TWI515590B - 用於判定塗佈配方之系統、設備、電腦可讀媒體及方法 - Google Patents

Description

用於判定塗佈配方之系統、設備、電腦可讀媒體及方法

在各種實施例中，本發明大體上係關於用於評估塗層混合物之比色及物理性質屬性以提供一染色劑清單及一匹配塗佈配方至一使用者。

為使用配方或搜尋引擎(或一視覺程序)提供一適當顏色匹配至塗佈有一目標塗層之一目標樣本，可期望判定目標塗層之正確著色。若利用與目標塗層中之相同之顏料或適當偏差，則就目標塗層之配方而言，一配方或搜尋程序可到達一明顯最佳解決方案。一方面，有意或無意將該等顏料排除在可用之外將導致一非最佳顏色匹配。

數個現存之配方引擎及方法試圖經由各種演算法而包括顏料選擇及配方。各種顏料識別封裝及配方引擎採取一「蠻」力、猜測及檢查類型之方法，以提供配方及顏料資訊至其等使用者。組合方法或蠻力方法係一常常使用之方法，其中幾乎全部可用顏料係以全部可用組合形式組合，給出最終匹配中所要之最後數目顏料。組合方法可利用庫貝卡-孟克(Kubelka-Munk)方程式或其之一導式以產生各種配方。儘管已有一些方法限制經提供特定條件以最佳化引擎速度之一些顏料之使用，然最終結果係比對樣本來驗證配方組合，且將最近似匹配目標塗層之一或多個配方之一選擇提供至使用者。與樣本相比較，存在 用以判定匹配準確度之差量E或其他比色評量演算法之各種形式。

其他解決方案需要使用者提交染色劑之一樣本集合至一配方引擎，且又其他方法選擇待使用之染色劑之一預定義子集合。不存在利用一逐步方法且因此經常導致非最佳解決方案之此等方法。此等方法對於使用者通常已係繁冗且缺乏適當「直覺」以提供使用者適用之一較佳解決方案的一流線式方法。另外，鑒於此方法之本質，可排除需要匹配目標塗層之適當顏料。

已使用類神經網路以自預產生可行匹配之現存資料庫選擇顏色匹配或以用作配方引擎本身。一類神經網路之強度係其解決兩個線性及非線性關係之能力，但此強度需要笨重、僵固及顯著額外耗用需求為代價，以小心管理有時較大之一學習資料庫及結構。通常必須在一反饋設計中使用一類神經網路之僵固性及剛性操作以最佳化通向及通至網路之隱層內之節點加權。一類神經網路需要自所要輸出獲得此類型之誤差後向傳播以「學習」。類神經網路之實際學習或訓練係基於計算誤差之減少，藉由基於先前反覆誤差而重複再引入輸入及調整權重而給定一所要輸出。

如圖1中可見，若需要校正一錯誤或需要考慮一筆新資訊，則一典型類神經網路需要一幾乎理想化定義輸入且需要顯著努力以更新及/或更改各種層(節點)。儘管與一些先前模型相比較，更少步驟對於使用者而言係明顯，然歸因於其試圖在一個大規模步驟中將解析包括至一配方或顏色搜尋之本質，一類神經網路趨於相對慢速且係單向。另外，如同本文以上所討論之方法，排除所需顏料係可行。一類神經網路亦需要精確且略乏味維持權重、資料庫、計算、複雜及剛性程序繪圖，且重大「訓練」係有效。

因此，有需要具有彈性以將處理步驟劃分為更小多方向分支步驟且利用針對速度及準確度之一前饋類型設計之系統及方法。亦有需 要對於連同一配方引擎將使用者互動最小化且產生顏料識別及公差之一彈性逐步方法之系統及方法。

在一第一態樣中，本發明之實施例提供一電腦實施方法。種方法包含：使用一處理器識別一目標塗層中之一塊狀顏料，其中識別包括應用一貝式程序；及使用處理器識別目標塗層中至少一精進顏料，其中識別包括應用一貝式程序。方法亦可包含：使用一處理器規劃目標塗層之配方，其中規劃包括應用一貝式程序；及輸出配方。

