KR20150119910A - 코팅 제형 결정 시스템 및 방법 - Google Patents

코팅 제형 결정 시스템 및 방법 Download PDF

Info

Publication number
KR20150119910A
KR20150119910A KR1020157025129A KR20157025129A KR20150119910A KR 20150119910 A KR20150119910 A KR 20150119910A KR 1020157025129 A KR1020157025129 A KR 1020157025129A KR 20157025129 A KR20157025129 A KR 20157025129A KR 20150119910 A KR20150119910 A KR 20150119910A
Authority
KR
South Korea
Prior art keywords
formulation
pigment
identifying
processor
applying
Prior art date
Application number
KR1020157025129A
Other languages
English (en)
Other versions
KR101757091B1 (ko
Inventor
파울 엠 베이모어
Original Assignee
피피지 인더스트리즈 오하이오 인코포레이티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 피피지 인더스트리즈 오하이오 인코포레이티드 filed Critical 피피지 인더스트리즈 오하이오 인코포레이티드
Publication of KR20150119910A publication Critical patent/KR20150119910A/ko
Application granted granted Critical
Publication of KR101757091B1 publication Critical patent/KR101757091B1/ko

Links

Images

Classifications

    • G06N7/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Application Of Or Painting With Fluid Materials (AREA)
  • Paints Or Removers (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)

Abstract

컴퓨터에 의해 구현되는 방법이 개시된다. 이 방법은 프로세서를 사용하여, 타겟 코팅에서 벌크 안료를 식별하는 단계 - 식별하는 단계는 베이지안 프로세스를 적용하는 단계를 포함함 - 와, 프로세서를 사용하여, 타겟 코팅에서 적어도 하나의 정제된 안료를 식별하는 단계 - 식별하는 단계는 베이지안 프로세스를 적용하는 단계를 포함함 - 를 포함한다. 방법은 또한 프로세서를 사용하여, 타겟 코팅의 제형을 공식화하는 단계 - 공식화하는 단계는 베이지안 프로세스를 적용하는 단계를 포함함 - 와, 제형을 출력하는 단계를 포함한다.

