JP2023136543A - Color prediction model creation method and color prediction model creation system - Google Patents
Color prediction model creation method and color prediction model creation system Download PDFInfo
- Publication number
- JP2023136543A JP2023136543A JP2022042272A JP2022042272A JP2023136543A JP 2023136543 A JP2023136543 A JP 2023136543A JP 2022042272 A JP2022042272 A JP 2022042272A JP 2022042272 A JP2022042272 A JP 2022042272A JP 2023136543 A JP2023136543 A JP 2023136543A
- Authority
- JP
- Japan
- Prior art keywords
- prediction model
- color prediction
- ink amount
- medium
- amount set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003595 spectral effect Effects 0.000 claims abstract description 47
- 238000010801 machine learning Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 2
- 238000002310 reflectometry Methods 0.000 abstract 1
- 238000004904 shortening Methods 0.000 abstract 1
- 239000000976 ink Substances 0.000 description 117
- 238000012795 verification Methods 0.000 description 26
- 238000004891 communication Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 6
- 230000015654 memory Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Landscapes
- Ink Jet (AREA)
- Color, Gradation (AREA)
- Spectrometry And Color Measurement (AREA)
- Color Image Communication Systems (AREA)
Abstract
Description
本発明は、色予測モデル作成方法及び色予測モデル作成システムに関する。 The present invention relates to a color prediction model creation method and a color prediction model creation system.
複数色のインクを用いて印刷を行う印刷装置は、各インクのインク量の組み合わせであるインク量セットを適宜調整することで、多様な色彩値を再現することができる。任意のインク量セットで再現される色彩値を事前に予測するために、色予測モデルを作成することが行われている。色予測モデルは、例えば、インク量セットと、このインク量セットで印刷されたカラーパッチの測色値とを対応づけた多数の教師データを用いて、機械学習によって作成される。特許文献1には、色予測モデルの作成に用いられる教師データの生成について開示されている。
A printing device that performs printing using multiple color inks can reproduce various color values by appropriately adjusting an ink amount set that is a combination of ink amounts of each ink. Color prediction models are created in order to predict in advance the color values that will be reproduced with an arbitrary set of ink amounts. The color prediction model is created, for example, by machine learning using a large amount of training data that associates an ink amount set with the calorimetric values of color patches printed with this ink amount set.
同じ印刷媒体に印刷する場合であっても、印刷後の後処理等の影響で再現される色が変動する場合には、色予測モデルを新たに作成する必要があり、そのための教師データが必要となる。しかしながら、印刷装置で使用するインク色が増えると、使用可能なインク量の組み合わせが膨大となり、この中から適切なインク量セットを、作成のたびに選択して教師データを新たに生成することは、多くの時間を要してしまうという課題があった。 Even when printing on the same print medium, if the reproduced colors vary due to post-print processing, etc., it is necessary to create a new color prediction model, and training data is required for this purpose. becomes. However, as the number of ink colors used in a printing device increases, the number of combinations of usable ink amounts becomes enormous, and it is difficult to select an appropriate ink amount set from among these to generate new training data each time. , there was a problem that it took a lot of time.
色予測モデル作成方法は、印刷に用いられるインクのインク量の組み合わせであるインク量セットと、印刷媒体に前記インク量セットで印刷がなされた印刷物の分光反射率とを対応付けた教師データを用いて、機械学習により色予測モデルを作成する色予測モデル作成方法であって、前記印刷媒体の種別を表す識別情報を取得する識別情報取得工程と、取得した前記識別情報に対応するインク量セットを取得するインク量セット取得工程と、取得した前記インク量セットを用いて、前記教師データを生成する教師データ生成工程と、生成した前記教師データを用いて機械学習を行って前記色予測モデルを作成する色予測モデル作成工程と、を備える。 The color prediction model creation method uses training data that associates an ink amount set, which is a combination of ink amounts used for printing, with the spectral reflectance of a printed matter printed on a print medium using the ink amount set. A color prediction model creation method for creating a color prediction model by machine learning, comprising an identification information acquisition step of acquiring identification information representing the type of print medium, and an ink amount set corresponding to the acquired identification information. a step of acquiring an ink amount set; a teacher data generation step of generating the teacher data using the acquired ink amount set; and creating the color prediction model by performing machine learning using the generated teacher data. and a color prediction model creation step.