在另一態樣中，本發明之實施例係關於一種系統。系統包含一資料庫及與資料庫通訊之一處理器。處理器經程式化以：識別在一目標塗層中之一塊狀顏料，其中識別包括應用一貝式程序；及識別在目標塗層中之至少一精進顏料，其中識別包括應用一貝式程序。處理器亦可經程式化以：規劃目標塗層之一配方，其中規劃包括應用一貝式程序；及輸出配方。

在另一態樣中，本發明之實施例提供一種設備。設備包含：用於識別目標塗層中之一塊狀顏料之構件，其中識別包括應用一貝式程序；及用於識別目標塗層中至少一精製顏料之構件，其中識別包括應用一貝式程序。設備包含用於規劃目標塗層之一配方之構件，其中規劃包括應用一貝式程序；及用於輸出配方之構件。

在一進一步態樣中，本發明之實施例提供一種非暫時性電腦可讀媒體，其包含軟體，其用於導致一處理器：識別在一目標塗層中之一塊狀顏料，其中識別包括應用一貝式程序；識別在目標塗層中之至少一精進顏料，其中識別包括應用一貝式程序；規劃目標塗層之一配方，其中規劃包括應用一貝式程序；及 輸出配方。

10‧‧‧塊狀顏料識別模組

12‧‧‧精進顏料識別模組

14‧‧‧公差模組

16‧‧‧配方模組

20‧‧‧步驟

22‧‧‧步驟

24‧‧‧步驟

26‧‧‧步驟

28‧‧‧步驟

30‧‧‧步驟

32‧‧‧步驟

34‧‧‧步驟

36‧‧‧步驟

38‧‧‧步驟

40‧‧‧步驟

42‧‧‧步驟

44‧‧‧步驟

46‧‧‧步驟

48‧‧‧步驟

90‧‧‧系統

92‧‧‧使用者

94‧‧‧使用者介面

96‧‧‧光譜儀

98‧‧‧目標樣本

100‧‧‧電腦

102‧‧‧網路

104‧‧‧伺服器

106‧‧‧資料庫

圖1圖解說明一典型類神經網路。

圖2及圖3圖解說明根據本發明之各種實施例之一系統之四個層或模組之高階代表圖。

圖4圖解說明典型貝式系統之實例。

圖5圖解說明根據本發明之各種實施例之一塊狀顏料識別貝式模組之一高階代表圖。

圖6圖解說明根據本發明之各種實施例之一精進顏料識別貝式模組之一高階代表圖。

圖7圖解說明根據本發明之各種實施例之一配方引擎或模組之一高階代表圖。

圖8圖解說明一系統之一實施例，其可用以識別一目標樣本之一塗層混合物之物理性質屬性。

圖9圖解說明根據本發明之各種實施例四層貝式系統之一高階代表圖。

圖10圖解說明一程序之一實施例，其用於識別一目標樣本之一塗層混合物之物理性質屬性。

在各種實施例中，本發明大體上係關於系統及方法，其等包括一貝式信賴系統，其包含(例如)可相依或非相依於貝式系統及方法之四個層或模組。如圖2中圖解說明，層可包含一塊狀顏料識別模組10、一精進顏料識別模組12、一公差模組14及一配方模組16。可組合使用該等模組以識別顏料類型、特定顏料及以規劃用於經塗佈具有一未知目標塗層之樣本的處方。在另一態樣中，模組10、12、14及16可各自用以識別顏料類型或特定顏料以輔助一視覺或電腦化搜尋程序， 以自一資料庫發現一匹配配方。

