基于GWO-CNN的织物染色配方智能预测模型
杨红英
杨玉斌
张戈
刘亚东
赵世龙
张靖晶
谢宛姿
中原工学院智能纺织与织物电子学院,河南郑州 450007
摘要：为提升织物染色配方的智能预测效果,采用反射光谱配色方法,以染色织物的分光反射率R(λ)作为输入数据,以染料配方为输出数据,分别构建了基于深度学习的卷积神经网络(CNN)和灰狼优化算法(GWO)优化的卷积神经网络(GWO-CNN)的智能配色模型.为全面评估模型性能,选取拟合度R2和实际配方与预测配方的平均绝对误差作为核心评价指标,模型训练与验证结果表明:GWO-CNN配色模型的拟合度R2为0.991,优于单一 CNN配色模型的0.964;在对3种染料配方的预测中,GWO-CNN模型的预测结果与真实值之间的平均绝对误差分别为0.006、0.004和0.004,小于或等于CNN模型的0.007、0.005和0.004.由以上结果可以得出以下结论:采用GWO-CNN配色模型可有效提升织物染色配方的预测效果.
关键词：配色模型深度学习卷积神经网络灰狼优化算法分光反射率
分类号：TS190(纺织工业、染整工业)TP183(自动化基础理论)
资助基金：河南省高等学校重点科研项目(23A540002)中原工学院研究生科研创新项目(YKY2023ZK03)
论文发表日期：2025-08-25
在线出版日期：2025-09-25（本平台首次上网日期，不代表文献的发表时间）
页数：6( 26-31 )
英文信息