木材仿珍贵材染计算机智能配色技术的研究.pdf

摘要 摘要 木材颜色是决定消费者印象的重要因素之一，为了提高木制品的装饰作用和产品价 值，实现人工林木材的高效利用，需要通过染色技术改良劣质材。木材染色中的一个重 要环节就是配色，其对染色后木材的颜色质量至关重要。在确定工艺的情况下，将计算 机智能配色的方法用于木材染色配色过程中，加快染料配方生成的速度，极大地提高工 作效率，节约成本。 本研究以东北常见针叶材(樟子松)和阔叶材(大青杨)为研究对象，在研究了其 染色工艺的基础上，探讨了利用传统计算机配色模型和利用智能决策手段对木材染色颜 色配方的预测问题。具体包括，通过测定樟子松和大青杨单板解剖构造与染色效果的相 关指标，对其进行多元回归分析，确定了影响木材染色效果的主要解剖因子。其二，利 用计算机配色技术中的三刺激值法，对仿珍贵材贵木材染料配方的调配方法进行了研 究。其三，利用RBF神经网络建立了配方预测模型，并利用仿珍贵材的数据对模型进 行验证，初步说明了智能算法对于木材染色配方预测的有效性，在此基础上，提出了一 种基于隐层节点改进的RBF神经网络模型，并将其运用到配方预测中。其四，根据已 确定的影响木材染色效果的解剖特性，建立了基于模糊神经网络预测模型，其输入增加 了解剖特性，并根据研究对象的特点，提出了一种改进的隶属度函数，建立了基于改进 隶属度函数的模糊神经网络预测模型。其五，建立了基于动态模糊神经网络的木材染色 配方预测模型。最后，将以上方法运用C语言实现，建立了木材染色配方预测平台，对 于工业普及起到至关重要的作用。 研究在以下方面取得结果： (1)分析了染色工艺各参数对樟子松的表面色差的影响，确定染色工艺为：染料浓 ℃、染色时间60min、固色时间40min、浴比17：l。 (2)确定了影响樟子松木材染色效果的主要解剖因子为：管胞比量、木射线比量、 树脂道比量和晚材管胞长度等因子；影响大青杨木材染色效果的主要解剖因子为：木材 的早材导管直径、早材纤维长度、导管比量、木纤维比量和木射线比量。 (3)利用计算机配色技术中的三刺激值法，得到樟子松单板染珍贵材的染料浓度配 摘要 0．088％。 (4)利用RBF神经网络建立了配方预测模型，结果表明樟子松的两种颜色空间仿珍 贵材效果比较，L牵a铀幸空间与CMY空间的收敛速度差别不大，而仿珍贵材得到的平均 误差有较大差别，分别是0．98％和1．81％，综合考虑确定L宰a铀幸空间作为研究樟子松的 研究对象；大青杨的两种颜色空间仿珍贵材效果比较，L+a宰b宰空间与CMY空间的收敛 象。从仿珍贵材珍贵材的数据来看，输出数据不是十分理想，最大误差达到8．24％。 (5)基于RBF模型的缺点，提出了一种基于隐层节点改进的RBF神经网络模型， 此模型的改进有效的解决了原来模型熟练速度较慢的问题，樟子松分析模型189步可以 收敛，大青杨模型137步就收敛了，速度几乎可以达到在线训练的标准。从模型精度 看，大青杨模型精度有所改善，但改善不多，樟子松模型没什么改变，甚至有所下降， 所以此模型的改进对于精度的改善不大。从仿珍贵材的数据来看，精度有所改善，最大 误差为4．36％，说明此模型的范化能力还有待进一步改善。 (6)建立了基于模糊神经网络配方预测模型，并根据研究对象的特点，提出了一种 改进的隶属度函数，建立了基于改进隶属度函数的模糊神经网络预测模型，结果显示樟 子松和大青杨模型的误差都有所改善，分别是0．68％和0．62％，结果理想，从模型对仿 珍贵材的配方预测效果来看，误差也有了明显的改善，最大误差为1．90％，基本可以接 受。 (7)提出了利用动态模糊神经网络建立预测模型(D．FNN)，并提出一种适合木材染 色配方预测的D．FNN模型及学习算法，结果显示，模型运行速度较快，且参数设置较 容易，不需要过多的去设置模糊条件，大大节省了时间。从模型对仿珍贵材的配方预测 效果来看，误差也有了明显的改善，最大误差也只有1．25％，说明模型的范化能力有了 较大的改善。 关键词木材染色；计算机配色；智能决策；动态模糊：解剖特征 Abstract is factors orderto Thewood