如在圖2中圖解說明，模組10、12、14及16可分離且並非完全在一高層級連接。圖3圖解說明模組10、12、14及16可通訊作為貝式系統之方式。

儘管本文描述大體上係關於塗料，但應瞭解應用至其他類型塗層(包含著色塗層及工業塗層)之裝置、系統及方法。不應將本發明所描述之實施例視為限制。可在各種領域(諸如服裝及時尚產品之匹配及/或協調)中實踐符合本發明之一方法。

本發明之實施例可與一電腦系統一起使用或併入一電腦系統中，該電腦系統可係一獨立單元或包含經由一網路(例如，諸如網際網路或一內部網路)與一中央電腦通訊之一或多個遠端終端機或裝置。因而，本文所描述之電腦或「處理器」及相關聯組件可係一本機電腦系統或一遠端電腦或一線上系統或其等之組合的一部分。本文所描述之資料庫及軟體可儲存在一電腦內部記憶體中或在一非暫時性電腦可讀媒體中。

一貝式系統係基於來自貝式定理(Bayes' Theorem)之概率推理，其係導出自條件概率定義。圖4中展示貝式系統之實例。

其中，P(B)≠0

為簡化一目標塗層之顏料識別，可使用一常見分類程序以將樣本放置至一或多個塊狀顏料類型中。藉由利用貝式定理，相依及非相依決策點之一系統可經設計，以判定在一未知樣本中之顏料類型或塊狀顏料。可基於諸如(但不限於)以下：固體顏料、效應顏料及鋁粉顏料之一類別顏料的特性來定義一塊狀顏料。由於一貝式系統之彈性， 可能進一步將塊狀染色劑次分類，以便於指示銀色鋁粉及彩色鋁粉之間的不同。

由多個決策點組成之一基本貝式系統可用以判定一已知樣本僅含有一種顏料類型、全部塊狀顏料類型或其等之一較少組合之概率(信賴)。各種決策點可由(但不限於)以下組成：針對一塊狀顏料類型之特定角分析(即，尋找在一角譜資料之選擇內藉由顏料示範之關鍵特性)；在光譜資料或比色資訊上之一相似度指數之使用；顏料性質之三維(3D)及二維(2D)幾何評估；顏料性質之一混成靜電分析光譜及比色資料之一正規化多角集合之評估；紋理結構資訊分析(可能經由一主成份分析法之影像分析)；鏡面資訊之評估；或甚至應用物理軌跡連同藉由操縱光譜及比色資訊產生之2D平面。在圖5中展示塊狀顏料識別貝式模組10之一實例。決策點可經精心設計以便於參考各塊狀顏料類型之參考性質，以判定在目標塗層之適當塊狀顏料。就決策點成功判定一塊狀顏料類型之唯一概率而言，可藉由固定預判定值相等或區分地加權決策點之各者。鑒於藉由決策識別之塊狀顏料之類型，可進一步精進概率。在各種實施例中，可首先判定一已知目標塗層是否係一單色(straight shade)或一些其他類型之塊狀著色。接著全部或部分使用或再使用決策點以經由決策點之再使用或藉由利用自先前點繼承之決策進一步定義塊狀顏料。第一模組10之輸出係目標塗層之塊狀顏料之判定。

一旦已藉由模組10針對一塊狀顏料判定一信賴，則資訊接著可按現況使用或進一步傳播至各種貝式系統以藉由模組12執行精進顏料識別。一精進顏料識別貝式系統可用以判定包括一已知目標塗層之特定顏料或其等之偏差。顏料識別模組12可經擴大以判定目標塗層中最可能利用之顏料之一子集以饋進彼資訊至配方引擎16。在各種實施例中，自分析之第一層10判定之塊狀顏料可用作用於程序之下一層之 「起始」決策點。起始決策點可連接至決策點之其他集合，其包含(但不限於)以下：再使用及/或繼承來自任何此前使用之決策點；基於一特定塊狀著色之精進角分析；評估阻滯及/或偏極光譜資訊；應用一克卜勒行星運動定理至光譜資料之分析；應用至光譜及/或比色資料之磁力及電磁線圈之一唯一評估；與光譜資料相比考量一俄羅斯蛋白石或拋光金屬；使用基於光譜資料之層流及塞流理論；或甚至考量效率/良率損失方程式，以進一步精進在一複雜混合物中之特定顏料之性質。圖6中展示精進顏料識別模組12之一實例。在精進顏料識別模組12中之決策點可考量目標塗層之特性對比關於一選定塗料系統之顏料之已知資訊，以判定適當可用顏料。精進顏料識別模組12之輸出可係一顏料清單，其以與目標塗層中顏料之可接受匹配概率為順序。接著可按現況利用清單用於顏色匹配或傳遞至一配方引擎16，以產生與目標塗層之一可接受匹配。