色予測モデル作成システムは、印刷に用いられるインクのインク量の組み合わせであるインク量セットと、印刷媒体に前記インク量セットで印刷がなされた印刷物の分光反射率とを対応付けた教師データを用いて、機械学習により色予測モデルを作成する色予測モデル作成システムであって、前記印刷媒体の種別を表す識別情報を取得する識別情報取得部と、取得した前記識別情報に対応するインク量セットを取得するインク量セット取得部と、取得した前記インク量セットを用いて、前記教師データを生成する教師データ生成部と、生成した前記教師データを用いて機械学習を行って前記色予測モデルを作成する色予測モデル作成部と、を備える。 The color prediction model creation system uses training data that associates an ink amount set, which is a combination of ink amounts used for printing, with the spectral reflectance of a printed matter printed on a print medium using the ink amount set. A color prediction model creation system that creates a color prediction model by machine learning, the system comprising: an identification information acquisition unit that acquires identification information representing the type of print medium; and an ink amount set corresponding to the acquired identification information. an ink amount set acquisition unit that acquires an ink amount set, a teacher data generation unit that generates the teacher data using the acquired ink amount set, and creates the color prediction model by performing machine learning using the generated teacher data. and a color prediction model creation section.
以下、実施形態に係る色予測モデル作成方法、及び色予測モデル作成システムについて、図面を参照して説明する。
図1及び図2は、本実施形態の色予測モデル作成システム1の概略構成を示すブロック図であり、図1は、サーバー100の内部構成を示す図、図2は、端末装置200及び印刷装置300の内部構成を示す図である。また、図3は、識別テーブル23の一例を示す図である。
Hereinafter, a color prediction model creation method and a color prediction model creation system according to embodiments will be described with reference to the drawings.
1 and 2 are block diagrams showing a schematic configuration of a color prediction
図1に示すように、色予測モデル作成システム1は、サーバー100と、端末装置200と、印刷装置300とを備えている。サーバー100と端末装置200とは、LAN(Local Area Network)等のネットワークNWを介して接続されており、印刷装置300は、端末装置200に接続されている。色予測モデル作成システム1は、印刷物の分光反射率を予測する色予測モデルを作成する。この色予測モデルは、印刷装置300で用いられる複数色のインクのインク量の組み合わせであるインク量セットに基づいて、印刷媒体Pに該インク量セットで印刷がなされた印刷物の分光反射率を予測する。また、この色予測モデルは、複数のインク量セットで実際に印刷されたカラーパッチの分光反射率を測定し、インク量セットと、測定された分光反射率とを対応付けた複数の教師データを用いて機械学習を行うことによって作成される。
As shown in FIG. 1, the color prediction
サーバー100は、コンピューターによって構成され、制御部10と、記憶部20と、通信部30と、を有している。記憶部20及び通信部30は、バス等を介して制御部10に接続されている。制御部10は、CPU(Central Processing Unit)と、RAM(Random Access Memory)やROM(Read Only Memory)等のメモリーとを含んで構成され、記憶部20に記憶されている図示しない制御プログラムに従って動作することにより、サーバー100の動作を制御する。制御部10は、制御プログラムによって実現される機能部として、情報取得部11と、媒体判別部12と、媒体判別学習部13と、インク量セット選択部14と、教師データ生成部15と、色予測モデル作成部16とを有している。これらの各機能部の詳細については後述する。
The
記憶部20は、ハードディスクドライブやSSD(Solid State Drive)等の記憶装置によって構成され、上述した制御プログラムの他に、データセット格納部21と、媒体判別器22と、識別テーブル23とを記憶している。
The
データセット格納部21は、過去に作成された色予測モデルと、この色予測モデルの作成に使用された複数の教師データと、作成された色予測モデルの検証に用いられた複数の検証データとを含むデータセットを格納している。印刷装置300によって再現される色は、印刷媒体Pや、水平方向及び垂直方向の解像度によって表される印刷モード、或いは印刷に利用されるインクセット等によって異なることから、これらのいずれかが変更になると、新たな色予測モデルが作成される。データセット格納部21には、これまでに作成された複数のデータセットが格納されており、各データセットには、固有のIDであるデータセットIDが付与されている。なお、教師データ及び検証データは、インク量セットと分光反射率とが対応付けられたデータであり、インク量セットを含んだデータであるため、教師データ及び検証データを格納することは、教師データ用のインク量セット、及び検証データ用のインク量セットを格納することと同義である。データセット格納部21は、格納部に相当する。