Description

코팅 제형 결정 시스템 및 방법{SYSTEMS AND METHODS FOR DETERMINING A COATING FORMULATION}
다양한 실시예에서, 본 발명은 전반적으로 토너 리스트 및 매칭 코팅 제형(matching coating formulation)을 사용자에게 제공하기 위해 코팅 혼합물의 측색(colorimetric) 및 물성 속성을 평가하는 시스템 및 방법에 관한 것이다.
제형 또는 검색 엔진 (또는 시각적 프로세스)을 사용하여 타겟 코팅으로 코팅되는 타겟 샘플에 적절한 컬러 매칭을 제공하기 위해, 타겟 코팅의 정확한 착색을 결정하는 것이 바람직하다. 타겟 코팅의 것과 동일한 안료 또는 적절한 옵셋이 활용되면, 제형 또는 검색 프로세스는 타겟 코팅의 제형에 관한 분명한 최적의 해법에 도달할 수 있다. 한편, 쓸모 있는 그러한 안료를 고의적으로 또는 실수로 제외하면 최적에 미치지 못하는 컬러 매칭을 초래할 것이다.
기존의 여러 제형 엔진 및 방법론은 다양한 알고리즘을 통해 안료 선택 및 제형을 포함하려 시도한다. 각종 안료 식별 패키지 및 제형 엔진은 "원시적" 해결 방법을 사용하고, 제형 및 안료 정보를 그들의 사용자에게 제공하는 접근방법의 형태를 추측하고 확인한다. 조합적 접근방법 또는 원시적 해결 방법은 자주 사용되는 방법으로, 이 방법에서는 최종 매칭에서 원하는 안료의 최종 개수가 주어지면 사용 가능한 거의 모든 안료가 사용 가능한 모든 제형으로 조합된다. 조합적 접근방법은 다양한 제형을 만들어 내기 위해 쿠벨카-뭉크 방정식(Kubelka-Munk equation) 또는 그의 파생 식을 활용할 수 있다. 엔진의 속도를 최적화하는 특정 조건이 주어지면 일부 안료의 사용을 제한하는 몇 가지 방법이 있었을지라도, 최종 결과는 샘플에 대비하여 공식의 조합이 검증되는 것이고 타겟 코팅에 가장 근접하게 매칭하는 하나 이상의 공식 중에서 선택된 공식이 사용자에게 제공되는 것이다. 샘플과 비교하여 매칭의 정확도를 결정하는데 사용되는 다양한 방식의 델타 E의 측색 평가 알고리즘 또는 다른 측색 평가 알고리즘이 있다.
다른 해법은 사용자로 하여금 토너의 샘플 집합을 제형 엔진에 제시하여야 하며, 또 다른 방법은 사용할 토너의 미리 정의된 서브셋을 선택하는 것이다. 이러한 접근방법은 어느 것도 단계적 방법(stepwise method)을 사용하지 않으며 그래서 종종 최적이 아닌 해법에 이르게 된다. 이러한 방법은 전형적으로 사용자에게 부담이 되었고 능률적인 방법을 사용자에게 양호한 해법으로 제공하기 위한 적절한 "직관"을 결여하고 있다. 또한, 그러한 방법론의 특성에 의하면, 타겟 코팅에 매칭하는데 필요한 적절한 안료가 제외될 수 있다.
신경망은 미리 만들어 놓은 가능한 매칭들의 기존 데이터베이스로부터 컬러 매칭을 선택하거나 자체를 제형 엔진처럼 기능하는데 사용되었다. 신경망의 능력은 선형 및 비선형 관계 모두를 해결하는 기능이지만, 이 능력은 다루기 어렵고, 융통성이 없으며, 때로는 큰 학습 데이터베이스 및 구조를 면밀히 관리하기 위해 상당한 오버헤드가 필요하다는 대가를 치른다. 일반적으로 신경망의 불요성 또는 불융통적인 동작은 피드백 디자인에서 사용되어 신경망의 은닉 층을 초래하는 노드 가중 치 및 그 은닉 층 내의 노드 가중치를 최적화하여야 한다. 신경망은 "학습"하기 위해 원하는 출력으로부터 획득한 이러한 유형의 오류의 역 전파를 필요로 한다. 신경망의 실제 학습 또는 훈련은 이전의 반복 에러에 기초하여 가중치의 입력 및 조정을 반복하여 재도입함으로써 원하는 출력이 주어질 때 계산된 오류가 줄어든다는 것을 기초로 한다.
도 1에서 알 수 있는 바와 같이, 전형적인 신경망은 거의 이상적으로 정의된 입력을 필요로 하며 오류가 정정되어야 하거나 새로운 정보가 고려되어야 한다면 각종 층(노드)을 업데이트 및/또는 변경하기 위해 상당한 노력을 필요로 한다. 사용자에게는 일부 종래 모델과 비교하여 더 적은 단계가 분명하지만, 신경망은 하나의 대규모 단계에서 제형 또는 컬러 검색에 대한 해법을 아우르려는 그의 특성으로 인해 비교적 느리고 단방향성인 경향이 있다. 또한, 위에서 논의된 방법론과 마찬가지로, 필요한 안료가 제외될 가능성이 있다. 신경망은 또한 가중치, 데이터베이스, 계산, 정교하고 엄격한 프로세스 매핑, 및 효과 있는 실질적인 "훈련"의 정확하고 다소 지루한 유지 보수를 필요로 한다.
그러므로, 처리 단계를 더 적은 여러 방향의 조각 단계로 분할하는 융통성을 갖는 그리고 속도와 정확성을 위한 피드 포워드 방식의 디자인을 활용하는 시스템 및 방법이 필요하다. 또한 사용자 상호작용을 최소화하고 제형 엔진과 조합하여 안료 식별 및 공차의 유연한 단계적 방법론을 생성하는 시스템 및 방법이 필요하다.
제 1 양태에서, 본 발명의 실시예는 컴퓨터 구현 방법을 제공한다. 방법은 프로세서를 사용하여 타겟 코팅에서 벌크 안료(bulk pigment)를 식별하는 단계 - 식별하는 단계는 베이지안 프로세스(Bayesian process)를 적용하는 단계를 포함함 - 와, 프로세서를 사용하여 타겟 코팅에서 적어도 하나의 정재된 안료를 식별하는 단계 - 식별하는 단계는 베이지안 프로세스를 적용하는 단계를 포함함 - 를 포함한다. 방법은 또한 프로세서를 사용하여 타겟 코팅의 제형을 공식화하는 단계 - 공식화하는 단계는 베이지안 프로세스를 적용하는 단계를 포함함 - 와, 제형을 출력하는 단계를 더 포함한다.
다른 양태에서, 본 발명의 실시예는 시스템에 관한 것이다. 시스템은 데이터베이스 및 데이터베이스와 통신하는 프로세서를 포함한다. 프로세서는 타겟 코팅에서 벌크 안료를 식별 - 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하고, 타겟 코팅에서 적어도 하나의 정제된 안료를 식별 - 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하도록 프로그래밍된다. 프로세서는 또한 타겟 코팅의 제형을 공식화 - 공식화는 베이지안 프로세스를 적용하는 것을 포함함 - 하고, 제형을 출력하도록 프로그래밍된다.
다른 양태에서, 본 발명의 실시예는 장치를 제공한다. 장치는 타겟 코팅에서 벌크 안료를 식별하는 수단 - 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 과, 타겟 코팅에서 적어도 하나의 정제된 안료를 식별하는 수단 - 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 을 포함한다. 장치는 또한 타겟 코팅의 제형을 공식화하는 수단 - 공식화하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 과, 제형을 출력하는 수단을 포함한다.
또 다른 양태에서, 본 발명의 실시예는 소프트웨어를 포함하는 비-일시적 컴퓨터 판독가능한 매체를 제공하며, 소프트웨어는 프로세서로 하여금, 타겟 코팅에서 벌크 안료를 식별 - 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하게 하고, 타겟 코팅에서 적어도 하나의 정제된 안료를 식별 - 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하게 하고, 타겟 코팅의 제형을 공식화 - 공식화하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하게 하고, 제형을 출력하게 한다.
도 1은 전형적인 신경망을 도시한다.
도 2 및 도 3은 본 발명의 다양한 실시예에 따른 시스템의 4 계층(tier), 또는 모듈의 하이 레벨 표현을 도시한다.
도 4는 전형적인 베이지안 시스템의 예를 도시한다.
도 5는 본 발명의 다양한 실시예에 따른 벌크 염료 식별 베이지안 모듈의 하이 레벨 표현을 도시한다.
도 6은 본 발명의 다양한 실시예에 따른 정제된 염료 식별 베이지안 모듈의 하이 레벨 표현을 도시한다.
도 7은 본 발명의 다양한 실시예에 따른 제형 엔진, 또는 모듈의 하이 레벨 표현을 도시한다.
도 8은 타겟 샘플의 코팅 혼합물의 물성 속성을 식별하기 위해 사용될 수 있는 시스템의 일 실시예를 도시한다.
도 9는 본 발명의 다양한 실시예에 따른 4 계층 베이지안 시스템의 하이 레벨 표현을 도시한다.
도 10은 타겟 샘플의 코팅 혼합물의 물성 속성을 식별하는 프로세서의 실시예를 도시한다.