第三層14開發一種用於貝式系統之一公差解決方案。取決於應用，公差模組14可經設計以針對配方引擎16判定恰當停止點。可計算在視覺可接受限制之間之一校正，其中各種貝式決策點可連接在一起。決策點之實例可係(但不限於)以下：諸如L、C、h之比色值、差量E、光譜資訊之相似度指數、光譜資訊之各種關鍵組合之3D及/2D模型、一複合匹配評級系統、紋理結構評估或一組合角正規化光譜「曲線」。在實施例中，公差層14之目的係提供關於一已知配方是否提供一可接收配方或配方引擎16是否將需要進一步反覆以對一已知目標塗層提供一單一最佳匹配之二元答案。

第四層16係一部分或全部貝式配方引擎或模組。引擎16可基於經特定修改用於塗料應用之輻射傳輸方程式。可在行星體上利用正常輻射傳輸，儘管行星體(在十分小規模上)與塗繪表面相似，然在無大量修改之情況下，其無法恰當模型化複雜塗料混合物及相互作用。藉 由饋進一適當基本集合顏料至配方引擎及提供對一配方之一可接受匹配品質的公差或藉由作為併入不同類型之規劃技術之一配方引擎本身，一貝式系統可用於規劃複雜混合物。技術可包含(但不限於)正規化或經修改庫貝卡-孟克公式、經由基於導數之矩陣的直接解法、組合匹配，或經修改之多通量理論。返回參考公差層14，可在一貝式系統中反覆利用此等技術以產生匹配目標塗層之一視覺可接受配方。在圖7中圖解說明附接至配方引擎16之公差貝式模組14之一實例。如本文以上描述，鑒於經由塊狀及精進顏料識別可達到之顏料之一減少選擇，可經由利用一組合方法之一光譜曲線匹配策略來將一全貝式系統作為配方引擎16本身利用。再次，公差層經利用以判定至目標塗層之一可接受視覺匹配。

圖8圖解說明一系統90之一實施例，其可用以識別一目標樣本之一塗層混合物的物理性質參數。一使用者92可利用一使用者介面94(諸如，一圖形使用者介面)以操作一光譜儀96，以量測一目標樣本98之性質。來自光譜儀96之資料可傳送至一電腦100，諸如一個人電腦、一行動裝置或任何類型之處理器。電腦100可經由一網路102來與一伺服器104通訊。網路102可係任何類型網路，諸如網際網路、一區域網路、一內部網路或一無線網路。伺服器104係與可儲存資料及資訊之一資料庫106通訊，資料及資訊係由本發明之實施例之方法使用且由本發明之實施例之方法產生。本發明之實施例之方法的各種步驟可由電腦100及/或伺服器104執行。

藉由組合全部四個層10、12、14及16，在具有或不具有一相機或相似資料收集裝置之情況下，可利用一電腦、一資料庫及一光譜儀針對一目標塗層判定塊狀顏料、一精進顏料清單及一視覺匹配配方。貝式系統、光譜儀及資料庫之複雜度可針對程序之各層判定最終解決方案之品質。假設使用一恰當資料集，若利用一適當功能強大之光譜 儀，則一更複雜貝式系統可產生最準確配方。與一普通光譜儀及一受限制資料集一起利用之一過分簡化的貝式系統可能產生一不盡人意的配方。此對於本文描述之各個別層亦係屬實。可各自使用層10、12、14及16之各者，以對其他工具或對使用者提供資訊以繼續一手動程序。然而，在一手動顏色匹配活動之任何階段，使用者可選擇以進入程序且提供適當資訊以繼續利用貝式系統。圖9中展示包含層10、12、14及16之一完整貝式系統之一實例。