The
媒体判別器22は、印刷媒体Pを識別するために用いられるツールである。本実施形態の媒体判別器22は、機械学習により作成された学習モデルであり、印刷媒体Pの分光反射率と、印刷媒体Pの種別を表す媒体識別子とを対応付けた複数の教師データを用いて学習されたものである。ここで、印刷媒体Pの分光反射率とは、印刷媒体Pにおいて印刷がなされていない領域の分光反射率のことである。媒体判別器22は、入力される印刷媒体Pの分光反射率に基づいて印刷媒体Pの種別を判別し、対応する媒体識別子を出力する。媒体識別子は、識別情報に相当する。また、媒体判別器22は、入力された分光反射率に基づいて印刷媒体Pを判別できない場合には、未知の印刷媒体Pであることを示す情報を出力する。
The
識別テーブル23は、データセット格納部21に格納されているデータセットと、このデータセットが前提とする各種条件とを対応付けたテーブルである。
図3に示すように、本実施形態の識別テーブル23は、印刷媒体Pの媒体識別子と、印刷モードと、インクセットとを、データセットIDに対応付けている。つまり、データセットは、媒体識別子と、印刷モードと、インクセットとに対応付けられてデータセット格納部21に格納されている。制御部10は、この識別テーブル23を参照することで、印刷媒体P、印刷モード及びインクセットの組み合わせに対応するデータセットを特定することができる。
The identification table 23 is a table that associates data sets stored in the data
As shown in FIG. 3, the identification table 23 of this embodiment associates the medium identifier of the print medium P, the print mode, and the ink set with the data set ID. That is, the data set is stored in the data
図1に戻って、通信部30は、ネットワークNWを介して外部の装置と通信を行うための各種回路を備えている。本実施形態の通信部30は、制御部10の制御に基づいて、ネットワーク接続された端末装置200との間で通信を行う。通信の態様としては、有線通信であっても無線通信であってもよい。
Returning to FIG. 1, the
制御部10に備わる情報取得部11は、色予測モデルの作成に必要な各種情報を端末装置200から取得する。具体的には、情報取得部11は、印刷媒体Pを判別するための媒体情報と、印刷条件を表す印刷情報とを端末装置200から取得する。本実施形態では、媒体情報としては、上述した印刷媒体Pの分光反射率が取得され、印刷情報としては、上述した印刷モードとインクセットとが取得される。
An
媒体判別部12は、情報取得部11が取得した媒体情報、即ち印刷媒体Pの分光反射率に基づいて、媒体判別器22を用いて印刷媒体Pの種別を判別する。具体的には、媒体判別部12は、取得した分光反射率を媒体判別器22に入力し、媒体判別器22が出力する媒体識別子、または未知の印刷媒体Pであることを示す情報を取得する。媒体判別部12は、識別情報としての媒体識別子を取得することから、識別情報取得部に相当する。
The
媒体判別学習部13は、媒体判別器22から未知の印刷媒体Pであることを示す情報が出力された場合に、この印刷媒体Pに新たな媒体識別子を付与する。そして、この印刷媒体Pの分光反射率と、付与した媒体識別子とを対応付けた教師データを用いて媒体判別器22に機械学習を行わせ、媒体判別器22を更新する。これにより、媒体判別器22は、未知であったこの印刷媒体Pを判別することが可能となる。
The medium
インク量セット選択部14は、印刷装置300で使用可能な複数色のインクについて、それぞれのインク量を調整して得られる膨大な数のインク量セットの中から、予め定められた選択ルールに従って、教師データの生成に利用される複数のインク量セットと、検証データの生成に利用される複数のインク量セットとを選択する。なお、インク量セットの選択方法については、特に限定されず、例えば、上述した特許文献1に記載の方法を採用可能である。また、選択すべきインク量セットが、データセット格納部21に格納されているデータセットの教師データ及び検証データから取得可能である場合には、インク量セット選択部14は、インク量セットを選択する代わりに、データセットに含まれる教師データ及び検証データからインク量セットを取得する。このため、インク量セット選択部14は、インク量セット取得部にも相当する。
The ink amount set
教師データ生成部15は、インク量セット選択部14が選択または取得した教師データ用のインク量セットを用いて、色予測モデルを作成するための教師データを生成する。具体的には、印刷装置300の印刷部330が、インク量セット選択部14が選択または取得したインク量セットで印刷媒体Pにカラーパッチを印刷し、印刷装置300の測色装置340が、このカラーパッチの分光反射率を測定した後、教師データ生成部15は、この分光反射率を取得して、インク量セットと分光反射率とを対応付けた教師データを生成する。同様にして、教師データ生成部15は、インク量セット選択部14が選択または取得した検証データ用のインク量セットを用いて、色予測モデルを検証するための検証データを生成する。
The
色予測モデル作成部16は、教師データ生成部15が生成した教師データを用いた機械学習により、色予測モデルを作成する。作成された色予測モデルは、教師データ生成部15が生成した検証データを用いて検証される。
The color prediction
図2に示すように、端末装置200は、コンピューターによって構成され、制御部50と、記憶部60と、通信部70と、入出力I/F(インターフェイス)80とを有している。記憶部60、通信部70及び入出力I/F80は、バス等を介して制御部50に接続されている。制御部50は、CPUと、RAMやROM等のメモリーとを含んで構成され、記憶部60に記憶されている図示しない制御プログラムに従って動作することにより、端末装置200の動作を制御する。
As shown in FIG. 2, the
記憶部60は、ハードディスクドライブやSSD等の記憶装置によって構成され、上述した制御プログラム等を記憶している。通信部70は、ネットワークNWを介して外部の装置と通信を行うための各種回路を備えている。本実施形態の通信部70は、制御部50の制御に基づいて、ネットワーク接続されたサーバー100との間で通信を行う。
