e的变化率作为ec输入量，电动机旋转 的角度为微控制器输出量u ;
[0043] S1073、设置e对应的模糊变量为E，ec对应的模糊变量为EC，u对应的模糊变量为 U，3个变量的模糊状态选择如下：
[0044] E = {NB，NM，NS，NZ，PZ，PS，PM，PB};
[0045] EC = {NB，NM，NS, Z，PS，PM，PB};
[0046] U = {NB，NM，NS，Z，PS，PM，PB}。
[0047] S1074、设置各个模糊变量在其论域内的等级划分分别为：
[0048] E = {e} = {_6,-4,-2,0, 2,4,6};
[0049] EC = {ec} = {-6,-4,-2,0,2,4,6};
[0050] U = {u} = {-6,-4,-2,0, 2,4,6}。
[0051] S1075、设置各个模糊变量的隶属函数均为三角形连续型隶属函数，解模糊化采用 最大隶属度平均值法，生成模糊控制器。
[0052] S1076、红色染料流量电磁阀的微控制器模块，以偏差e及偏差e的变化率作为输 入量，根据生成的模糊控制器确定微控制器输出量u，控制流量电磁阀向染料池内灌入对应 流量的红色染料。
[0053] 实施本发明，具有如下有益效果：
[0054] (1)、本发明基于机器视觉技术进行标准色卡和待处理染料池颜色识别，可以快速 实现印染产品颜色改变的要求，实时进行待处理染料池颜色的采集，避免了依靠目视判断 存在着的人为误差和高人力成本；
[0055] (2)、本发明提供基于神经网络模型的印染在线调色和染料分配方法及设备，利用 神经网络建立调色模型，在配色工序中能大大提高染料的颜色准确度，提升印染产品质量 和出货效率，便于自动化生产规模的进一步扩大；
[0056] (3)、本发明利用模糊控制技术实现对最终配料的控制，根据传感器信息，结合神 经网络建立调色模型的输出数据，可以进一步提高最终调色的准确度和配料效率。
[0057] (4)、本发明提出了一种新的印染配色和配料的机器视觉方法，即利用计算机模仿 人类视觉识别图像颜色差异，通过提取色差进行配色方案的制定，具有高度的智能性、灵活 性，显著提高了印染配色和配料的准确度，具有广阔的市场应用前景。
【附图说明】
[0058] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0059] 图1是本发明提供的基于神经网络模型的印染在线配色设备的一个实施例的示 意图；
[0060] 图2是本发明还提供的基于神经网络模型的印染在线配色方法的一个实施例的 流程示意图。
【具体实施方式】
[0061] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0062] 图1是本发明提供的基于神经网络模型的印染在线配色设备的一个实施例的示 意图，如图1所示，包括：
[0063] 标准色卡采集模块，用于采集标准色卡图像；
[0064] 染料池图像采集模块，设置于待处理染料池四周，用于采集待处理染料池的实际 色彩图像；
[0065] 超声波液位测量仪，设置于待处理染料池上，用于测量待处理染料池的液位高度， 并根据所述高度计算得到待处理染料池内已有染料液体的体积；
[0066] 数据处理模块，分别与所述标准色卡采集模块、所述染料池色彩采集模块和所述 超声波液位测量仪连接，用于计算待处理染料池实际色彩图像与标准色卡图像的色差，并 根据所述色差和所述待处理染料池的体积基于神经网络模型确定各色染料所需流量值； [0067] 流量电磁阀，与所述数据处理模块连接，用于根据所述数据处理模块确定的各色 染料所需流量值利用模糊控制技术控制染料流量实现染料在线分配，使得搅拌后待处理染 料池实际色彩满足标准色卡色彩要求。
[0068] 其中，所述标准色卡采集模块包括标准色卡采集卡槽和与所述标准色卡采集卡槽 连接的高分辨率工业摄像头；所述染料池色彩采集模块具体为高分辨率工业摄像头；所述 数据处理模块具体为计算机。
[0069] 图2是本发明还提供的基于神经网络模型的印染在线配色方法的一个实施例的 流程示意图，所述方法是基于上述的配色设备，则所述方法包括步骤：
[0070] S101、根据实验室调色实验数据建立调色方案神经网络模型。
[0071] 具体的，所述SlOl具体包括步骤：
[0072] S1011、通过实验室的反复调色实验得到一组调色数据作为训练样本X = [X1, X2, · · ·，Xn]和 Y = Iiy1, y2, · · ·，yn]，其中，η 表示样本的个数，Xi= [r D, gD, bD, V]，i = 1，2, 3,…，n，rD、gD、bD表示RGB值的色度坐标，v为染料液体体积，y .j= [y rad, ygra;n，ybluJ，j =1，2, 3, ···，n，yrad、ygra;n、y-分别表示红、绿、蓝三色染料所需流量值；
[0073] S1012、根据公式 Xn= 2*(χ ?-η?ηχ^/Οι?ΒΧΧ?-η?ηχ^-Ι 对训练样本进行归一化处 理，初始化隐含层与输入层之间的权值、阈值，对具有正切S型激活函数的神经元产生对称 随机数；其中，maXXy minxi别为X ;的最大值和最小值，X η为映射后的数据；
[0074] S1013、以X为输入，Y为期望输出，设定偏差e = Ie 5,将训练参数初始化，采用快 速BP算法训练神经网络，训练得到神经网络中间三层的连接权值，确定该批次红、绿、蓝三 色染料的调色方案神经网络模型。
[0075] S102、将标准色卡插入采集卡槽，通过摄像头采集标准色卡色彩图像，并发送至计 算机进行预处理和RGB分析。
[0076] 具体的，所述S102具体包括步骤：
[0077] S1021、将标准色卡插入采集卡槽，通过摄像头采集标准色卡色彩图像Ps，并发送 至计算机；
[0078] S1022、计算机采用中值滤波法，去除标准色卡色彩图像Ps的噪声，得到无噪声的 标准色卡图像;
[0079] S1023、计算 Ps，的高度 Hs;
[0080] S1024、依次从图像Ps'高度的-处从左到右扫描图像，其中η为正整数，is = 1，3, 5,…，2n-l ;
[0081] S1025、对搜索到的每个像素点进行RGB值分析后取平均值得到1^，Gs，BS值， 以此作为标准色卡的RGB值。
[0082] S103、待处理染料池四周的摄像头实时采集待处理染料池的实际色彩图像，发送 至计算机进行预处理和RGB分析。
[0083] 具体的，所述S103具体包括步骤：
[0084] S1031、待处理染料池四周四个不同的工业摄像头实时采集待处理染料池实际色 彩图像，分别为PR1，P R2, PR3, Pr4，并发送至计算机；
[0085] S1032、计算机采用中值滤波法，去除待处理的染料池的实际色彩图像的噪声，得 到无噪声的待处理的染料池的实际色彩图像P r/、