圖10圖解說明用於識別一目標樣本之一塗層混合物之物理性質屬性之一程序之一實施例。程序於步驟20開始，其中自一儀器(例如，光譜儀96)收集資料。在步驟22處，程序判定是否一固體或效應存在。若存在一固體，則在步驟24處，程序使用公差模組14判定在步驟22處之決策是否在一可接受公差內。若為否定，則程序返回至步驟22。若如在步驟22處判定存在一效應，則程序前進至步驟26，其中程序使用公差模組14來判定步驟22處之決策是否在一可接受公差內。若為否定，則程序返回至步驟22。

若在步驟22處之決策如在步驟26處判定係在一可接受公差內，則程序前進至步驟28，其中塊狀顏料模組10識別在目標塗層中之塊狀顏料。在步驟30處，程序使用公差模組14判定塊狀顏料識別是否在一可接受公差內。若為否定，則程序返回至步驟28。若塊狀顏料識別是在一可接受公差內，則程序前進至步驟32，其中提示使用者關於程序是否應繼續或使用者是否想使用一手動程序進行。若在步驟24處判定公差係在一可接受程度內，則亦可進入步驟32。

若在步驟32使用者選擇使程序進行，則程序前進至步驟34，其中精進顏料識別模組12識別在目標塗層中之精進顏料。在步驟36處，程序使用公差模組14判定精進顏料識別是否在一可接受公差內。若為否定，則程序返回至步驟34。若精進顏料識別是在一可接受公差內， 則程序前進至步驟38，其中提示使用者關於程序是否應繼續或使用者是否想使用一手動程序進行。

若在步驟38使用者選擇使程序進行，則程序前進至步驟40，其中配方引擎16判定目標塗層之匹配配方。在各種實施例中，取代用以達到配方之配方引擎16，可使用作為一搜尋引擎之一額外貝式系統或模組運用儲存在(例如)一資料庫中之資料進行一資料匹配。在步驟42處，程序使用公差模組14判定配方是否在一可接受公差內。若為否定，則程序返回至步驟40。若配方是在一可接受公差內，則程序前進至步驟44，其中提示使用者關於程序是否應繼續或使用者是否想使用一手動程序進行。

若在步驟44使用者選擇使程序進行，則程序前進至步驟46，其中提示使用者關於配方是否可接受或是否應透過配方引擎16執行另一反覆。若另一反覆係所要，程序返回至步驟40。若另一反覆係非所要，則程序退出步驟48且採納配方。

儘管本文已將各種實施例描述為具有內部貝式系統做出之決策點，然可預期可在一貝式系統外部做出此等決策。

在另一態樣中，本發明可實施為含有用於導致一電腦或電腦系統執行以上描述之方法之軟體之一非暫時性電腦可讀媒體。軟體可包含用以使一處理器及一使用者介面能夠執行本文描述之方法之各者模組。

熟習此項技術者可輕易明白，在不背離此前描述中所揭示之概念之情況下可對本發明作出修改。此等修改可被視為包含在以下申請專利範圍內，除非申請專利範圍本身另有陳述。因此，本文詳細描述之特定實施例僅具繪示性且並非限制本發明之範疇，其係由隨附申請專利範圍之全廣度及其等之全部等效物給出。

20‧‧‧步驟

22‧‧‧步驟

24‧‧‧步驟

26‧‧‧步驟

28‧‧‧步驟

30‧‧‧步驟

32‧‧‧步驟

34‧‧‧步驟

36‧‧‧步驟

38‧‧‧步驟

40‧‧‧步驟

42‧‧‧步驟

44‧‧‧步驟

46‧‧‧步驟

48‧‧‧步驟

Claims (19)