다양한 실시예에서, 본 발명은 일반적으로 독립적이거나 종속적인 베이지안 시스템 및 방법일 수 있는, 예를 들면 4 계층 또는 모듈을 포함할 수 있는 베이지안 신뢰 시스템을 포함하는 시스템 및 방법에 관한 것이다. 도 2에 도시된 바와 같이, 계층은 벌크 안료 식별 모듈(10), 정제된 안료 식별 모듈(12), 공차 모듈(14), 및 제형 모듈(16)을 포함할 수 있다. 모듈은 안료 유형, 즉 특정 안료를 식별하고, 미지의 타겟 코팅으로 코팅되는 샘플들의 제형을 공식화하기 위해 조합하여 사용될 수 있다. 다른 양태에서, 모듈(10, 12, 14, 16)은 데이터베이스로부터 매칭 공식을 찾기 위해 시각적 또는 컴퓨터화된 검색 프로세스를 보조하도록 안료 유형 또는 특정 안료를 식별하는데 개별적으로 사용될 수 있다.
도 2에 도시된 바와 같이, 모듈(10, 12, 14, 16)은 분리될 수 있으며 하이 레벨에서는 완전히 연결되지 않을 수 있다. 도 3은 모듈(10, 12, 14, 16)이 베이지안 시스템으로서 통신할 수 있는 방식을 도시한다.
본 출원에서의 설명은 일반적으로 페인트를 지칭하지만, 디바이스, 시스템 및 방법은 얼룩 및 산업용 코팅을 비롯하여, 다른 유형의 코팅에 적용한다는 것을 이해해야 한다. 본 발명의 기술된 실시예는 한정하는 것으로 간주되지 말아야 한다. 본 발명과 일관되는 방법은 의류 및 패션 제품의 매칭 및/또는 조화와 같은 다양한 분야에서 실시될 수 있다.
본 발명의 실시예는 스탠드얼론 유닛일 수 있거나 예를 들면, 인터넷 또는 인트라넷과 같은 네트워크를 통해 중앙 컴퓨터와 통신하는 하나 이상의 원격 단말기 또는 디바이스를 포함할 수 있는 컴퓨터 시스템과 함께 사용되거나 컴퓨터 시스템에 통합될 수 있다. 이와 같이, 본 출원에서 기술되는 컴퓨터 또는 "프로세서" 및 관련 컴포넌트는 로컬 컴퓨터 시스템 또는 원격 컴퓨터 또는 온라인 시스템의 일부분 또는 이들의 조합일 수 있다. 본 출원에서 기술되는 데이터베이스 및 소프트웨어는 컴퓨터 내부 메모리 또는 비-일시적 컴퓨터 판독가능한 매체에 저장될 수 있다.
베이지안 시스템은 조건부 확률의 정의로부터 도출되는, 베이즈 정리(Bayes's Theorem)로부터의 확률적 추론에 기초한다. 베이지안 시스템의 예는 도 4에 도시된다.
Figure pct00001
타겟 코팅의 안료 식별을 단순화하기 위해, 일반적인 분류 프로세스는 샘플을 하나 이상의 벌크 안료 유형으로 분류하는데 사용될 수 있다. 베이즈 정리를 활용함으로써, 종속적 및 독립적 판단 포인트의 시스템은 미지의 샘플의 안료 유형, 또는 벌크 안료를 결정하도록 디자인될 수 있다. 벌크 안료는 이것으로 한정되는 것은 아니지만, 다음과 같은 고체 안료, 효과 안료, 및 알루미늄 안료와 같은 부류의 안료의 특징에 기초하여 정의될 수 있다. 베이지안 시스템이 적응성을 갖게 되면, 실버 알루미늄과 유색 알루미늄 사이의 차이를 표시하는 것과 같이 벌크 토너 분류를 더 세분화 하는 것이 가능하다.
다중 판단 포인트(multiple decision points)로 구성되는 기본 베이지안 시스템은 주어진 샘플이 단 하나의 안료 유형, 모든 벌크 안료 유형, 또는 이들의 더 적은 수의 조합을 포함할 확률(신뢰)을 결정하기 위해 사용될 수 있다. 다양한 판단 포인트는 이것으로 한정되는 것은 아니지만, 다음과 같은 벌크 안료 유형에 대한 특정 각도 분석(즉, 각도 스펙트럼 데이터 중에서 선택된 데이터 내에서 안료에 의해 입증되는 주요 특성을 탐색), 스펙트럼 데이터 또는 측색 정보에 관한 유사도 지수의 사용, 안료 속성의 3차원(3D) 및 2차원(2D) 기하학적 평가, 안료 속성들의 혼성된 정전기 분석, 스펙트럼 및 측색 데이터의 정규화된 다각도의 집합(normalized multiangular set)의 평가, 텍스처 정보 분석(아마도 주성분 방법론(principle component methodology)을 통한 이미지 분석), 반사 정보의 평가, 또는 심지어 스펙트럼 및 측색 정보의 조작에 의해 만들어지는 2D 평면과 함께 물리적 궤도의 적용으로 구성될 수 있다. 벌크 안료 식별 베이지안 모듈(10)의 일 예가 도 5에 도시된다. 판단 포인트는 타겟 코팅에서 적절한 벌크 안료를 결정하기 위해 각각의 벌크 안료 유형마다 참조 특징을 참조하도록 세밀하게 만들어질 수 있다. 판단 포인트 각각은 벌크 안료 유형을 성공적으로 결정하는 그의 고유한 확률에 관해 미리 결정된 고정 값으로 동일하게 또는 분할하여 가중될 수 있다. 확률은 판단에 의해 식별되는 벌크 안료의 유형이 주어지면 더 정제될 수 있다. 다양한 실시예에서, 주어진 타겟 코팅이 스트레이트 색조(straight shade)인지 또는 다른 유형의 벌크 착색인지 우선 결정될 수 있다. 그런 다음 판단 포인트의 재사용을 통해 또는 이전 포인트로부터 승계된 판단을 활용하여 판단 포인트가 벌크 안료를 더 정의하도록 전부 또는 부분적으로 사용되거나 재사용될 수 있다. 제 1 모듈(10)의 출력은 결정된 타겟 코팅의 벌크 안료(들)이다.
일단 모듈(10)에 의해 벌크 안료에 대한 신뢰가 결정되면, 그 정보는 그대로 사용되거나 모듈(12)에 의해 정제된 안료 식별을 수행하기 위해 각종의 베이지안 시스템으로 또한 전파될 수 있다. 정제된 안료 식별 베이지안 시스템은 주어진 타겟 코팅을 포함하는 특정 안료 또는 그의 옵셋을 결정하는데 사용될 수 있다. 안료 식별 모듈(12)은 그 정보를 제형 엔진(16)에 공급하기 위해 타겟 코팅에서 활용된 가장 가능성 있는 안료의 서브셋을 결정하도록 확대될 수 있다. 다양한 실시예에서, 제 1의 분석 계층(10)으로부터 결정되는 벌크 안료(들)는 다음의 프로세스 계층의 "시작(starting)" 판단 포인트로서 사용될 수 있다. 시작 판단 포인트는 이것으로 한정되는 것은 아니지만, 다음과 같이 이전에 사용된 임의의 판단 포인트로부터 재사용 및/또는 승계, 특정 벌크 착색에 기초한 정제된 각도 분석, 지연된 및/또는 편광된 스펙트럼 정보의 평가, 케플러의 행성 운동 정리(Kepler's Planetary Motion Theorems) 를 스펙트럼 데이터에 적용하는 것의 분석, 스펙트럼 및/또는 측색 데이터에 적용되는 자력 또는 솔레노이드의 평가, 스펙트럼 데이터와 비교하여 러시안 오팔(Russian opal) 또는 광택 금속의 고려, 스펙트럼 데이터에 따른 층 및 플러그 흐름 이론(laminar and plug flow theories)의 사용, 또는 심지어 복잡한 혼합물에서 특정 안료의 특성을 더 정제하기 위해 효율/수율 손실 방정식의 고려를 포함하는 다른 집합의 판단 포인트에 연결될 수 있다. 정제된 안료 식별 모듈(12)의 일 예는 도 6에 도시된다. 정제된 안료 식별 모듈(12)에서의 판단 포인트는 적절히 사용 가능한 안료를 결정하기 위해 타겟 코팅의 특성 대비 선택된 페인트 시스템의 안료에 관해 알려진 정보를 고려할 수 있다. 정제된 안료 식별 모듈(12)의 출력은 타겟 코팅에서 안료에 허용할 수 있는 매칭 확률의 순서로 된 안료의 리스트일 수 있다. 리스트는 칼라 매칭용으로서 활용되거나 타겟 코팅에 허용 가능한 매칭을 생성하기 위해 제형 엔진(16)으로 전달될 수 있다.
제 3 계층(14)은 베이지안 시스템용 공차 해법을 전개한다. 응용 예에 따라, 공차 모듈(14)은 제형 엔진(16)에 적절한 정지 포인트를 결정하도록 디자인될 수 있다. 다양한 베이지안 판단 포인트가 함께 연결될 수 있는 시각적으로 허용 가능한 한계치들 사이의 상관관계가 함께 연결될 수 있다. 판단 포인트의 예는 이것으로 한정되는 것은 아니지만, 다음과 같은 L, C, h, 델타 E와 같은 측색 값, 스펙트럼 정보의 유사도 지수, 반사 정보(specular information)의 다양한 주요 조합의 3D 및/또는 2D 모델, 조성물 매칭 등급 시스템, 텍스처 평가, 또는 조합된 각도 정규화 스펙트럼 "곡선"일 수 있다. 실시예에서, 공차 계층(14)의 목적은 주어진 제형이 허용 가능한 제형을 제공하는지 또는 제형 엔진(16)이 주어진 타겟 코팅에 최상적인 단일의 매칭을 제공하기 위해 추가적인 반복 처리를 필요로 할 것인지에 관해 이진수 답변을 제공하는 것이다.