The
入出力I/F80は、外部の装置との間で各種情報の入出力を行うためのインターフェイスであり、本実施形態の入出力I/F80には、入力装置210と、表示装置220と、印刷装置300とが接続されている。入力装置210は、キーボードや、マウス等のポインティングデバイスによって構成され、ユーザーの入力操作を受け付けて、制御部50に伝達する。表示装置220は、液晶ディスプレイや有機EL(Electro Luminescence)ディスプレイ等の表示デバイスを備え、制御部50の制御に基づく各種情報を表示する。
The input/output I/
印刷装置300は、例えば、印刷媒体Pに対してインクを吐出することにより、印刷媒体P上にドットを形成し、画像を印刷するインクジェットプリンターである。本実施形態の印刷装置300は、シアンC、マゼンタM、イエローY、ブラックK、オレンジOr、レッドRの6色のインクを吐出可能である。印刷装置300は、制御部310と、入出力I/F320と、印刷部330と、測色装置340とを備える。
The
制御部310は、CPUと、RAMやROM等のメモリーとを含んで構成され、印刷装置300の動作を制御する。入出力I/F320は、外部の装置との間で各種情報の入出力を行うためのインターフェイスであり、本実施形態の入出力I/F320には、端末装置200が接続されている。
The
印刷部330は、印刷ヘッドを備え、制御部310の制御に基づいて、印刷媒体Pに対してインク滴を吐出して、画像を印刷する。
The
測色装置340は、制御部310の制御に基づいて、印刷部330によって印刷がなされた印刷物、および他の印刷装置によって印刷がなされた印刷物を測色する。本実施形態の測色装置340は、印刷媒体P上に形成されたドット群の分光反射率を測定する。また、測色装置340は、印刷媒体Pにおいて印刷がなされていない領域を測定対象とすることで、印刷媒体Pの分光反射率を測定することができる。測色装置340で測定された分光反射率は、入出力I/F320を介して端末装置200に出力される。なお、測色装置340は、印刷装置300に一体的に備わる構成に限定されず、印刷装置300の外部に配置された分光測色計やスキャナー等によって構成することも可能である。この場合、測色装置340は、端末装置200の入出力I/F80に接続されてもよい。
Under the control of the
次に、上記のように構成された色予測モデル作成システム1を用いて色予測モデルを作成する色予測モデル作成方法について説明する。
図4は、色予測モデルを作成する手順を示すフローチャートであり、端末装置200の動作であるステップS11~S17と、サーバー100の動作であるステップS21~S32とを示している。
Next, a color prediction model creation method for creating a color prediction model using the color prediction
FIG. 4 is a flowchart showing the procedure for creating a color prediction model, and shows steps S11 to S17, which are the operations of the
まず、ステップS11において、端末装置200の制御部50は、ユーザーの入力操作に基づいて、印刷装置300の測色装置340に、印刷媒体Pの分光反射率を測定させ、その測定結果を、作成する色予測モデルに係る媒体情報として取得する。そして、ステップS12では、制御部50は、ユーザーの入力操作に基づいて、作成する色予測モデルに係る印刷情報として、印刷モードとインクセットとを取得する。ステップS13では、制御部50は、取得した媒体情報及び印刷情報、即ち分光反射率と、印刷モード及びインクセットとを、サーバー100に送信する。
First, in step S11, the
次に、ステップS21において、サーバー100の情報取得部11は、端末装置200から送信される媒体情報及び印刷情報、即ち分光反射率と、印刷モード及びインクセットとを取得する。その後、ステップS22では、媒体判別部12が、取得した分光反射率を媒体判別器22に入力して、媒体判別器22に印刷媒体Pの種別を判別させる。そして、媒体判別器22が出力する媒体識別子、または未知の印刷媒体Pであることを示す情報を取得する。なお、ステップS21,S22は、識別情報としての媒体識別子を取得するため、識別情報取得工程に相当する。このうち、ステップS21は、媒体情報としての分光反射率を取得するため、媒体情報取得工程に相当し、ステップS22は、媒体判別器22を用いて媒体識別子を取得するため、媒体判別工程に相当する。
Next, in step S21, the
ステップS23では、媒体判別部12は、媒体判別器22からの出力に基づいて、印刷媒体Pの種別が既知であるか否かを判断する。そして、印刷媒体Pが既知であると判断された場合(ステップS23:YES)、即ち媒体判別器22から媒体識別子が出力された場合には、媒体判別部12は、ステップS25に処理を移す。一方、印刷媒体Pが未知であると判断された場合(ステップS23:NO)、即ち媒体判別器22から印刷媒体Pが未知であることを示す情報が出力された場合には、媒体判別部12は、ステップS24に処理を移す。
In step S23, the
印刷媒体Pが未知であると判断されてステップS24に処理が移行した場合には、媒体判別学習部13が、媒体判別器22の学習に用いられる教師データとして、ステップS21で取得した分光反射率に新たな媒体識別子を対応付けた教師データを生成する。そして、この教師データを用いて媒体判別器22に機械学習を行わせて媒体判別器22を更新し、ステップS27に処理を移す。ステップS24は、判別器学習工程に相当する。
If it is determined that the print medium P is unknown and the process moves to step S24, the medium
一方、印刷媒体Pが既知であってステップS25に処理が移行した場合には、媒体判別部12は、記憶部20に記憶されている識別テーブル23を参照し、ステップS22で媒体判別器22から出力された媒体識別子と、ステップS21で取得した印刷モード及びインクセットとに基づいて、データセット格納部21に、対応するデータセットがあるか否かを判断する。そして、媒体判別部12は、ステップS22で出力された媒体識別子と、ステップS21で取得した印刷モード及びインクセットとの組み合わせが識別テーブル23に存在する場合には、データセット格納部21にデータセットがある(ステップS25:YES)と判断してステップS26に処理を移する。一方、媒体判別部12は、媒体識別子と印刷モード及びインクセットとの組み合わせが識別テーブル23に存在しない場合には、データセット格納部21にデータセットがない(ステップS25:NO)と判断してステップS27に処理を移す。