1. 一種電腦實施方法，其包括：使用一處理器識別在一目標塗層中之一塊狀顏料，其中識別包括應用一貝式程序；使用該處理器識別在該目標塗層中之至少一精進顏料，其中識別包括應用一貝式程序；使用一處理器規劃該目標塗層之一配方，其中規劃包括應用一貝式程序；及輸出該配方。
2. 如請求項1之方法，進一步包括使用該處理器來判定該塊狀顏料識別是否在一可接受公差內。
3. 如請求項1之方法，進一步包括使用該處理器來判定該精進顏料識別是否在一可接受公差內。
4. 如請求項1之方法，進一步包括使用該處理器來判定該配方是否在一可接受公差內。
5. 如請求項1之方法，其中識別該塊狀顏料包含以下至少一者：執行一角分析；使用一相似度指數；執行一幾何評估；執行一靜電評估；評估光譜及比色資料之一正規化多角集合；分析紋理結構資訊；評估鏡面資訊及應用物理軌跡。
6. 如請求項1之方法，其中識別該精進顏料包含以下至少一者：再使用至少一此前使用之決策點；執行一精進角分析；評估阻滯及/或偏極光譜資訊；應用克卜勒行星運動定理至光譜資料；評估應用至光譜及/或比色資料之磁力及電磁線圈；與光譜資料相比考量一俄羅斯蛋白石或一拋光金屬；在光譜資料上使用層流及塞流理論；及使用效率/良率損失方程式。
7. 如請求項1之方法，其中規劃該配方包含以下至少一者：使用一庫貝卡-孟克程序；使用基於導數之矩陣之一直接解法；組合匹配；及一多通量理論。
8. 如請求項1之方法，進一步包括自一光譜儀獲得資料。
9. 一種用於提供一塗佈配方之系統，其包括：一資料庫；及一處理器，其與該資料庫通訊且經程式化以：識別在一目標塗層中之一塊狀顏料，其中識別包括應用一貝式程序；識別在該目標塗層中之至少一精進顏料，其中識別包括應用一貝式程序；規劃該目標塗層之一配方，其中規劃包括應用一貝式程序；及輸出該配方。
10. 如請求項9之系統，進一步包括與該處理器通訊之一光譜儀。
11. 如請求項9之系統，進一步包括與該處理器通訊之一顯示器裝置。
12. 一種用於提供一塗佈配方之設備，其包括：用於識別在一目標塗層中之一塊狀顏料之構件，其中識別包括應用一貝式程序；用於識別在該目標塗層中之至少一精進顏料之構件，其中識別包括應用一貝式程序；用於規劃該目標塗層之一配方之構件，其中規劃包括應用一貝式程序；及用於輸出該配方之構件。
13. 如請求項12之設備，進一步包括用於判定該塊狀顏料識別是否 在一可接受公差內之構件。
14. 如請求項12之設備，進一步包括用於判定該精進顏料識別是否在一可接受公差內之構件。
15. 如請求項12之設備，進一步包括用於判定該配方是否在一可接受公差內之構件。
16. 一種非暫時性電腦可讀媒體，其包含軟體，用於導致一處理器：識別在一目標塗層中之一塊狀顏料，其中識別包括應用一貝式程序；識別在該目標塗層中之至少一精進顏料，其中識別包括應用一貝式程序；規劃該目標塗層之一配方，其中規劃包括應用一貝式程序；及輸出該配方。
17. 如請求項16之媒體，進一步包括用於導致該處理器判定該塊狀顏料識別是否在一可接受公差內之軟體。
18. 如請求項16之媒體，進一步包括用於導致該處理器判定該精進顏料識別是否在一可接受公差內之軟體。
19. 如請求項16之媒體，進一步包括用於導致該處理器判定該配方是否在一可接受公差內之軟體。