제 4 계층(16)은 부분적이거나 전체적인 베이지안 제형 엔진, 또는 모듈이다. 엔진(16)은 페인트 도포를 위해 구체적으로 수정된 복사열 전달식(radioactive transfer equations)에 기초할 수 있다. 통상의 복사열 전달은 (훨씬 적은 규모로) 페인팅된 표면과 유사하긴 하지만 실질적인 수정 없이 복합 페인트 혼합물 및 상호작용을 적절히 모델화할 수 없는 행성 몸체(planetary body)에 활용될 수 있다. 베이지안 시스템은 적절한 기본 집합의 안료를 제형 엔진에 공급하고 제형의 허용 가능한 매칭 품질의 제형을 위한 공차를 제공함으로써 또는 상이한 유형의 제형 기술을 통합하는 제형 엔진 자체로서 작동함으로써 복합 혼합물을 공식화하는데 사용될 수 있다. 기술은 이것으로 한정되는 것은 아니지만, 표준 또는 수정된 쿠벨카-뭉크 제형(Kubelka-Munk formulation), 파생 기반 행렬을 통한 직접적인 해법, 조합적인 매칭, 또는 수정된 다중-플럭스 이론(modified multi-flux theories)을 포함할 수 있다. 이러한 기술은 공차 단계(14)를 다시 참조하는 베이지안 시스템에서 반복적으로 활용되어 타겟 코팅과 매칭하는 가시적으로 수용 가능한 공식을 발생할 수 있다. 제형 엔진(16)에 부착되는 공차 베이지안 모듈(14)의 일 예는 도 7에 도시된다. 전술한 바와 같이, 전체 베이지안 시스템은 벌크 및 정제된 안료 식별에 도달할 수 있는 안료들 중 선택된 안료가 줄어든다면 조합적인 접근 방법을 활용하는 스펙트럼 곡선 매칭 전략을 통하여 제형 엔진(16) 자체로서 활용될 수 있다. 반복하자면, 공차 계층은 타겟 코팅에 허용 가능한 가시적 매칭을 결정하는데 활용된다.
도 8은 타겟 샘플의 코팅 혼합물의 물성 속성을 식별하기 위해 사용될 수 있는 시스템(90)의 실시예를 도시한다. 사용자(92)는 타겟 샘플(98)의 특성을 측정하는 분광 광도계(96)를 작동시키기 위해 그래픽 사용자 인터페이스와 같은 사용자 인터페이스(94)를 사용할 수 있다. 분광 광도계(96)로부터의 데이터는 개인용 컴퓨터, 모바일 디바이스 또는 임의의 유형의 프로세서와 같은 컴퓨터(100)에 전송될 수 있다. 컴퓨터(100)는 네트워크(102)를 통해 서버(104)와 통신할 수 있다. 네트워크(102)는 인터넷, 근거리 통신 네트워크, 인트라넷 또는 무선 네트워크와 같은 임의의 형태의 네트워크일 수 있다. 서버(104)는 본 발명의 실시예의 방법에 의해 사용되어 발생되는 데이터 및 정보를 저장할 수 있는 데이터베이스(106)와 통신한다. 본 발명의 실시예의 방법의 각종 단계는 컴퓨터(100) 및/또는 서버(106)에 의해 수행될 수 있다.
4 계층(10, 12, 14, 16)을 모두 조합함으로써, 컴퓨터, 데이터베이스, 및 카메라 또는 유사 데이터 수집 디바이스를 구비하거나 구비하지 않는 분광 광도계를 활용하여 타겟 코팅의 벌크 안료, 정제된 안료 리스트, 및 가시적으로 매칭하는 제형이 결정될 수 있다. 베이지안 시스템, 분광 광도계, 및 데이터베이스의 정교한 정도는 프로세스의 각각의 계층의 최종 해법의 품질을 결정할 수 있다. 적절한 데이터셋이 사용된다고 가정하면, 더 복잡한 베이지안 시스템은 적절히 강력한 분광 광도계가 활용되는 경우 가장 정확한 제형을 만들어 낼 수 있다. 평균 분광 광도계 및 한정된 데이터셋(예를 들면, 더 적은 수의 하드코딩된 기준 포인트를 구비한 데이터셋)과 함께 활용되는 극히 단순화된 베이지안 시스템은 만족도가 더 낮은 제형을 만들어 낼 수 있다. 이것은 또한 본 출원에서 기술되는 각각의 개별 계층에 대해서도 사실이다. 각각의 계층(10, 12, 14, 16)은 다른 툴이나 사용자가 수작업 프로세스를 계속하게 하는 정보를 개별적으로 제공하기 위해 사용될 수 있다. 그러나, 그러한 수작업 칼라 매칭 작업의 어느 단계에서도, 사용자는 프로세스에 재진입하고 적절한 정보를 제공하여 베이지안 프로세스를 계속 활용하기를 선택할 수 있다. 계층(10, 12, 14, 16)을 포함하는 완전한 베이지안 시스템의 일 예는 도 9에 제시된다.
도 10은 타겟 샘플의 코팅 혼합물의 물성 속성을 식별하는 프로세스의 실시예를 도시한다. 프로세스는 데이터가 기구(예를 들면, 분광 광도계(96))로부터 수집되는 단계(20)에서 시작한다. 단계(22)에서, 프로세스는 고체 또는 효과 안료가 존재하는지 여부를 결정한다. 고체 안료가 존재하면, 단계(24)에서 프로세스는 공차 모듈(14)을 사용하여, 단계(22)에서의 판단이 허용 가능한 공차 내에 속하는지 여부를 결정한다. 허용 가능한 공차가 아니면, 프로세스는 단계(22)로 복귀한다. 단계(22)에서 결정된 것으로서 효과가 존재하면, 프로세스는 단계(26)로 진행하며, 이 단계에서 프로세스는 공차 모듈(14)을 사용하여, 단계(22)에서의 판단이 허용 가능한 공차 내에 속하는지 여부를 결정한다. 허용 가능한 공차 내에 속하지 않으면, 프로세스는 단계(22)로 복귀한다.
단계(26)에서 결정된 것으로서 단계(22)에서의 판단이 허용 가능한 공차 내에 속하면, 프로세스는 벌크 안료 모듈(10)이 타겟 코팅 내 벌크 안료를 식별하는 단계(28)로 진행한다. 단계(30)에서, 프로세스는 공차 모듈(14)을 사용하여, 벌크 안료 식별이 허용 가능한 공차 내에 속하는지 여부를 결정한다. 허용 가능한 공차 내에 속하지 않으면, 프로세스는 단계(28)로 복귀한다. 벌크 안료 식별이 허용 가능한 공차 내에 속하면, 프로세스는 단계(32)로 진행하며, 이 단계에서 사용자는 프로세스가 계속되어야 하는지 또는 사용자가 수작업 프로세스를 사용하여 진행하고자 하는지에 관해 재촉받는다. 또한 단계(24)에서 공차가 허용 가능한 레벨 내에 속하는 것으로 결정되었으면 단계(32)로 진입한다.
사용자가 단계(32)에서 진행된 프로세스를 갖는 것으로 선택하면, 프로세스는 단계(34)로 진행하며, 이 단계에서 정제된 안료 식별 모듈(12)은 타겟 코팅에서 정제된 안료를 식별한다. 단계(36)에서, 프로세스는 공차 모듈(14)을 사용하여, 정제된 안료 식별이 허용 가능한 공차 내에 속하는지 여부를 결정한다. 허용 가능한 공차에 속하지 않으면, 프로세스는 단계(34)로 진행한다. 정제된 안료 식별이 허용 가능한 공차 내에 속하면, 프로세스는 단계(38)로 진행하며, 이 단계에서 사용자는 프로세스가 계속되어야 하는지 또는 사용자가 수작업 프로세스를 사용하여 진행하고자 하는지에 관해 재촉 받는다.
사용자가 단계(38)에서 진행된 프로세스를 갖는 것으로 선택하면, 프로세스는 단계(40)로 진행하며, 이 단계에서 제형 엔진(16)은 타겟 코팅의 매칭 제형을 결정한다. 다양한 실시예에서, 제형에 이르는 제형 엔진(16)을 사용하는 대신, 예를 들면, 검색 엔진으로서 부가적인 베이지안 시스템, 또는 모듈을 사용하는 데이터베이스에 저장되는 데이터를 이용하여 데이터 매칭이 이루어질 수 있다. 단계(42)에서, 프로세스는 공차 모듈(14)을 사용하여, 제형이 허용 가능한 공차 내에 속하는지 여부를 결정한다. 허용 가능한 공차 내에 속하지 않으면, 프로세스는 단계(40)로 복귀한다. 제형이 허용 가능한 공차 내에 속하면, 프로세스는 단계(44)로 진행하며, 이 단계에서 사용자는 프로세스가 계속되어야 하는지 또는 사용자가 수작업 프로세스를 사용하여 진행하고자 하는지에 관해 재촉 받는다.
사용자가 단계(44)에서 진행된 프로세스를 갖는 것으로 선택하면, 프로세스는 단계(46)로 진행하며, 이 단계에서 사용자는 제형이 허용 가능한지 또는 제형 엔진(16)을 통한 다른 반복이 수행되어야 하는지에 관해 재촉받는다. 반복이 한 번 더 필요하면, 프로세스는 단계(40)로 복귀한다. 반복이 더 필요하지 않으면, 프로세스는 단계(48)에서 종료하고 제형이 채택된다.
본 출원에서 다양한 실시예가 베이지안 시스템 내부에서 만들어지는 판단 포인트를 갖는 것으로 기술되었지만, 그러한 판단은 베이지안 시스템의 외부에서 만들어질 수도 있다고 생각된다.
다른 양태에서, 본 발명은 컴퓨터 또는 컴퓨터 시스템으로 하여금 앞에서 기술한 방법을 수행하게 하는, 소프트웨어를 포함하는 비-일시적 컴퓨터 판독가능한 매체로서 구현될 수 있다. 소프트웨어는 프로세서 및 사용자 인터페이스가 본 출원에서 기술되는 방법을 수행할 수 있도록 사용되는 각종 모듈을 포함할 수 있다.
본 기술 분야에서 통상의 지식을 가진 자에게는 전술한 설명에서 개시되는 개념을 벗어나지 않고 본 발명이 수정될 수 있다는 것이 용이하게 인식될 것이다. 그러한 수정은 청구범위가 청구범위의 언어로 명시적으로 달리 기술하지 않는 한 다음의 청구범위 내에 포함되는 것으로 간주되어야 한다. 따라서, 본 출원에서 상세히 기술되는 특정한 실시예는 단지 예시일 뿐이며 첨부된 청구범위 및 청구범위의 임의의 등가물 및 모든 등가물의 전체 범주로 부여되는 발명의 범위로 한정하지 않는다.