On the other hand, if the print medium P is known and the process moves to step S25, the
データセット格納部21にデータセットがあると判断されてステップS26に処理が移行した場合には、インク量セット選択部14が、識別テーブル23にて媒体識別子と印刷モード及びインクセットとの組み合わせに対応付けられているデータセットIDに基づいて、対応するデータセットを特定する。そして、インク量セット選択部14は、特定されたデータセットから、複数の教師データを構成する複数のインク量セットを、教師データ用のインク量セットとして取得するとともに、複数の検証データを構成する複数のインク量セットを、検証データ用のインク量セットとして取得し、ステップS28に処理を移す。ステップS26は、インク量セット取得工程に相当する。
If it is determined that there is a data set in the data
一方、データセット格納部21にデータセットがないと判断されてステップS27に処理が移行した場合、或いは印刷媒体Pが未知と判断されて媒体判別器22が更新された後にステップS27に処理が移行した場合には、インク量セット選択部14は、予め定められた選択ルールに従って、教師データの生成に利用される複数のインク量セットと、検証データの生成に利用される複数のインク量セットとを新たに選択する処理を実行する。ここで新たに選択されたインク量セットは、ステップS22で媒体判別器22から出力された媒体識別子と、ステップS21で取得された印刷モード及びインクセットとに対応するインク量セットとなる。ステップS27は、インク量セット選択工程に相当する。インク量セット選択部14は、インク量セットを選択する処理が完了すると、ステップS28に処理を移す。
On the other hand, if it is determined that there is no data set in the data
ステップS28では、インク量セット選択部14は、ステップS26で取得された複数のインク量セット、またはステップS27で選択された複数のインク量セットを端末装置200に送信する。
In step S28, the ink amount set
ステップS14において、端末装置200の制御部50は、サーバー100から送信される教師データ用の複数のインク量セットと、検証データ用の複数のインク量セットとを取得する。そして、ステップS15では、制御部50は、取得した複数のインク量セットに基づいて、印刷装置300の印刷部330により、教師データ用の複数のカラーパッチと、検証データ用の複数のカラーパッチとを印刷媒体Pに印刷させる。さらに、制御部50は、印刷装置300の測色装置340により、これらのカラーパッチの分光反射率を測定させる。
In step S14, the
ステップS16において、制御部50は、測色装置340で測定された測定データとして、教師データ用の複数のカラーパッチの分光反射率と、検証データ用の複数のカラーパッチの分光反射率とをサーバー100に送信する。
In step S16, the
ステップS29では、サーバー100の教師データ生成部15が、端末装置200から送信された測定データ、即ち分光反射率を取得する。そして、ステップS30では、教師データ生成部15は、ステップS28で端末装置200に送信したインク量セットと、ステップS29で取得した分光反射率とを対応付けて、色予測モデルの作成に用いられる教師データと、色予測モデルの検証に用いられる検証データとを生成する。ステップS30は、教師データ生成工程に相当する。
In step S29, the teacher
ステップS31では、色予測モデル作成部16が、生成された教師データを用いた機械学習により、色予測モデルを作成する。さらに、色予測モデル作成部16は、作成した色予測モデルに対して、生成された検証データを用いた検証を行い、検証結果に問題なければ、色予測モデルの作成が完了する。ステップS31は、色予測モデル作成工程に相当する。
In step S31, the color prediction
ステップS32では、色予測モデル作成部16は、作成した色予測モデルと、教師データ及び検証データとを、データセットとしてデータセット格納部21に格納する。つまり、ステップS27で新たに選択されたインク量セットも、教師データ及び検証データの一部としてデータセット格納部21に格納される。ステップS32は、データ格納工程に相当する。さらに、色予測モデル作成部16は、格納したデータセットに新たなデータセットIDを付与し、識別テーブル23を更新する。これにより、サーバー100での処理が終了する。なお、作成された色予測モデルが、ステップS26にて、データセット格納部21に格納されているデータセットから取得されたインク量セットを用いて作成された場合には、同じインク量セットを利用したデータセットが既にデータセット格納部21に存在しているため、新たなデータセットIDの付与、及び識別テーブル23の更新を行わなくてもよい。
In step S32, the color prediction
データセットがサーバー100のデータセット格納部21に格納されると、端末装置200の制御部50は、ステップS17において、生成された色予測モデルをサーバー100から取得する。これ以降、ユーザーは、取得した色予測モデルを、分光反射率の予測に活用することができる。
When the data set is stored in the data
以上説明したように、本実施形態によれば、以下の効果を得ることができる。
(1)本実施形態によれば、同じ印刷媒体Pを対象にして過去に選択したインク量セットを用いて生成されたデータセットがデータセット格納部21に存在する場合に、このインク量セットを再利用して教師データの生成及び色予測モデルの作成を行うため、インク量セットの選択に要する時間を省略することが可能となり、教師データの生成及び色予測モデルの生成に要する時間を短縮することが可能となる。
As explained above, according to this embodiment, the following effects can be obtained.
