用于涂料配制的纹理评估的系统和方法
【技术领域】
[0001] 在各种实施例中，本发明一般地涉及一种用于评估涂料混合物的比色和物理性能 属性的系统和方法，以便向用户提供在配制涂料匹配、在数据存储（例如数据库）中搜索涂 料匹配以及在质量保证中使用的纹理质量。
【背景技术】
[0002] 为了提供与使用配制或搜索引擎（或视觉处理）利用目标涂料涂布的目标样本的 正确的颜色匹配，期望确定目标涂料的正确的染色。如果利用与目标涂料中相同的颜料或 适当的偏移，配制或搜索过程可作出关于目标涂料的配制的明显的最佳解决方案。然而，如 果由于颜料纹理而存在改变纹理质量的可能性，颜色匹配可能无法精确地提供完全匹配的 样本。此外，从可用性中或者有意或者无意地排除那些颜料将导致不如最佳的颜色匹配。
[0003] 一些目前的匹配搜索或配制引擎和方法学尝试经由各种算法来完成（encompass) 颜料选择和配置。各种颜料识别包和配置引擎采取"野蛮"力，猜测和检查方式的类型以向 其用户提供配制和颜料信息。组合的方式一一野蛮力方法一一是频繁使用的方法，在该方 法中给定最终匹配中期望的颜料的结束编号，以所有可用的组合来组合几乎所有可用的颜 料。尽管存在在给定具体条件下限制某些颜料的使用的一些方法，但是最终结果是：公式组 合可以验证（validate against)样本，并且最接近匹配目标涂料的一个或多个公式的选择 被提供给用户。
[0004] 其它解决方案要求用户向搜索或配制引擎提交调色剂的样本集，并且还有其它方 法选择使用调色剂的预定义子集。通常这些方法对于用户是有负担的，并且缺乏正确的"直 觉"来为用户的良好解决方案提供简化的方法。另外，由于这样的方法学的性质，可能会排 除匹配目标涂料所必要的适当的颜料。
[0005] 神经网络已用于从预先生成的可能匹配的现有数据库选择颜色匹配，或者本身充 当配制引擎。神经网络的优势在于它解决线性和非线性关系二者的能力，但这种优势以 笨重、不灵活性以及需要显著的开销来精心管理有时大的学习数据库和结构为代价。神 经网络的不灵活性或刚性操作一般必须用在反馈设计中，以优化导致网络的隐藏层和在 网络的隐藏层内的节点权重。神经网络需要从期望的输出获得的这种类型的错误的反向 传播（backpropogation)，以便"学习"。通过基于现有迭代的错误对输入的重复再引入 (repeated reintroduction)和对权重的重复调整，神经网络的实际学习或训练是基于给 定期望输出的计算错误的减少。
[0006] 如可从图1中所见的，常规的神经网络需要几乎理想定义的输入，并且如果错误 需要被纠正或需要考虑一块新的信息，则需要显著的努力来更新和/或改变各个层（节 点）。虽然与一些现有的模型相比，更少的步骤对于用户是明显的，但神经网络由于其尝试 在一个大规模步骤中完成对配制或颜色搜索的解决（resolution)的性质而趋向于相对缓 慢和单向。此外，与上文讨论的方法学一样，排除必要的颜料是有可能的。神经网络还需要 权重、数据库、计算、复杂和严格的过程映射以及有效的实质"训练"的精确和有点繁琐的维 护。
[0007] 因此，需要具有灵活性来将处理步骤分割为更小的多方向块（multidirectional piece)并利用前馈型设计以达到速度和准确度的系统和方法。还需要最小化用户交互并创 建结合配制引擎的颜料识别和公差的灵活的逐步方法学的系统和方法。
【发明内容】
[0008] 在第一方面，发明的实施例提供一种计算机实现的方法。该方法包括：使用处理器 识别目标涂料中的纹理，其中识别包括应用贝叶斯过程，并且使用处理器分配适于由搜索 引擎和配制引擎之一使用的纹理值。
[0009] 在另一方面，发明的实施例涉及一种系统。该系统包括数据库和处理器，该处理器 与数据库通信并且被编程为：识别目标涂料中的纹理，其中识别包括应用贝叶斯过程，并且 分配适于由搜索引擎和配制引擎之一使用的纹理值。