Claims (19)

  1. 컴퓨터 구현 방법으로서,
    프로세서를 사용하여, 타겟 코팅에서 벌크 안료를 식별하는 단계 - 상기 식별하는 단계는 베이지안 프로세스(Bayesian process)를 적용하는 단계를 포함함 - 와,
    상기 프로세서를 사용하여, 상기 타겟 코팅에서 적어도 하나의 정제된 안료를 식별하는 단계 - 상기 식별하는 단계는 베이지안 프로세스를 적용하는 단계를 포함함 - 와,
    상기 프로세서를 사용하여, 상기 타겟 코팅의 제형(a formulation)을 공식화하는 단계 - 상기 공식화하는 단계는 베이지안 프로세스를 적용하는 단계를 포함함 - 와,
    상기 제형을 출력하는 단계를 포함하는
    컴퓨터 구현 방법.
  2. 제 1 항에 있어서,
    상기 프로세서를 사용하여, 상기 벌크 안료의 식별이 허용 가능한 공차 내에 속하는지 여부를 결정하는 단계를 더 포함하는
    컴퓨터 구현 방법.
  3. 제 1 항에 있어서,
    상기 프로세서를 사용하여, 상기 정제된 안료의 식별이 허용 가능한 공차 내에 속하는지 여부를 결정하는 단계를 더 포함하는
    컴퓨터 구현 방법.
  4. 제 1 항에 있어서,
    상기 프로세서를 사용하여, 상기 제형이 허용 가능한 공차 내에 속하는지 여부를 결정하는 단계를 더 포함하는
    컴퓨터 구현 방법.
  5. 제 1 항에 있어서,
    상기 벌크 안료를 식별하는 단계는 각도 분석을 실행하는 단계, 유사도 인덱스를 사용하는 단계, 기하학적 평가를 수행하는 단계, 유사도 인덱스를 사용하는 단계, 기하학적 평가를 수행하는 단계, 정전기 평가를 수행하는 단계, 스펙트럼 및 측색 데이터의 정규화된 다각도의 집합(normalized multiangular set)을 평가하는 단계, 텍스처 정보를 분석하는 단계, 반사 정보(specular information)를 평가하는 단계, 및 물리학적 궤도를 적용하는 단계 중 적어도 하나의 단계를 포함하는
    컴퓨터 구현 방법.
  6. 제 1 항에 있어서,
    상기 정제된 안료를 식별하는 단계는 이전에 사용된 적어도 하나의 판단 포인트를 재사용하는 단계, 정재된 각도 분석을 수행하는 단계, 지연된 및/또는 편광된 스펙트럼 정보를 평가하는 단계, 케플러의 행성 운동 이론(Kepler's Planetary Motion Theorem)을 스펙트럼 데이터에 적용하는 단계, 스펙트럼 및/또는 측색 데이터에 적용되는 자력 및 솔레노이드를 평가하는 단계, 스펙트럼 데이터와 비교하여 러시안 오팔(Russian opal) 또는 광택 금속을 고려하는 단계, 스펙트럼 데이터에 대해 층 및 플러그 흐름 이론(laminar and plug flow theories)을 사용하는 단계, 및 효율/수율 손실 방정식을 사용하는 단계 중 적어도 하나를 포함하는
    컴퓨터 구현 방법.
  7. 제 1 항에 있어서,
    상기 제형을 공식화하는 단계는 쿠벨카-뭉크 프로세스(Kubelka-Munk process), 파생 기반 행렬을 이용한 직접적인 해법, 조합적인 매칭, 및 다중-플럭스 이론(multi-flux theory) 중 적어도 하나를 사용하는 단계를 포함하는
    컴퓨터 구현 방법.
  8. 제 1 항에 있어서,
    분광 광도계로부터 데이터를 획득하는 단계를 더 포함하는
    컴퓨터 구현 방법.
  9. 데이터베이스와,
    상기 데이터베이스와 통신하고,
    타겟 코팅에서 벌크 안료를 식별 - 상기 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하고,
    상기 타겟 코팅에서 적어도 하나의 정제된 안료를 식별 - 상기 식별하는 것은 베이지안 프로세스를 적용하는 것을 - 하고,
    상기 타겟 코팅의 제형을 공식화 - 상기 공식화하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하고,
    상기 제형을 출력하도록 프로그래밍되는 프로세서를 포함하는
    시스템.
  10. 제 9 항에 있어서,
    상기 프로세서와 통신하는 분광 광도계를 더 포함하는
    시스템.
  11. 제 9 항에 있어서,
    상기 프로세서와 통신하는 디스플레이 디바이스를 더 포함하는
    시스템.
  12. 타겟 코팅에서 벌크 안료를 식별하는 수단 - 상기 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 과,
    상기 타겟 코팅에서 적어도 하나의 정제된 안료를 식별하는 수단 - 상기 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 과,
    상기 타겟 코팅의 제형을 공식화하는 수단 - 상기 공식화하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 과,
    상기 제형을 출력하는 수단을 포함하는
    장치.
  13. 제 12 항에 있어서,
    상기 벌크 안료의 식별이 허용 가능한 공차 내에 속하는지 여부를 결정하는 수단을 더 포함하는
    장치.
  14. 제 12 항에 있어서,
    상기 정제된 안료의 식별이 허용 가능한 공차 내에 속하는지 여부를 결정하는 수단을 더 포함하는
    장치.
  15. 제 12 항에 있어서,
    상기 제형이 허용 가능한 공차 내에 속하는지 여부를 결정하는 수단을 더 포함하는
    장치.
  16. 소프트웨어를 포함하는 비-일시적 컴퓨터 판독가능한 매체로서,
    상기 소프트웨어는 프로세서로 하여금,
    타겟 코팅에서 벌크 안료를 식별 - 상기 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하게 하고,
    상기 타겟 코팅에서 적어도 하나의 정제된 안료를 식별 - 상기 식별하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하게 하고,
    상기 코팅의 제형을 공식화 - 상기 공식화하는 것은 베이지안 프로세스를 적용하는 것을 포함함 - 하게 하고,
    상기 제형을 출력하게 하는
    비-일시적 컴퓨터 판독가능한 매체.
  17. 제 16 항에 있어서,
    상기 프로세서로 하여금 상기 벌크 안료의 식별이 허용 가능한 공차 내에 속하는지 여부를 결정하게 하는 소프트웨어를 더 포함하는
    비-일시적 컴퓨터 판독가능한 매체.
  18. 제 16 항에 있어서,
    상기 프로세서로 하여금 상기 정제된 안료의 식별이 허용 가능한 공차 내에 속하는지 여부를 결정하게 하는 소프트웨어를 더 포함하는
    비-일시적 컴퓨터 판독가능한 매체.
  19. 제 16 항에 있어서,
    상기 프로세서로 하여금 상기 제형이 허용 가능한 공차 내에 속하는지 여부를 결정하게 하는 소프트웨어를 더 포함하는
    비-일시적 컴퓨터 판독가능한 매체.
KR1020157025129A 2013-03-15 2014-03-10 코팅 제형 결정 시스템 및 방법 KR101757091B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/832,554 US10586162B2 (en) 2013-03-15 2013-03-15 Systems and methods for determining a coating formulation
US13/832,554 2013-03-15
PCT/US2014/022369 WO2014150142A2 (en) 2013-03-15 2014-03-10 Systems and methods for determining a coating formulation