(1) According to the present embodiment, when a data set generated using an ink amount set selected in the past for the same printing medium P exists in the data
(2)本実施形態によれば、媒体判別器22が出力した媒体識別子に対応するデータセットがデータセット格納部21にない場合には、インク量セットを新たに選択するため、データセット格納部21におけるデータセットの有無に拘わらず、色予測モデルを作成することが可能となる。
(2) According to the present embodiment, if the data set corresponding to the medium identifier output by the
(3)本実施形態によれば、インク量セットを新たに選択した場合に、このインク量セットを用いて生成されるデータセットをデータセット格納部21に格納するため、後で色予測モデルを作成する際にこのインク量セットを再利用することが可能となる。
(3) According to the present embodiment, when a new ink amount set is selected, the data set generated using this ink amount set is stored in the data
(4)本実施形態によれば、印刷媒体Pの分光反射率に基づいて媒体識別子を出力する媒体判別器22を用いているため、印刷媒体Pの判別、即ち媒体識別子の特定が容易になる。
(4) According to this embodiment, since the
(5)本実施形態によれば、媒体判別器22によって印刷媒体Pが未知と判定された場合に、媒体判別器22に学習を行わせるため、媒体判別器22の判別能力を向上することができる。
上記の各実施形態は、以下のように変更してもよい。
(5) According to the present embodiment, when the print medium P is determined to be unknown by the
Each of the above embodiments may be modified as follows.
上記実施形態において、データセット格納部21に格納されるデータセットには、過去に作成された色予測モデルと、この色予測モデルの作成に使用された教師データと、色予測モデルの検証に用いられた検証データとが含まれているが、データセットの構成はこれに限定されない。データセットには、少なくとも教師データ用のインク量セットが含まれていればよい。上述したように、教師データは、インク量セットと分光反射率とが対応付けたデータであり、インク量セットは、教師データから取得可能である。このため、インク量セットは、本実施形態のように教師データの体裁で格納されていてもよいし、インク量セット単独で格納されていてもよい。
In the above embodiment, the datasets stored in the
上記実施形態では、色予測モデル作成システム1に、サーバー100及び端末装置200の2つのコンピューターが含まれる構成を示したが、1つのコンピューターで構成することも可能であるし、3つ以上のコンピューターに処理を分散させることも可能である。
In the above embodiment, the color prediction
上記実施形態では、サーバー100が、データセット格納部21に格納されているデータセットから、教師データ用及び検証データ用のインク量セットを取得して端末装置200に送信する構成を示したが、例えば、サーバー100が、教師データ及び検証データを端末装置200に送信し、端末装置200が教師データ及び検証データからインク量セットを取得する構成としてもよい。
In the above embodiment, a configuration is shown in which the
上記実施形態では、サーバー100は、判別した印刷媒体P等に対応するデータセットがデータセット格納部21にある場合に、このデータセットに含まれる教師データや検証データのインク量セットを端末装置200に送信しているが、例えば、インク量セットに代えて、データセットに含まれる色予測モデルを送信するようにしてもよい。この態様では、送信される色予測モデルを端末装置200が取得することで、ユーザーは、この色予測モデルを試用したりすることが可能となる。
In the above embodiment, when the data set corresponding to the determined print medium P etc. is present in the data
上記実施形態では、サーバー100は、端末装置200から測定データとして取得した分光反射率を用いて教師データを生成しているが、端末装置200が、サーバー100から取得したインク量セットと、自ら測定した分光反射率とを対応付けて教師データを生成し、生成した教師データをサーバー100に送信するようにしてもよい。
In the embodiment described above, the
上記実施形態では、ステップS21にて、印刷媒体Pの分光反射率が端末装置200から取得され、ステップS22にて、印刷媒体Pの種別を表す媒体識別子が媒体判別器22から出力される構成を示したが、ユーザーが、入力装置210を介して端末装置200に媒体識別子を入力し、サーバー100が、この媒体識別子を端末装置200から取得するようにしてもよい。この構成では、サーバー100に媒体判別器22を備える必要がなくなる。
In the above embodiment, the spectral reflectance of the print medium P is acquired from the
上記実施形態では、媒体判別器22は、印刷媒体Pの分光反射率に基づいて印刷媒体Pの種別を判別しているが、印刷媒体Pを判別するための媒体情報は、分光反射率に限定されず、分光反射率以外の物性情報や、それ以外の情報に基づいて判別するようにしてもよい。例えば、分光透過率、反射率分布、可視光カメラによる撮像画像、厚さ、水分量、重さ、摩擦係数、或いは超音波検査画像等を利用可能である。また、媒体判別器22は、複数の情報に基づいて印刷媒体Pを判別する構成であってもよい。
In the embodiment described above, the
