用于确定涂料配方的系统和方法
【技术领域】
[0001 ] 在各个实施例中，本发明一般涉及一种用于评估涂料混合物的比色和物理性质属 性的系统和方法，以便向用户提供调色剂列表和匹配的涂料配方。
【背景技术】
[0002] 为了使用配方或搜索引擎（或可视处理）向涂有目标涂料的目标样本提供适当的 配色，希望确定所述目标涂料的正确着色。如果利用与在目标涂料中的颜料或适当的补偿 相同的颜料或适当的补偿，那么对目标涂料的配方来说配方或搜索处理可以达到明显的最 优解决方案。另一方面，有意地或无意地从可用性中排除那些颜料将导致不那么优的配色。
[0003] 几种现有的配方引擎和方法试图经由各种算法来完成颜料选择和配方。各种颜 料标识包和配方引擎采取"强制（brute) "力、推测和检查类型的途径来向它们的用户提供 配方和颜料信息。组合的途径或强制力法是频繁使用的方法，其中给定在最终匹配中想要 的颜料的最终数目，以所有可用的组合来组合几乎所有可用的颜料。组合的途径可以利用 Kubelka-Munk方程式或其导数来产生各个配方。尽管已经存在一些方法，其中给定某些条 件的情况下这些方法会限制一些颜料的使用以便优化引擎速度，不过最终结果是相对于样 本验证配方（formula)组合并且向用户提供最接近匹配目标涂料的一个或多个配方的选 择。存在各种形式的AE或其它比色评定算法，用于与样本相比较确定匹配的准确性。
[0004] 其它解决方案要求用户向配方引擎提交调色剂的样本集，并且其它方法选择预定 义的要使用的调色剂子集。这些方法都没有利用逐步方法而经常导致非最优解决方案。这 些方法对于用户来说一般是繁重的并且缺乏适当的"直观性"以向所述用户提供良好解决 方案的合理化方法。另外，按照这种方法论的本质，可能排除匹配目标涂料所必须的适当颜 料。
[0005] 神经网络已经用于从预先产生的可能的匹配的现有数据库中选择颜色匹配或者 充当配方引擎本身。神经网络的强项在于其解决线性和非线性关系的能力，但是此强项的 代价是笨重、无适应性并且要求显著的开销来细致地管理有时庞大的学习数据库和结构。 神经网络的无适应性或刻板操作一般必须在反馈设计中使用以优化通向网络的隐蔽层以 及在网络的隐蔽层内的节点权重。神经网络要求从想要的输出获取的此类反向传播误差以 便"学习"。神经网络的实际学习或训练基于给定想要的输出、通过根据在先的迭代误差反 复再引入权重的输入和调整来减小计算误差。
[0006] 如在图1中所见，如果需要校正误差或者需要考虑新的信息块，那么典型的神经 网络要求接近理论上定义的输入并且要求显著的努力来更新和/或改变各个层（节点）。 尽管与一些在先的模型相比较，较少的步骤对用户来说是明显的，不过神经网络趋向于相 对缓慢并且是单向的，这是由于其试图在一个大的步骤中完成对配方或颜色搜索的解决方 案的本质。如上面论述的方法论一样，排除必须的颜料也是一种可能性。神经网络还要求 精确地并且多少有些乏味的对权重、数据库、计算、复杂且刻板的处理映射和基本"训练"的 维护是有效的。
[0007] 从而，需要一种系统和方法，其具有把处理步骤划分为较小的多方向块的灵活性 并且为了速度和准确性利用前馈类型设计。还需要一种系统和方法，其使用户交互最小化 并且结合配方引擎创建了颜料识别和容差的灵活的逐步方法论。
【发明内容】
[0008] 依照第一方面，本发明的实施例提供了一种计算机实现的方法。所述方法包括使 用处理器识别目标涂料中的体颜料（bulk pigment)，其中识别包括应用贝叶斯处理，并且 使用处理器识别所述目标涂料中的至少一种精制颜料（refined pigment)，其中识别包括 应用贝叶斯（Bayesian)处理。所述方法还包括使用处理器配制目标涂料的配方并且输出 所述配方，其中配制包括应用贝叶斯处理。
[0009] 依照另一方面，本发明的实施例针对一种系统。所述系统包括数据库和与所述数 据库通信的处理器。所述处理器被编程为：识别目标涂料中的体颜料，其中识别包括应用贝 叶斯处理；以及识别所述目标涂料中的至少一个精制颜料，其中识别包括应用贝叶斯处理。 所述处理器还被编程为配制目标涂料的配方并且输出所述配方，其中配制包括应用贝叶斯 处理。
[0010] 依照另一方面，本发明的实施例提供一种设备。所述设备包括用于识别目标涂料 中的体颜料的装置，其中识别包括应用贝叶斯处理，和用于识别所述目标涂料中的至少一 个精制颜料的装置，其中识别包括应用贝叶斯处理。所述设备还包括用于配制目标涂料的 配方的装置和用于输出所述配方的装置，其中配制包括应用贝叶斯处理。
[0011] 依照进一步方面，本发明实施例提供了一种非瞬时性计算机可读介质，包括用于 使处理器进行以下操作的软件： 识别目标涂料中的体颜料，其中识别包括应用贝叶斯处理； 识别目标涂料中的至少一个精制颜料，其中识别包括应用贝叶斯处理； 配制目标涂料的配方，其中配制包括应用贝叶斯处理；并且 输出所述配方。
【附图说明】
[0012] 图1例示了典型的神经网络。
[0013] 图2和3例示了依照本发明各个实施例的系统的四个层级或模块的高级表示。
[0014] 图4例示了典型的贝叶斯系统的示例。
[0015] 图5例示了依照本发明各个实施例的体颜料识别贝叶斯模块的高级表示。
[0016] 图6例示了依照本发明各个实施例的精制颜料识别贝叶斯模块的高级表示。
[0017] 图7例示了依照本发明各个实施例的配方引擎或模块的高级表示。
[0018] 图8例示了可以用来识别目标样本的涂料混合物的物理性质属性的系统的实施 例。
[0019] 图9例示了依照本发明各个实施例的四个层级贝叶斯系统的高级表示。
[0020] 图10例示了用于识别目标样本的涂料混合物的物理性质属性的处理的实施例。
【具体实施方式】
[0021] 在各个实施例中，本发明一般涉及包括贝叶斯可信度系统的系统和方法，所述贝 叶斯可信度系统可以包括例如四个层级或模块，其可以是独立的或从属的贝叶斯系统和方 法。如图2中所例示，层级可以包括体颜料识别模块10、精制颜料识别模块12、容差模块14 和配方模块16。所述模块可以组合使用以便识别颜料类型、特定颜料并且配制涂有未知目 标涂料的样本的处方。依照另一方面，模块10、12、14和16可以单独地用来识别颜料类型 或特定颜料以便帮助可视化或计算机化搜索处理，以便从数据库中发现匹配配方。
[0022] 如图2中所例不，t旲块10、12、14和16可以是单独的并且在尚等级处不完全连接。 图3例示了其中模块10、12、14和16可以作为贝叶斯系统通信的方式。
[0023] 虽然这里的描述一般指的是油漆，但是应当理解，所述设备、系统和方法适用于其 它类型的涂料，包括着色剂和工业涂料。描述的本发明实施例不应当被认为是限制。可以 在各种领域实施与本发明一致的方法，诸如服装和时装产品的匹配和/或搭配。
[0024] 本发明的实施例可以被用于或结合到计算机系统中，其可以是单独的单元或包括 经由网络（诸如，例如，因特网或内联网）与中