Publications (2)

Publication Number Publication Date
KR20150119910A true KR20150119910A (ko) 2015-10-26
KR101757091B1 KR101757091B1 (ko) 2017-07-12

Family

ID=50487120

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157025129A KR101757091B1 (ko) 2013-03-15 2014-03-10 코팅 제형 결정 시스템 및 방법

Country Status (15)

Country Link
US (1) US10586162B2 (ko)
EP (1) EP2973248B1 (ko)
JP (1) JP6293860B2 (ko)
KR (1) KR101757091B1 (ko)
CN (1) CN105051762B (ko)
AR (1) AR095317A1 (ko)
AU (1) AU2014237477B2 (ko)
BR (1) BR112015022368A2 (ko)
CA (1) CA2903458C (ko)
HK (1) HK1211364A1 (ko)
MX (1) MX350457B (ko)
NZ (1) NZ630949A (ko)
SG (1) SG11201506576VA (ko)
TW (1) TWI515590B (ko)
WO (1) WO2014150142A2 (ko)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10147043B2 (en) 2013-03-15 2018-12-04 Ppg Industries Ohio, Inc. Systems and methods for texture assessment of a coating formulation
US10586162B2 (en) 2013-03-15 2020-03-10 Ppg Industries Ohio, Inc. Systems and methods for determining a coating formulation
US9482657B2 (en) * 2013-11-07 2016-11-01 Ppg Industries Ohio, Inc. Formulation of complex coating mixtures with effect pigments
NZ631063A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using cross-normalization
NZ631047A (en) * 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using kepler’s planetary motion laws
NZ631068A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using electrostatics calculations
US10613727B2 (en) 2016-02-19 2020-04-07 Ppg Industries Ohio, Inc. Color and texture match ratings for optimal match selection
US9818205B2 (en) * 2016-02-19 2017-11-14 Ppg Industries Ohio, Inc. Simplified texture comparison engine
US11062479B2 (en) 2017-12-06 2021-07-13 Axalta Coating Systems Ip Co., Llc Systems and methods for matching color and appearance of target coatings
US11119035B2 (en) * 2018-04-26 2021-09-14 Ppg Industries Ohio, Inc. Systems and methods for rapid coating composition determinations
US10970879B2 (en) * 2018-04-26 2021-04-06 Ppg Industries Ohio, Inc. Formulation systems and methods employing target coating data results
US10871888B2 (en) * 2018-04-26 2020-12-22 Ppg Industries Ohio, Inc. Systems, methods, and interfaces for rapid coating generation
US11874220B2 (en) 2018-04-26 2024-01-16 Ppg Industries Ohio, Inc. Formulation systems and methods employing target coating data results
EP3928079B1 (de) * 2019-02-22 2023-11-22 BASF Coatings GmbH Verfahren und vorrichtung zum identifizieren von interferenzpigmenten in einer beschichtung
JP7412556B2 (ja) * 2019-11-14 2024-01-12 ビーエーエスエフ コーティングス ゲゼルシャフト ミット ベシュレンクテル ハフツング 目標コーティング中の効果顔料を識別する方法及び装置