1…色予測モデル作成システム、10…制御部、11…情報取得部、12…媒体判別部、13…媒体判別学習部、14…インク量セット選択部、15…教師データ生成部、16…色予測モデル作成部、20…記憶部、21…データセット格納部、22…媒体判別器、23…識別テーブル、30…通信部、50…制御部、60…記憶部、70…通信部、80…入出力I/F、100…サーバー、200…端末装置、210…入力装置、220…表示装置、300…印刷装置、310…制御部、320…入出力I/F、330…印刷部、340…測色装置、NW…ネットワーク、P…印刷媒体。
DESCRIPTION OF
Claims (7)
前記印刷媒体の種別を表す識別情報を取得する識別情報取得工程と、
取得した前記識別情報に対応するインク量セットを取得するインク量セット取得工程と、
取得した前記インク量セットを用いて、前記教師データを生成する教師データ生成工程と、
生成した前記教師データを用いて機械学習を行って前記色予測モデルを作成する色予測モデル作成工程と、
を備える、色予測モデル作成方法。 Color prediction is performed by machine learning using training data that associates an ink amount set, which is a combination of ink amounts used for printing, with the spectral reflectance of printed matter printed on a print medium with the ink amount set. A color prediction model creation method for creating a model, the method comprising:
an identification information acquisition step of acquiring identification information representing the type of the print medium;
an ink amount set acquisition step of acquiring an ink amount set corresponding to the acquired identification information;
a teacher data generation step of generating the teacher data using the acquired ink amount set;
a color prediction model creation step of creating the color prediction model by performing machine learning using the generated training data;
A color prediction model creation method comprising:
取得した前記識別情報に対応するインク量セットがない場合に、前記識別情報に対応するインク量セットを新たに選択するインク量セット選択工程をさらに含み、
前記教師データ生成工程では、前記インク量セット選択工程で選択された前記インク量セットを用いて前記教師データを生成する、色予測モデル作成方法。 The color prediction model creation method according to claim 1,
further comprising an ink amount set selection step of newly selecting an ink amount set corresponding to the identification information when there is no ink amount set corresponding to the acquired identification information;
The color prediction model creation method includes, in the teacher data generation step, generating the teacher data using the ink amount set selected in the ink amount set selection step.
前記インク量セット選択工程で選択された前記インク量セットを、格納部に格納させるデータ格納工程をさらに含む、色予測モデル作成方法。 The color prediction model creation method according to claim 2,
A color prediction model creation method further comprising a data storage step of storing the ink amount set selected in the ink amount set selection step in a storage section.
前記識別情報取得工程は、媒体情報取得工程と、媒体判別工程とを含み、
前記媒体情報取得工程は、前記印刷媒体を判別するための媒体情報を取得し、
前記媒体判別工程は、前記媒体情報を入力として前記識別情報を出力する媒体判別器を用いて、前記識別情報を取得する、色予測モデル作成方法。 The color prediction model creation method according to any one of claims 1 to 3, comprising:
The identification information acquisition step includes a medium information acquisition step and a medium discrimination step,
The medium information acquisition step acquires medium information for identifying the print medium,
In the color prediction model creation method, the medium discriminating step acquires the identification information using a medium discriminator that receives the medium information as input and outputs the identification information.