[0010] 在另一方面，发明的实施例提供一种装置。该装置包括：用于识别目标涂料中的纹 理的部件，其中识别包括应用贝叶斯过程，以及用于使用处理器分配适于由搜索引擎和配 制引擎之一使用的纹理值的部件。
[0011] 在进一步的方面，发明的实施例提供一种包括软件的非临时性计算机可读介质， 该软件用于使得处理器：识别目标涂料中的纹理，其中识别包括应用贝叶斯过程；以及分 配适于由搜索引擎和配制引擎之一使用的纹理值。
【附图说明】
[0012] 图1图示常规的神经网络。
[0013] 图2图示常规的贝叶斯系统的示例。
[0014] 图3图示根据本发明的各种实施例的纹理规模（texture scale)识别贝叶斯模块 的尚级表不。
[0015] 图4图示根据本发明的各种实施例的公差贝叶斯模块的高级表示。
[0016] 图5图示可用于识别目标样本的涂料混合物的物理性能属性的系统的实施例。
[0017] 图6图示根据本发明的各种实施例的贝叶斯系统的高级表示。
[0018] 图7图示用于识别目标样本的涂料混合物的物理性能属性的过程的实施例。
【具体实施方式】
[0019] 在各种实施例中，本发明一般涉及包括贝叶斯置信系统的系统和方法，该贝叶斯 置信系统可以是独立或从属的贝叶斯系统和方法。实施例包括可组合使用以识别涂布有未 知目标涂料的样本的纹理质量的各个模块。另一方面，该模块可用于确定已知的样本和/ 或已知的颜料的纹理性质。
[0020] 虽然本文的描述一般涉及油漆，但是应当理解：设备、系统和方法适用于包括染色 和工业涂料的其它类型的涂料。本发明的所述实施例不应被认为是限制性的。与本发明一 致的方法可在各种各样的领域中被实践，诸如服装和时尚产品的匹配和/或协调。
[0021] 发明的实施例可与计算机系统一起使用或者被合并在计算机系统中，该计算机系 统可以是独立的单元或者包括经由网络与中央计算机通信的一个或多个远程终端或设备， 所述网络诸如例如因特网或内联网。这样，本文中所述的计算机或"处理器"和相关组件可 以是本地计算机系统或远程计算机或在线系统或其组合的一部分。本文所述的数据库和软 件可被存储在计算机内部存储器中或非临时性计算机可读介质中。
[0022] 贝叶斯系统基于来自贝叶斯定理的概率推理（probabilistic reasoning)，贝叶 斯定理是从条件概率的定义导出的。贝叶斯系统的示例示于图2中。 等式1:贝叶斯定理 兵干芒U
[0023] 通过利用贝叶斯定理，从属的和独立的决策点的系统可用于确定未知样本的纹理 性质。
[0024] 包括多个决策点的基本贝叶斯系统可用于确定给定样本具有特定的纹理类型的 属性的概率（置信）。基本纹理类型可被分为多个定性名词（qualitative nominal)或有 序种类。例如，一些种类可被标记：非常精细、精细、中等、不太粗糙、粗糙。种类例如可通过 闪光特性来进一步细分，诸如高、中和低。可用于确定目标涂料的纹理的贝叶斯系统内的各 个决策点可包括但不限于 ：比色值（DE，L，a，b，C，h，X，Y，Z)，比色值的对数，跳动指数（flop indices)，相似性指数，行进指数，行进区域，反射比乘积，各种角光谱数据，DE平方的总和， 和/或其组合。
[0025] 在各种实施例中的第一决策点正在确定目标涂料是否包含效应颜料，或者是否仅 存在纯色颜料。这可以通过利用决策点来完成，该决策点考虑但不限于色度、亮度和色调。 在给定色度和亮度的情况下，可以求解各个概率公式，以确定样本包含效应染色或仅包含 单色、纯色颜料的概率。如果仅存在纯色颜料，纹理可能是由于基片所导致的，并且可通过 在相同基片上放置适当匹配的有色油漆来充分地模仿该纹理。如果存在效应染色，则用贝 叶斯系统和方法进一步估计得出适当的纹理信息可能是必要的。确定贝叶斯模块的纹理的 高级表示的示例示于图3中。
[0026] 本发明的实施例利用五角度分光光度计，诸如由X-Rite公司生产的CM64,以为由 仪器提供的数据的每个角度生成各种各样的加权简化决策点。例如，对于在15°角处具有 大于10的色度值的样本的决策点应当包含决策的逻辑集，该决策包括在分析该特