Family Cites Families (79)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS545987B2 (ko) * 1972-12-28 1979-03-23
JPS5214636B2 (ko) * 1973-11-05 1977-04-22
US4344142A (en) * 1974-05-23 1982-08-10 Federal-Mogul Corporation Direct digital control of rubber molding presses
JPS583073Y2 (ja) * 1975-07-19 1983-01-19 株式会社島津製作所 ブンコウコウドケイ
US4164374A (en) * 1977-09-26 1979-08-14 Ford Motor Company Spectrophotometer utilizing a solid state source of radiant energy having a controllable frequency spectra characteristic
JPS5876254A (ja) 1981-11-02 1983-05-09 太平洋セメント株式会社 石こうボ−ドの製造方法
US4479718A (en) 1982-06-17 1984-10-30 E. I. Du Pont De Nemours And Company Three direction measurements for characterization of a surface containing metallic particles
US4711580A (en) 1985-01-28 1987-12-08 Hunter Associates Laboratory, Inc. Modeling properties of flake finishes using directional resolution and statistical flake orientation distribution function
US6411377B1 (en) 1991-04-02 2002-06-25 Hitachi, Ltd. Optical apparatus for defect and particle size inspection
US5319437A (en) 1991-07-26 1994-06-07 Kollmorgen Corporation Handheld portable spectrophotometer
US5231472A (en) 1991-09-16 1993-07-27 Ppg Industries, Inc. Color matching and characterization of surface coatings
US5612928A (en) 1992-05-28 1997-03-18 Northrop Grumman Corporation Method and apparatus for classifying objects in sonar images
EP0637731B1 (en) * 1993-08-06 1998-11-04 Toyota Jidosha Kabushiki Kaisha Method of color reproduction
JP2921365B2 (ja) 1993-11-30 1999-07-19 トヨタ自動車株式会社 塗装色の再現方法及び塗装色の選択方法
US5926262A (en) * 1997-07-01 1999-07-20 Lj Laboratories, L.L.C. Apparatus and method for measuring optical characteristics of an object
JP3986117B2 (ja) 1997-05-22 2007-10-03 日本ペイント株式会社 自動車補修用塗料の調色装置
JP2987619B2 (ja) 1997-06-11 1999-12-06 株式会社英布 静電粉体塗装装置
US5995264A (en) 1998-01-20 1999-11-30 University Of Washington Counter balanced optical scanner
JP3631365B2 (ja) 1998-02-10 2005-03-23 日本ペイント株式会社 変角分光反射率の測定方法
US6266442B1 (en) 1998-10-23 2001-07-24 Facet Technology Corp. Method and apparatus for identifying objects depicted in a videostream
JP3871887B2 (ja) 2001-02-13 2007-01-24 日本ペイント株式会社 サーバ装置、端末装置、および通信端末を用いた塗料および塗料情報提供方法
US7709070B2 (en) 2001-12-20 2010-05-04 The Procter & Gamble Company Articles and methods for applying color on surfaces
WO2003063719A1 (fr) 2002-01-29 2003-08-07 Nihon University Systeme de support chirurgical de decoupage de peau
CA2426437A1 (en) 2002-05-02 2003-11-02 Rohm And Haas Company Color matching and simulation of multicolor surfaces
JP4253759B2 (ja) * 2002-06-10 2009-04-15 関西ペイント株式会社 メタリック塗色管理システム
US6794669B2 (en) 2002-07-24 2004-09-21 Lexmark International, Inc. Media sensing apparatus for detecting an absence of print media
US20040218182A1 (en) * 2003-04-30 2004-11-04 Alman David H. Method for identifying effect pigments in a paint film for field color matching
US7145656B2 (en) 2003-12-15 2006-12-05 E. I. Du Pont De Nemours And Company Computer-implemented method for matching paint
US7430316B2 (en) 2004-01-29 2008-09-30 Datacolor Holding Ag Method for visually accurately predicting color matches on different materials
JP3974588B2 (ja) 2004-03-22 2007-09-12 株式会社日立製作所 核磁気共鳴装置及び方法
US7809155B2 (en) 2004-06-30 2010-10-05 Intel Corporation Computing a higher resolution image from multiple lower resolution images using model-base, robust Bayesian estimation
US7447382B2 (en) 2004-06-30 2008-11-04 Intel Corporation Computing a higher resolution image from multiple lower resolution images using model-based, robust Bayesian estimation
AU2005330698B2 (en) 2004-07-07 2010-01-07 Exxonmobil Upstream Research Company Bayesian network applications to geology and geophysics
JP2006053070A (ja) 2004-08-12 2006-02-23 Kyoto Univ 色素の推定方法
BRPI0403713B1 (pt) 2004-08-30 2021-01-12 Universidade Estadual De Campinas - Unicamp processo de fabricação de um pigmento branco baseado na síntese de partículas ocas de ortofosfato ou polifosfato de alumínio
EP1789763B1 (en) 2004-09-17 2009-08-05 Akzo Nobel Coatings International BV Method for matching paint
CN1797420A (zh) 2004-12-30 2006-07-05 中国科学院自动化研究所 一种基于统计纹理分析的人脸识别方法
ATE525637T1 (de) 2005-03-04 2011-10-15 Sun Chemical Corp Verfahren zur messung der trübung eines films
US7404123B1 (en) 2005-03-28 2008-07-22 Lam Research Corporation Automated test and characterization data analysis methods and arrangement
JP4659499B2 (ja) 2005-03-30 2011-03-30 関西ペイント株式会社 粒子感を有するメタリック塗色画像の生成方法、装置、及びプログラム
US7944561B2 (en) 2005-04-25 2011-05-17 X-Rite, Inc. Measuring an appearance property of a surface using a bidirectional reflectance distribution function
EP1880196B1 (en) 2005-04-25 2019-10-16 X-Rite, Inc. Measuring an appearance property of a surface using a spatially under-sampled bidirectional reflectance distribution function
US8345252B2 (en) 2005-04-25 2013-01-01 X-Rite, Inc. Method and system for enhanced formulation and visualization rendering
US9208394B2 (en) 2005-09-05 2015-12-08 Alpvision S.A. Authentication of an article of manufacture using an image of the microstructure of it surface
JP5063076B2 (ja) 2006-01-20 2012-10-31 関西ペイント株式会社 光輝性顔料の同定方法、同定システム、同定プログラム及びその記録媒体
US8290275B2 (en) 2006-01-20 2012-10-16 Kansai Paint Co., Ltd. Effective pigment identification method, identification system, identification program, and recording medium therefor
EP1987332A2 (en) 2006-02-24 2008-11-05 Akzo Nobel Coatings International BV Method of analyzing a paint film with effect pigments
US20070200337A1 (en) 2006-02-27 2007-08-30 Aaron Henry Johnson Method for creating a decoy exhibiting realistic spectral reflectance
JP2006284601A (ja) * 2006-06-07 2006-10-19 Nippon Paint Co Ltd コンピュータグラフィックス画像データから塗料配合を推定する方法
US20090292520A1 (en) 2006-07-27 2009-11-26 Drexel University Solver for hardware based computing
JP4775572B2 (ja) * 2006-08-03 2011-09-21 独立行政法人科学技術振興機構 顔料同定方法
US8175732B2 (en) 2006-12-22 2012-05-08 Harris Stratex Networks Operating Corporation Manufacturing system and method
US7761398B2 (en) 2007-01-22 2010-07-20 International Business Machines Corporation Apparatus and method for identifying process elements using request-response pairs, a process graph and noise reduction in the graph
JP2008215914A (ja) * 2007-03-01 2008-09-18 National Institute Of Information & Communication Technology テラヘルツ分光による文化財の検査方法
MX2009010055A (es) 2007-03-29 2009-10-12 Du Pont Sistema para igualacion yexhibicion digital de colores.
JP5116765B2 (ja) 2007-06-20 2013-01-09 関西ペイント株式会社 塗色データベースの作成方法及びそのデータベースを用いた検索方法、並びにそれらのシステム、プログラム及び記録媒体
DE102007038483B4 (de) 2007-08-14 2021-07-01 Basf Coatings Gmbh Lernendes Verfahren zur Herstellung von Farbrezepturen
US20090157212A1 (en) 2007-12-12 2009-06-18 Basf Corporation System and method of determining paint formula having a effect pigment
US9311390B2 (en) 2008-01-29 2016-04-12 Educational Testing Service System and method for handling the confounding effect of document length on vector-based similarity scores
US20090274827A1 (en) 2008-04-30 2009-11-05 Ppg Industries Ohio, Inc. Color formulation selection process with visual display
US8385971B2 (en) 2008-08-19 2013-02-26 Digimarc Corporation Methods and systems for content processing
US8330991B2 (en) 2009-03-03 2012-12-11 Columbia Insurance Company Method for managing metamerism of color merchandise
JP2010242018A (ja) 2009-04-09 2010-10-28 Kansai Paint Co Ltd 塗料配合検索システム。
WO2011075212A1 (en) * 2009-12-18 2011-06-23 E. I. Du Pont De Nemours And Company Method for coating measurement
US8340937B2 (en) 2010-05-11 2012-12-25 Xerox Corporation Characterization of a model-based spectral reflectance sensing device
FR2966009B1 (fr) 2010-10-08 2012-12-14 Sagem Defense Securite Module electrique, glissiere d'un tel module et carte electronique destinee a etre logee dans un tel module
JP5637395B2 (ja) 2011-05-24 2014-12-10 株式会社Ｊｖｃケンウッド 情報選択装置、情報選択方法、端末装置およびコンピュータプログラム
WO2013049792A1 (en) 2011-09-30 2013-04-04 E. I. Du Pont De Nemours And Company Method for matching color and appearance of coatings containing effect pigments
CN103959284B (zh) 2011-11-24 2017-11-24 微软技术许可有限责任公司 使用置信图像样本进行重新排名
US8692991B2 (en) 2012-02-03 2014-04-08 Ppg Industries Ohio, Inc. Optimal tint identifier/selector
TWI596385B (zh) 2012-02-13 2017-08-21 東麗股份有限公司 反射膜
US8848991B2 (en) 2012-03-16 2014-09-30 Soek Gam Tjioe Dental shade matching device
US8879066B2 (en) 2012-10-26 2014-11-04 Ppg Industries Ohio, Inc. Texture analysis of a painted surface using specular angle data
US10586162B2 (en) 2013-03-15 2020-03-10 Ppg Industries Ohio, Inc. Systems and methods for determining a coating formulation
US10147043B2 (en) 2013-03-15 2018-12-04 Ppg Industries Ohio, Inc. Systems and methods for texture assessment of a coating formulation
US9482657B2 (en) 2013-11-07 2016-11-01 Ppg Industries Ohio, Inc. Formulation of complex coating mixtures with effect pigments
NZ631047A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using kepler’s planetary motion laws
NZ631063A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using cross-normalization
NZ631068A (en) 2013-11-08 2015-10-30 Ppg Ind Ohio Inc Texture analysis of a coated surface using electrostatics calculations