前記媒体判別器は、機械学習によって作成された学習モデルであり、
前記媒体判別器で前記印刷媒体が未知であると判断された場合に、前記媒体情報に新たな識別情報を対応付けた教師データを用いて、前記媒体判別器に学習させる判別器学習工程をさらに含む、色予測モデル作成方法。 5. The color prediction model creation method according to claim 4,
The medium classifier is a learning model created by machine learning,
further comprising a discriminator learning step of causing the medium discriminator to learn using training data in which new identification information is associated with the medium information when the medium discriminator determines that the print medium is unknown; Including, how to create a color prediction model.
前記識別情報取得工程は、入力装置を介して入力された前記識別情報を取得する、色予測モデル作成方法。 The color prediction model creation method according to any one of claims 1 to 3, comprising:
In the color prediction model creation method, the identification information acquisition step acquires the identification information input via an input device.
前記印刷媒体の種別を表す識別情報を取得する識別情報取得部と、
取得した前記識別情報に対応するインク量セットを取得するインク量セット取得部と、
取得した前記インク量セットを用いて、前記教師データを生成する教師データ生成部と、
生成した前記教師データを用いて機械学習を行って前記色予測モデルを作成する色予測モデル作成部と、
を備える、色予測モデル作成システム。 Color prediction is performed by machine learning using training data that associates an ink amount set, which is a combination of ink amounts used for printing, with the spectral reflectance of printed matter printed on a print medium with the ink amount set. A color predictive model creation system that creates a model,
an identification information acquisition unit that acquires identification information representing the type of the print medium;
an ink amount set acquisition unit that acquires an ink amount set corresponding to the acquired identification information;
a teacher data generation unit that generates the teacher data using the acquired ink amount set;
a color prediction model creation unit that performs machine learning using the generated training data to create the color prediction model;
A color prediction model creation system.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022042272A JP2023136543A (en) | 2022-03-17 | 2022-03-17 | Color prediction model creation method and color prediction model creation system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022042272A JP2023136543A (en) | 2022-03-17 | 2022-03-17 | Color prediction model creation method and color prediction model creation system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023136543A true JP2023136543A (en) | 2023-09-29 |
Family
ID=88144965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022042272A Pending JP2023136543A (en) | 2022-03-17 | 2022-03-17 | Color prediction model creation method and color prediction model creation system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023136543A (en) |
-
2022
- 2022-03-17 JP JP2022042272A patent/JP2023136543A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2629978B1 (en) | Image processing apparatus and image processing method | |
US8120815B2 (en) | Image processing method and image forming device for generating profiles for color reproduction | |
US20110176157A1 (en) | Print information managing apparatus, print information managing method, print information managing system, and recording medium with program recorded therein | |
CN102035991B (en) | Profile generating method and device | |
CN107885467A (en) | The system and method for display color playback mode on job scheduling picture | |
US9860423B2 (en) | Image processing device and method, printing system, halftone process determination method, and program | |
CN103581498A (en) | Print color evaluating system, print color evaluating method, and storage medium | |
JP5559652B2 (en) | Color reproduction prediction apparatus, method and program | |
US20140013156A1 (en) | Method and system for managing image forming apparatus through network | |
US20100277751A1 (en) | System and method for color printer calibration employing measurement success feedback | |
JP6142764B2 (en) | Information processing apparatus, program, and image forming system | |
JP2023136543A (en) | Color prediction model creation method and color prediction model creation system | |
JP5314623B2 (en) | Printing color reproduction condition evaluation method and selection method thereof, color conversion method and apparatus and program thereof | |
JP6527558B2 (en) | Printing system, method of generating halftone processing rule, image processing apparatus and program | |
JP2023061208A (en) | Image processing apparatus, information processing system, image processing method, and program | |
JP6000172B2 (en) | Data creation apparatus, image forming apparatus, and data creation method | |
CN102034037A (en) | Authentication system, printing terminal and authenticating terminal | |
US11102362B2 (en) | Preparation tool for color print presentation | |
JP6132798B2 (en) | Image processing apparatus and method, printing system, and program | |
JP7392535B2 (en) | Color prediction model creation device, color prediction model creation system, and color prediction model creation method | |
JP4792984B2 (en) | Image processing apparatus and simulation support method | |
JP4591004B2 (en) | Control device | |
US8379973B2 (en) | Color processing apparatus and computer-readable medium storing color processing program | |
JP2019181863A (en) | Method for creating numerical expression for prediction of printing result, prediction method, and prediction system | |
KR20070103595A (en) | Network printing server |