基于粒子群优化的高光谱木材染色配色算法研究

本研究应用了400-1000nm的高光谱相机进行相关研究。

木材颜色是决定木材品质的重要因素，由于珍贵木材的稀缺，所以衍生仿真木材加工行业，传统木材染色行业生产线工人仅仅依靠经验和视觉判断进行染色，导致染色品质下降、木材资源浪费、达不到所期望的染色效果。针对上述问题，本究将高光谱成像技术和计算机智能算法应用于木材染色配色中，以提高木材染色计算机智能配色应用的准确性和实用性。

本研究主要研究内容如下

①研究以水曲柳单板木材为研究对象在确定染色工艺下进行木材染色试验，实验获得珍贵树种材样本、单一组分染料染色材样本和混色染料染色材样本，阐述高光谱成像技术原理和几种颜色空间及色差评级理论。针对木材染色配色理论试验研究，选择高光谱仪器处理试验样板，利用高光谱技术对实验样本进行数据采集、处理及分析。

②根据实验数据训练样本集，建立基于Kubelka-Munk理论的木材染色配方预测模型。针对Kubelka-Munk理论算法模型存在的问题建立优化的Friele算法模型进行木材染色配色实验研究，同时比较优化前后的Friele算法模型在木材染色配色预测配方过程中的色差精确度。利用高光谱伩器检测染色实验样本，根据染色效果比较和算法的研究，利用粒子群优化Steams-Noechel算法模型预测配方，以提高Friele算法模型的染色精度，降低色差和光谱反射率曲线误差，比较优化前后的Steams-Noechel算法模型在木材染色配色预测配方过程中的色差精确度。

本研究主要研究成果如下

①提出在光谱空间基于高光谱成像的木材染色计算机智能配色方法研究，将计算机技术应用到木材染色配色的工业化生产上，解决木材染色配色行业存在的技术性问题；

②研究将高光谱成像技术应用在颜色测量领域，相较于普通的分光测色仪，它具有“图谱合一”的优点，拥有更宽的光谱范围和更精细的光谱特征，也可解决彩色相机造成的“同色异谱”的问题，为颜色测量提供了新的方法，也为颜色计量标准提供了新的思路；

③本研究提出的优化方法提高了算法模型的精确度，再结合高光谱测色进行光谱反射率曲钱拟合，使得配色结果的准确度更高，更加符合工业生产的要求；

④实验采用水曲柳染色单板材质紧密，经过着色、干燥处理后不易产生裂纹；

⑤基材制备过程中，单板含水率应维持在8%以上，染液浴比控制在20:1为宜，染色时间不宜超过3小时;固色时间应尽量控制在30分钟左右，此外染色单板烘干过程中温度不宜过高，尽量控制在60°C左右。