Also Published As

Publication number Publication date
EP2973248B1 (en) 2021-11-03
TWI515590B (zh) 2016-01-01
BR112015022368A2 (pt) 2017-07-18
CN105051762A (zh) 2015-11-11
CA2903458A1 (en) 2014-09-25
CN105051762B (zh) 2017-12-19
SG11201506576VA (en) 2015-09-29
JP2016521347A (ja) 2016-07-21
US10586162B2 (en) 2020-03-10
AR095317A1 (es) 2015-10-07
AU2014237477B2 (en) 2016-09-15
MX2015012257A (es) 2015-12-01
WO2014150142A2 (en) 2014-09-25
MX350457B (es) 2017-09-05
HK1211364A1 (en) 2016-05-20
WO2014150142A3 (en) 2015-01-15
US20140278253A1 (en) 2014-09-18
EP2973248A2 (en) 2016-01-20
JP6293860B2 (ja) 2018-03-14
NZ630949A (en) 2017-04-28
TW201441856A (zh) 2014-11-01
CA2903458C (en) 2018-03-06
AU2014237477A1 (en) 2015-09-17
KR101757091B1 (ko) 2017-07-12

Similar Documents

Publication Publication Date Title
KR101757091B1 (ko) 코팅 제형 결정 시스템 및 방법
KR101757090B1 (ko) 코팅 제형의 텍스처 평가 시스템 및 방법
KR101901501B1 (ko) 정전 계산을 사용하는 코팅된 표면의 텍스처 분석
JP6290403B2 (ja) ピボット正規化を使用するコーティングされた表面のテクスチャ分析
JP2016535851A (ja) ケプラーの惑星運動の法則を使用するコーティングされた表面のテクスチャ分析
CN112334919A (zh) 用于快速生成涂料的系统、方法和界面
CN112292700B (zh) 用于涂料成分快速测定的方法和系统
CN112334920A (zh) 采用目标涂料数据结果的配方系统和方法
Hug et al. B\'ezier Curve Gaussian Processes
Murphy et al. 1D conditional generative adversarial network for spectrum-to-spectrum translation of simulated chemical reflectance signatures
Murphya et al. 1D conditional generative adversarial network for spectrum-to-spectrum translation of simulated chemical reflectance signatures
Quigley et al. Deep Learning nearby galaxy peculiar velocities
CN116997969A (zh) 用于预测涂层和包括所述涂层的基材的特性的方法和系统
周志登 et al. Subgrid-scale model for large-eddy simulation of isotropic turbulent flows using an artificial neural network

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant