)，2023，36（4）：37-46.LI JJ，XUE Y，XU Z W，et al. Construction of a color predictionmodel for full color domain color yarn based on BP neural network[J].Basic Sciences Jourmal of Textile Universities，2023，36（4）：37-46.

[15］項(xiàng)多聞，李少聰，王旭，等．原液著色滌綸短纖維、紗線(xiàn)及織物的顏色預(yù)測(cè)[J]．絲綢，2024，61（9）：64-71.XIANG D W，LI S C，WANG X，et al.Color prediction ofpolyester staple fibers，yarns，and fabrics colored with raw liquid[J]. Journal of Silk，2024，61（9）： 64-71.

Abstract： In 2O22，the General Officeof the State Council issued \"Implementation Opinions on Accelerating the Circular Utilization of Waste Textiles\"，which set a target of achieving a recovery and reuse rate of 50% for waste textiles by 2025.With the development of regeneration technology and the enhanced awareness of enterprises towards reuse，the spinnability of recycled fibers has been continuously improved.The production of colored-spun yarnfrom recycled colored fibersrepresents a new direction for the development of waste textilesto avoid decolorization treatment.

To realize the color recovery of recycled colored fibers，this paper proposes a digital prediction path for the color mixing process in colored-spun yarn production.First of all，the accurate measurement of fiber color is the basis of color mixing research.Due to the fluffand deformable nature offibers，they are typically converted into yarn or woven into smallsamples for indirect color measurement in actual production.For this reason，this paper adopts 0.lg fiber carding into the same direction arrangement， tightly opaque state，and with homemade edge length of 2 cm square cardboard for color reading. The RGB values of the colored fibers are collected using digital colorimetry and converted into L^* ， a^* and b^* values. Compared with the color measurement resultsof spectrophotometer and colorimeter，digital colorimetrycan directly read theaverage color of the selected area without the limitation of the test aperture size.The results，converted into color patches，are closer to visual inspection and are suitable for reading thecolors of mixed fibers.Secondly，this paper explores the factors affecting thecolor measurement process of fiber samples.Experiments show that fibers need to be combed into a unidirectionally paralel and opaque state during measurement. To avoid the influence of diferent pressures on fiber density，the sample mass is fixed at 0.1g ， and the same self-made color measurement cardboard is used for measurement.At the same time，in order to ensure the uniformity of the fiber color mixing，it is necessary to use thefiberextensometer to mix the fiber1O times to ensure the stabilityof thecolor measurementresults.Finaly，this paper employs aneural network for fiting and prediction bycomparing the theoretical color mixing results calculated using the color averaging method with the actual L^*，a^* and b^* values of the mixed fiber samples. The input layer consists of the theoretical color mixing L^*，a^* and b^* values calculated after mixing fibers according to a specific ratio，while the output layer represents the actual L^*，a^* and b^* values of the samples. The hidden layer performs nonlinear fiting and prediction on theoptimized data.Theresults show a coeffcient of determination reaching 0.9850，with 63% of the samples having a color difference of less than 1.

This method enables digital control of the color of mixed samples，which not only facilitates rapid prototyping and accelerates new product development butalso simplifies digital communication and expresion of color information.In the future，we need to increase the number of training samples to improvethe accuracy of prediction and，on the basis of ensuring accuracy，expand the data set to include diferent types of fibers，so as to provide more effective color matching prediction reference for color textile enterprises.

Keywords：recycled colored fibers；fiber color measurement： fibercolor matching；color mixing prediction； neural networks