[发明专利]一种印染配色的多模型融合方法、装置、设备及介质

说明书

本发明公开了一种印染配色的多模型融合方法、装置、设备及介质，方法包括：对获取到的原始数据进行数据预处理，得到印染配色数据集；根据数据的性质特点对所述印染配色数据集进行划分，得到多个数据组；通过组合多个不同模型得到的模型组合对每个所述数据组进行特征提取，得到目标特征；对所述目标特征进行特征融合，得到特征集；根据所述特征集进行自动印染配色。本发明能够提高对印染配色数据的特征提取能力，提高自动印染配色模型的预测性能，本发明可广泛应用于计算机技术领域。

技术领域

本发明涉及计算机技术领域，尤其是一种印染配色的多模型融合方法、装置、设备及介质。

背景技术

自动印染配色对纺织行业的增值提效具有重要的促进意义。在目前的纺织行业中，依旧使用Kubelka-Munk(KM)理论的方式建立线性模型来拟合染料组合和染料溶度之间的关系。但是，从实际情况来看，染色配方中的染料组合往往并不是使用KM理论进行建模的所呈现的线性方式，而一般呈现为非线性关系。所以目前的计算机自动印染配色领域需要一个好的模型或者算法来拟合这种非线性关系。近年来随着机器学习在诸多领域的广泛应用，因为机器学习有着比较强大的非线性表达能力，所以在自动印染配色研究中发挥越来越重要的作用，但目前还存在传统机器学习模型所需的人工提取特征耗时耗力等困难，且印染配色领域的产品溶度、光谱、底物材料等大量复杂数据加剧了机器学习模型应用中存在的对于复杂数据难以拟合的问题。

在自动印染配色预测方法研究方面，现有方法常常是构建染色配方与对应产品混合物反射率值的单一模型，或者是构建染色配方与对应颜色三刺激值的单一模型，但自动染色配色过程十分复杂，牵扯到许多色彩学、光学及着色等问题，包含着色时间、着色温度、着色助剂等影响因素，此外还受工艺、织物对光线吸收和反射的不同效果等因素的影响。这些单一的模型方法只能够解决少数的自动染色配色问题，并不能适应目前错综复杂的自动印染配色环境。因此上述常见由单一模型组成的印染配色模型对于实际的复杂自动印染配色而言应用价值并不突出。综上所述，自动印染配色研究面临着一个主要困难：如何设计一个有效的模型从复杂且大量的印染配色训练数据中提取出相关特征来提高自动染色配方预测的性能。

因为由单一模型组成的自动印染配色模型性能不足和应用性不突出，并不能很好的完成自动印染配色的相关任务，使得自动印染配色领域的数据处理以及印染配色数据特征提取能力偏弱，从而导致计算机自动印染配色的效果不佳。

发明内容

有鉴于此，本发明实施例提供一种印染配色的多模型融合方法、装置、设备及介质，以提高对印染配色数据的特征提取能力，提高自动印染配色模型的预测性能。

本发明的一方面提供了一种印染配色的多模型融合方法，包括：

对获取到的原始数据进行数据预处理，得到印染配色数据集；

根据数据的性质特点对所述印染配色数据集进行划分，得到多个数据组；

通过组合多个不同模型得到的模型组合对每个所述数据组进行特征提取，得到目标特征；

对所述目标特征进行特征融合，得到特征集；

根据所述特征集进行自动印染配色。

可选地，所述对获取到的原始数据进行数据预处理，得到印染配色数据集，包括：

对所述原始数据的非数值变量进行编码处理，得到第一数据；

对所述原始数据的目标数据进行填充处理和异常数据剔除处理，得到第二数据；

对所述原始数据中小数值数据进行log变换处理，得到第三数据；

对所述第一数据、所述第二数据以及所述第三数据进行批标准化处理，得到所述印染配色数据集。

可选地，所述根据数据的性质特点对所述印染配色数据集进行划分，得到多个数据组，包括：